一个包装类,允许将 Meylan&al(2007) 的色调映射算法与 OpenCV 一起使用。
此算法已在 Retina 类 (retina::applyFastToneMapping) 中实现,但使用它不需要分配所有视网膜模型。这允许低内存设备(智能手机等)使用少量内存。总而言之,这些是模型属性:
- 具有不同局部邻域的两个阶段的局部亮度适应。
- 第一阶段模拟视网膜感光器的局部亮度适应。
- 第二阶段模拟神经节细胞的局部信息适应。
- 与最初的出版物相比,此类使用时空低通滤波器而不是仅空间滤波器。这可以提高抗噪性和视频序列用例的时间稳定性。
更多信息,请阅读以下论文:Meylan L., Alleysson D., and Susstrunk S., A Model of Retinal Local Adaptation for the Tone Mapping of Color Filter Array Images, Journal of Optical Society of America, A, Vol. 24, N 9, September, 1st, 2007, pp. 2807-2816 Benoit A., Caplier A., Durette B., Herault, J., "USING HUMAN VISUAL SYSTEM MODELING FOR BIO-INSPIRED LOW LEVEL IMAGE PROCESSING", Elsevier, Computer Vision and Image Understanding 114 (2010), pp. 758-773, DOI: http://dx.doi.org/10.1016/j.cviu.2010.01.011 关于时空滤波器和更大的视网膜模型:Vision: Images, Signals and Neural Networks: Models of Neural Processing in Visual Perception (Progress in Neural Processing), By: Jeanny Herault, ISBN: 9814273686. WAPI (Tower ID): 113266891.
virtual void cv::bioinspired::RetinaFastToneMapping::applyFastToneMapping |
( |
输入数组 | inputImage, |
|
|
输出数组 | outputToneMappedImage ) |
|
纯虚函数 |
Python |
---|
| cv.bioinspired.RetinaFastToneMapping.applyFastToneMapping( | inputImage[, outputToneMappedImage] | ) -> | outputToneMappedImage |
应用亮度校正(最初是高动态范围 (HDR) 色调映射)
仅使用视网膜视锥细胞通道的两个局部适应阶段:感光细胞水平和神经节细胞水平。应用时空滤波,但仅限于时间平滑和最终的高频衰减。这是一种比使用常规retina::run方法更轻量级的方法。因此它更快,但不包括完整的时间滤波或视网膜光谱白化。因此,它对动态范围非常高的图像的影响可能更有限。这是对David Alleyson、Sabine Susstruck和Laurence Meylan原始静态图像HDR色调映射算法的改编,请引用:-> Meylan L., Alleysson D., and Susstrunk S., A Model of Retinal Local Adaptation for the Tone Mapping of Color Filter Array Images, Journal of Optical Society of America, A, Vol. 24, N 9, September, 1st, 2007, pp. 2807-2816
- 参数
-
inputImage | 要处理的输入图像,RGB或灰度级别 |
outputToneMappedImage | 输出的色调映射图像 |