HDR成像

详细描述

本节描述高动态范围成像算法，即色调映射、曝光对齐、多曝光相机标定和曝光融合。

类
类	cv::AlignExposures
	对齐具有不同曝光度的同一场景图像的算法的基类。 更多…
类	cv::AlignMTB
	此算法将图像转换为中值阈值位图（对于亮度高于中值亮度的像素为 1，否则为 0），然后使用位运算对生成的位图进行对齐。 更多…
类	cv::CalibrateCRF
	相机响应校准算法的基类。 更多…
类	cv::CalibrateDebevec
	通过将目标函数最小化作为线性系统来提取每个亮度值的逆相机响应函数。目标函数是使用所有图像中相同位置的像素值构建的，添加了额外的项以使结果更平滑。 更多…
类	cv::CalibrateRobertson
	通过将目标函数最小化作为线性系统来提取每个亮度值的逆相机响应函数。此算法使用所有图像像素。 更多…
类	cv::MergeDebevec
	生成的 HDR 图像计算为曝光值的加权平均值，考虑曝光值和相机响应。 更多…
类	cv::MergeExposures
	可以将曝光序列合并到单个图像中的基类算法。 更多…
类	cv::MergeMertens
	使用对比度、饱和度和曝光良好的度量对像素进行加权，然后使用拉普拉斯金字塔组合图像。 更多…
类	cv::MergeRobertson
	生成的 HDR 图像计算为曝光值的加权平均值，考虑曝光值和相机响应。 更多…
类	cv::Tonemap
	色调映射算法的基类——用于将 HDR 图像映射到 8 位范围的工具。 更多…
类	cv::TonemapDrago
	自适应对数映射是一种快速的全局色调映射算法，它在对数域中缩放图像。 更多…
类	cv::TonemapMantiuk
	此算法使用高斯金字塔所有级别的梯度将图像转换为对比度，将对比度值转换为 HVS 响应并缩放响应。之后，图像根据新的对比度值重建。 更多…
类	cv::TonemapReinhard
	这是一个模拟人类视觉系统的全局色调映射算子。 更多…

枚举
枚举	{ cv::LDR_SIZE = 256 }

函数
Ptr< AlignMTB >	cv::createAlignMTB (int max_bits=6, int exclude_range=4, bool cut=true)
	创建 AlignMTB 对象。
Ptr< CalibrateDebevec >	cv::createCalibrateDebevec (int samples=70, float lambda=10.0f, bool random=false)
	创建 CalibrateDebevec 对象。
Ptr< CalibrateRobertson >	cv::createCalibrateRobertson (int max_iter=30, float threshold=0.01f)
	创建 CalibrateRobertson 对象。
Ptr< MergeDebevec >	cv::createMergeDebevec ()
	创建 MergeDebevec 对象。
Ptr< MergeMertens >	cv::createMergeMertens (float contrast_weight=1.0f, float saturation_weight=1.0f, float exposure_weight=0.0f)
	创建 MergeMertens 对象。
Ptr< MergeRobertson >	cv::createMergeRobertson ()
	创建 MergeRobertson 对象。
Ptr< Tonemap >	cv::createTonemap (float gamma=1.0f)
	创建具有伽马校正的简单线性映射器。
Ptr< TonemapDrago >	cv::createTonemapDrago (float gamma=1.0f, float saturation=1.0f, float bias=0.85f)
	创建 TonemapDrago 对象。
Ptr< TonemapMantiuk >	cv::createTonemapMantiuk (float gamma=1.0f, float scale=0.7f, float saturation=1.0f)
	创建 TonemapMantiuk 对象。
Ptr< TonemapReinhard >	cv::createTonemapReinhard (float gamma=1.0f, float intensity=0.0f, float light_adapt=1.0f, float color_adapt=0.0f)
	创建 TonemapReinhard 对象。

枚举类型文档

匿名枚举

匿名枚举

#include <opencv2/photo.hpp>

枚举器
LDR_SIZE  Python: cv.LDR_SIZE

函数文档

createAlignMTB()

Ptr< AlignMTB > cv::createAlignMTB	(	int	max_bits = 6,
		int	exclude_range = 4,
		布尔值	cut = true )

Python
	cv.createAlignMTB(	[, max_bits[, exclude_range[, cut]]]	) ->	返回值

#include <opencv2/photo.hpp>

创建 AlignMTB 对象。

参数

max_bits	每个维度最大位移的以2为底的对数。5 和 6 通常足够好（分别为 31 和 63 像素位移）。
exclude_range	用于构建排除位图的范围，该位图用于抑制中值周围的噪声。
cut	如果为真，则裁剪图像；否则，用零填充新区域。

createCalibrateDebevec()

Ptr< CalibrateDebevec > cv::createCalibrateDebevec	(	int	samples = 70,
		浮点数	lambda = 10.0f,
		布尔值	random = false )

