OpenCV 4.11.0
开源计算机视觉库
加载中…
搜索中…
未找到匹配项
此模块提供强度变换算法的实现,用于调整图像对比度。

详细描述

所有函数的命名空间为cv::intensity_transform

支持的算法

参考文献来自以下书籍和网站

函数

void cv::intensity_transform::autoscaling (const Mat input, Mat &output)
 给定一个输入的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([310] [311])。
 
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([310] [311])。
 
void cv::intensity_transform::contrastStretching (const Mat input, Mat &output, const int r1, const int s1, const int r2, const int s2)
 给定一个输入的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)
 给定一个输入的BGR或灰度图像和常数伽马值,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)
 给定一个输入的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>

给定一个输入的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([310] [311])。

这是一个重载函数,曝光比作为参数给出。

参数
input输入彩色图像。
output结果图像。
k曝光比。
mu增强比。
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
这是对原始MATLAB算法的C++实现。与原始代码相比,此实现速度稍慢,并且结果不完全相同。特别是,在某些条件下,图像增强的亮区质量会下降。

◆ 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([310] [311])。

参数
input输入彩色图像。
output结果图像。
mu增强比。
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
这是对原始MATLAB算法的C++实现。与原始代码相比,此实现速度稍慢,并且结果不完全相同。特别是,在某些条件下,图像增强的亮区质量会下降。

◆ 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>

给定一个输入的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变换函数中第一点 (r1, s1) 的 x 坐标。
s1变换函数中第一点 (r1, s1) 的 y 坐标。
r2变换函数中第二点 (r2, s2) 的 x 坐标。
s2变换函数中第二点 (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>

给定一个输入的BGR或灰度图像和常数伽马值,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。
gammac*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>

给定一个输入的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。