无缝克隆

详细说明

有用的链接

https://www.learnopencv.com/seamless-cloning-using-opencv-python-cpp

枚举
枚举	{   cv::NORMAL_CLONE = 1 ,   cv::MIXED_CLONE = 2 ,   cv::MONOCHROME_TRANSFER = 3 }
	无缝克隆算法标志 更多...

函数
void	cv::colorChange (InputArray src, InputArray mask, OutputArray dst, float red_mul=1.0f, float green_mul=1.0f, float blue_mul=1.0f)
	给定一张原始彩色图像，可以将该图像的两个不同颜色版本无缝混合。
void	cv::illuminationChange (InputArray src, InputArray mask, OutputArray dst, float alpha=0.2f, float beta=0.4f)
	在选择区域内的梯度场中应用适当的非线性变换，然后通过泊松求解器进行积分，可以局部修改图像的明显光照。
void	cv::seamlessClone (InputArray src, InputArray dst, InputArray mask, Point p, OutputArray blend, int flags)
	图像编辑任务涉及全局变化（颜色/强度校正、滤波、变形）或局部变化，涉及到手动选择的区域 (ROI)，以无缝且轻松的方式进行编辑。变化的程度从轻微失真到通过新内容 [214] 完全替换。
void	cv::textureFlattening (InputArray src, InputArray mask, OutputArray dst, float low_threshold=30, float high_threshold=45, int kernel_size=3)
	仅保留边缘位置的梯度，在与泊松解算器积分之前，会将所选区域的纹理冲走，使其内容呈扁平外观。此处使用 Canny 边缘检测器。

枚举类型文档

匿名枚举

匿名枚举

#include <opencv2/photo.hpp>

seamlessClone 算法标志

枚举器
NORMAL_CLONE  Python: cv.NORMAL_CLONE	将具有复杂轮廓的对象插入到新背景时，该方法的效用得到充分体现
MIXED_CLONE  Python: cv.MIXED_CLONE	经典方法，基于颜色的选择和 alpha 蒙版可能十分耗时，并且会经常留有令人不快的晕圈。即使与原始图像取平均，无缝克隆也不能很好地发挥作用。基于松散选择的混合无缝克隆证明是非常有效的。
MONOCHROME_TRANSFER  Python: cv.MONOCHROME_TRANSFER	单色转移允许用户轻松地用备用特征替换某个对象的特定特征。

函数文档

colorChange()

void cv::colorChange	(	InputArray	src,
		InputArray	mask,
		OutputArray	dst,
		float	red_mul = 1.0f,
		float	green_mul = 1.0f,
		float	blue_mul = 1.0f
	)

Python
	cv.colorChange(	src, mask[, dst[, red_mul[, green_mul[, blue_mul]]]]	) ->	dst

#include <opencv2/photo.hpp>

给定一张原始彩色图像，可以将该图像的两个不同颜色版本无缝混合。

参数

src	8 位 3 通道输入图像。
mask	8 位 1 或 3 通道输入图像。
dst	与 src 相同大小和类型的输出图像。
red_mul	R 通道乘法因子。
green_mul	G 通道乘法因子。
blue_mul	B 通道乘法因子。

乘法因子介于 .5 至 2.5 之间。

illuminationChange()

void cv::illuminationChange	(	InputArray	src,
		InputArray	mask,
		OutputArray	dst,
		float	alpha = 0.2f,
		float	beta = 0.4f
	)

Python
	cv.illuminationChange(	src, mask[, dst[, alpha[, beta]]]	) ->	dst

#include <opencv2/photo.hpp>

在选择区域内的梯度场中应用适当的非线性变换，然后通过泊松求解器进行积分，可以局部修改图像的明显光照。

参数

src	8 位 3 通道输入图像。
mask	8 位 1 或 3 通道输入图像。
dst	与 src 相同大小和类型的输出图像。
alpha	值介于 0-2 之间。
beta	值介于 0-2 之间。

这对于突出曝光不足的前景对象或减少镜面反射很有用。

seamlessClone()

void cv::seamlessClone	(	InputArray	src,
		InputArray	dst,
		InputArray	mask,
		Point	p,
		OutputArray	blend,
		int	flags
	)

Python
	cv.seamlessClone(	src，dst，mask，p，flags[, blend]	) ->	blend

#include <opencv2/photo.hpp>

图像编辑任务涉及全局变化（颜色/强度校正、滤波、变形）或局部变化，涉及到手动选择的区域 (ROI)，以无缝且轻松的方式进行编辑。变化的程度从轻微失真到通过新内容 [214] 完全替换。

参数

src	8 位 3 通道输入图像。
dst	8 位 3 通道输入图像。
mask	8 位 1 或 3 通道输入图像。
p	对象放置在 dst 图像中的点。
blend	具有与 dst 相同大小和类型的输出图像。
flags	克隆方法可以是 cv::NORMAL_CLONE、cv::MIXED_CLONE 或 cv::MONOCHROME_TRANSFER

textureFlattening()

void cv::textureFlattening	(	InputArray	src,
		InputArray	mask,
		OutputArray	dst,
		float	low_threshold = 30，
		float	high_threshold = 45，
		int	kernel_size = 3
	)

Python
	cv.textureFlattening(	src，mask[, dst[, low_threshold[, high_threshold[, kernel_size]]]]	) ->	dst

#include <opencv2/photo.hpp>

仅保留边缘位置的梯度，在与泊松解算器积分之前，会将所选区域的纹理冲走，使其内容呈扁平外观。此处使用 Canny 边缘检测器。

参数

src	8 位 3 通道输入图像。
mask	8 位 1 或 3 通道输入图像。
dst	与 src 相同大小和类型的输出图像。
low_threshold	范围为 0 至 100。
high_threshold	值 > 100。
kernel_size	使用 Sobel 核的大小。

注意

该算法假设源图像的颜色接近目标图像的颜色。这意味着当颜色不匹配时，源图像颜色会向目标图像的颜色调色。