Python
	cv.createCalibrateDebevec(	[, samples[, lambda_[, random]]]	) ->	返回值

#include <opencv2/photo.hpp>

创建 CalibrateDebevec 对象。

参数

samples	要使用的像素位置数量
lambda	平滑项权重。较大的值会产生更平滑的结果，但可能会改变响应。
random	如果为真，则随机选择像素位置样本；否则，它们形成一个矩形网格。

createCalibrateRobertson()

Ptr< CalibrateRobertson > cv::createCalibrateRobertson	(	int	max_iter = 30,
		浮点数	threshold = 0.01f )

Python
	cv.createCalibrateRobertson(	[, max_iter[, threshold]]	) ->	返回值

#include <opencv2/photo.hpp>

创建 CalibrateRobertson 对象。

参数

max_iter	高斯-塞德尔求解器的最大迭代次数。
threshold	最小化过程中两个连续步骤的结果之间的目标差异。

createMergeDebevec()

Ptr< MergeDebevec > cv::createMergeDebevec

(

)

Python
	cv.createMergeDebevec(		) ->	返回值

#include <opencv2/photo.hpp>

创建 MergeDebevec 对象。

createMergeMertens()

Ptr< MergeMertens > cv::createMergeMertens	(	浮点数	contrast_weight = 1.0f,
		浮点数	saturation_weight = 1.0f,
		浮点数	exposure_weight = 0.0f )

Python
	cv.createMergeMertens(	[, contrast_weight[, saturation_weight[, exposure_weight]]]	) ->	返回值

#include <opencv2/photo.hpp>

创建 MergeMertens 对象。

参数

contrast_weight	对比度度量权重。参见 MergeMertens。
saturation_weight	饱和度度量权重
exposure_weight	曝光充分度度量权重

createMergeRobertson()

Ptr< MergeRobertson > cv::createMergeRobertson

(

)

Python
	cv.createMergeRobertson(		) ->	返回值

#include <opencv2/photo.hpp>

创建 MergeRobertson 对象。

createTonemap()

Ptr< Tonemap > cv::createTonemap

(

浮点数

gamma = 1.0f

)

Python
	cv.createTonemap(	[, gamma]	) ->	返回值

#include <opencv2/photo.hpp>

创建具有伽马校正的简单线性映射器。

参数

gamma

伽马校正的正值。伽马值为 1.0 表示没有校正，伽马等于 2.2f 适用于大多数显示器。通常 gamma > 1 会使图像变亮，而 gamma < 1 会使图像变暗。

createTonemapDrago()

Ptr< TonemapDrago > cv::createTonemapDrago	(	浮点数	gamma = 1.0f,
		浮点数	saturation = 1.0f,
		浮点数	bias = 0.85f )

Python
	cv.createTonemapDrago(	[, gamma[, saturation[, bias]]]	) ->	返回值

#include <opencv2/photo.hpp>

创建 TonemapDrago 对象。

参数

gamma	伽马校正的 gamma 值。参见 createTonemap
saturation	正饱和度增强值。1.0 保持饱和度，大于 1 的值会增加饱和度，小于 1 的值会降低饱和度。
bias	[0, 1] 范围内的偏差函数值。0.7 到 0.9 的值通常会产生最佳结果，默认值为 0.85。

createTonemapMantiuk()

Ptr< TonemapMantiuk > cv::createTonemapMantiuk	(	浮点数	gamma = 1.0f,
		浮点数	scale = 0.7f,
		浮点数	saturation = 1.0f )

Python
	cv.createTonemapMantiuk(	[, gamma[, scale[, saturation]]]	) ->	返回值

#include <opencv2/photo.hpp>

创建 TonemapMantiuk 对象。

参数

gamma	伽马校正的 gamma 值。参见 createTonemap
scale	对比度缩放因子。HVS 响应乘以此参数，从而压缩动态范围。0.6 到 0.9 的值会产生最佳结果。
saturation	饱和度增强值。参见 createTonemapDrago

createTonemapReinhard()

Ptr< TonemapReinhard > cv::createTonemapReinhard	(	浮点数	gamma = 1.0f,
		浮点数	intensity = 0.0f,
		浮点数	light_adapt = 1.0f,
		浮点数	color_adapt = 0.0f )

Python
	cv.createTonemapReinhard(	[, gamma[, intensity[, light_adapt[, color_adapt]]]]	) ->	返回值

#include <opencv2/photo.hpp>

创建 TonemapReinhard 对象。

参数

gamma	伽马校正的 gamma 值。参见 createTonemap
intensity	[-8, 8] 范围内的结果强度。强度越大，结果越亮。
light_adapt	[0, 1] 范围内的光适应。如果为 1，则适应仅基于像素值；如果为 0，则为全局；否则，为这两者的加权平均。
color_adapt	[0, 1] 范围内的色适应。如果为 1，则通道被独立处理；如果为 0，则每个通道的适应级别相同。