该模块提供了用于调整图像对比度的强度变换算法的实现。

详细描述

所有函数的命名空间为 cv::intensity_transform。

支持的算法

• 自动缩放
• 对数变换
• 幂律（伽马）变换
• 对比度拉伸
• BIMEF，一种用于弱光图像增强的仿生多曝光融合框架 [309] [310]

以下书籍和网站的参考资料

• 数字图像处理 第 4 版 第 3 章 [Rafael C. Gonzalez, Richard E. Woods] [221]
• http://www.cs.uregina.ca/Links/class-info/425/Lab3/ [153]
• https://theailearner.com/2019/01/30/contrast-stretching/ [268]

函数
void	cv::intensity_transform::autoscaling (const Mat input, Mat &output)
	给定一个输入 bgr 或灰度图像，在 [0, 255] 域上应用自动缩放以提高输入图像的对比度，并返回结果图像。
void	cv::intensity_transform::BIMEF (InputArray input, OutputArray output, float k, float mu, float a, float b)
	给定一个输入彩色图像，使用 BIMEF 方法增强弱光图像 ([309] [310]).
void	cv::intensity_transform::BIMEF (InputArray input, OutputArray output, float mu=0.5f, float a=-0.3293f, float b=1.1258f)
	给定一个输入彩色图像，使用 BIMEF 方法增强弱光图像 ([309] [310]).
void	cv::intensity_transform::contrastStretching (const Mat input, Mat &output, const int r1, const int s1, const int r2, const int s2)
	给定一个输入 bgr 或灰度图像，在 [0, 255] 域上应用线性对比度拉伸，并返回结果图像。
void	cv::intensity_transform::gammaCorrection (const Mat input, Mat &output, const float gamma)
	给定一个输入 bgr 或灰度图像和常数 gamma，在 [0, 255] 域上对图像应用幂律变换，也称为伽马校正，并返回结果图像。
void	cv::intensity_transform::logTransform (const Mat input, Mat &output)
	给定一个输入 bgr 或灰度图像和常数 c，在 [0, 255] 域上对图像应用对数变换，并返回结果图像。

函数文档

autoscaling()

void cv::intensity_transform::autoscaling	(	const Mat	input,
		Mat &	output
	)

Python
	cv.intensity_transform.autoscaling(	input, output	) ->	None

#include <opencv2/intensity_transform.hpp>

给定一个输入 bgr 或灰度图像，在 [0, 255] 域上应用自动缩放以提高输入图像的对比度，并返回结果图像。

参数

input	输入 bgr 或灰度图像。
output	自动缩放后的结果图像。

BIMEF() [1/2]

void cv::intensity_transform::BIMEF	(	InputArray	input,
		OutputArray	output,
		float	k,
		float	mu,
		float	a,
		float	b
	)

Python
	cv.intensity_transform.BIMEF(	input[, output[, mu[, a[, b]]]]	) ->	output
	cv.intensity_transform.BIMEF2(	input, k, mu, a, b[, output]	) ->	output

#include <opencv2/intensity_transform.hpp>

给定一个输入彩色图像，使用 BIMEF 方法增强弱光图像 ([309] [310]).

这是一个重载函数，其曝光率作为参数给出。

参数

input	输入彩色图像。
output	结果图像。
k	曝光率。
mu	增强率。
a	相机响应函数 (CRF) 中的 a 参数。
b	相机响应函数 (CRF) 中的 b 参数。

警告

这是 原始 MATLAB 算法 的 C++ 实现。与原始代码相比，此实现速度稍慢，并且不会提供相同的结果。特别是，在某些条件下，图像增强质量会因亮区而降低。

BIMEF() [2/2]

void cv::intensity_transform::BIMEF	(	InputArray	input,
		OutputArray	output,
		float	mu = 0.5f,
		float	a = -0.3293f,
		float	b = 1.1258f
	)

Python
	cv.intensity_transform.BIMEF(	input[, output[, mu[, a[, b]]]]	) ->	output
	cv.intensity_transform.BIMEF2(	input, k, mu, a, b[, output]	) ->	output

#include <opencv2/intensity_transform.hpp>

给定一个输入彩色图像，使用 BIMEF 方法增强弱光图像 ([309] [310]).

参数

input	输入彩色图像。
output	结果图像。
mu	增强率。
a	相机响应函数 (CRF) 中的 a 参数。
b	相机响应函数 (CRF) 中的 b 参数。

警告

这是 原始 MATLAB 算法 的 C++ 实现。与原始代码相比，此实现速度稍慢，并且不会提供相同的结果。特别是，在某些条件下，图像增强质量会因亮区而降低。

contrastStretching()

void cv::intensity_transform::contrastStretching	(	const Mat	input,
		Mat &	output,
		const int	r1,
		const int	s1,
		const int	r2,
		const int	s2
	)

Python
	cv.intensity_transform.contrastStretching(	input, output, r1, s1, r2, s2	) ->	None

#include <opencv2/intensity_transform.hpp>

给定一个输入 bgr 或灰度图像，在 [0, 255] 域上应用线性对比度拉伸，并返回结果图像。

参数

input	输入 bgr 或灰度图像。
output	对比度拉伸后的结果图像。
r1	变换函数中第一个点 (r1, s1) 的 x 坐标。
s1	变换函数中第一个点 (r1, s1) 的 y 坐标。
r2	变换函数中第二个点 (r2, s2) 的 x 坐标。
s2	变换函数中第二个点 (r2, s2) 的 y 坐标。

gammaCorrection()

void cv::intensity_transform::gammaCorrection	(	const Mat	input,
		Mat &	output,
		const float	gamma
	)

Python
	cv.intensity_transform.gammaCorrection(	input, output, gamma	) ->	None

#include <opencv2/intensity_transform.hpp>

给定一个输入 bgr 或灰度图像和常数 gamma，在 [0, 255] 域上对图像应用幂律变换，也称为伽马校正，并返回结果图像。

参数

input	输入 bgr 或灰度图像。
output	伽马校正后的结果图像。
gamma	c*r^gamma 中的常数，其中 r 是像素值。

logTransform()

void cv::intensity_transform::logTransform	(	const Mat	input,
		Mat &	output
	)

Python
	cv.intensity_transform.logTransform(	input, output	) ->	None

#include <opencv2/intensity_transform.hpp>

给定一个输入 bgr 或灰度图像和常数 c，在 [0, 255] 域上对图像应用对数变换，并返回结果图像。

参数

input	输入 bgr 或灰度图像。
output	对数变换后的结果图像。