java.lang.Object
- org.opencv.photo.Photo

public class Photo
extends java.lang.Object

字段摘要

字段
修饰符和类型	字段	描述
`static int`	`INPAINT_NS`
`static int`	`INPAINT_TELEA`
`static int`	`LDR_SIZE`
`static int`	`MIXED_CLONE`
`static int`	`MIXED_CLONE_WIDE`
`static int`	`MONOCHROME_TRANSFER`
`static int`	`MONOCHROME_TRANSFER_WIDE`
`static int`	`NORMAL_CLONE`
`static int`	`NORMAL_CLONE_WIDE`
`static int`	`NORMCONV_FILTER`
`static int`	`RECURS_FILTER`

构造函数摘要

构造函数
构造函数描述

Photo()

方法摘要

所有方法静态方法具体方法
修饰符和类型	方法	描述
`static void`	`colorChange(Mat src, Mat mask, Mat dst)`	给定一个原始彩色图像，可以无缝地混合该图像的两个不同颜色的版本。
`static void`	`colorChange(Mat src, Mat mask, Mat dst, float red_mul)`	给定一个原始彩色图像，可以无缝地混合该图像的两个不同颜色的版本。
`static void`	`colorChange(Mat src, Mat mask, Mat dst, float red_mul, float green_mul)`	给定一个原始彩色图像，可以无缝地混合该图像的两个不同颜色的版本。
`static void`	`colorChange(Mat src, Mat mask, Mat dst, float red_mul, float green_mul, float blue_mul)`	给定一个原始彩色图像，可以无缝地混合该图像的两个不同颜色的版本。
`static AlignMTB`	`createAlignMTB()`	创建 AlignMTB 对象，通常足够好（分别为 31 和 63 像素偏移）。
`static AlignMTB`	`createAlignMTB(int max_bits)`	创建 AlignMTB 对象
`static AlignMTB`	`createAlignMTB(int max_bits, int exclude_range)`	创建 AlignMTB 对象
`static AlignMTB`	`createAlignMTB(int max_bits, int exclude_range, boolean cut)`	创建 AlignMTB 对象
`static CalibrateDebevec`	`createCalibrateDebevec()`	创建 CalibrateDebevec 对象响应。
`static CalibrateDebevec`	`createCalibrateDebevec(int samples)`	创建 CalibrateDebevec 对象
`static CalibrateDebevec`	`createCalibrateDebevec(int samples, float lambda)`	创建 CalibrateDebevec 对象
`static CalibrateDebevec`	`createCalibrateDebevec(int samples, float lambda, boolean random)`	创建 CalibrateDebevec 对象
`static CalibrateRobertson`	`createCalibrateRobertson()`	创建 CalibrateRobertson 对象
`static CalibrateRobertson`	`createCalibrateRobertson(int max_iter)`	创建 CalibrateRobertson 对象
`static CalibrateRobertson`	`createCalibrateRobertson(int max_iter, float threshold)`	创建 CalibrateRobertson 对象
`static MergeDebevec`	`createMergeDebevec()`	创建 MergeDebevec 对象
`static MergeMertens`	`createMergeMertens()`	创建 MergeMertens 对象
`static MergeMertens`	`createMergeMertens(float contrast_weight)`	创建 MergeMertens 对象
`static MergeMertens`	`createMergeMertens(float contrast_weight, float saturation_weight)`	创建 MergeMertens 对象
`static MergeMertens`	`createMergeMertens(float contrast_weight, float saturation_weight, float exposure_weight)`	创建 MergeMertens 对象
`static MergeRobertson`	`createMergeRobertson()`	创建 MergeRobertson 对象
`static Tonemap`	`createTonemap()`	创建简单的线性映射器，伽马校正等于 2.2f，适用于大多数显示器。
`static Tonemap`	`createTonemap(float gamma)`	创建具有伽马校正的简单线性映射器
`static TonemapDrago`	`createTonemapDrago()`	创建 TonemapDrago 对象，大于 1 会增加饱和度，小于 1 会降低饱和度。
`static TonemapDrago`	`createTonemapDrago(float gamma)`	创建 TonemapDrago 对象
`static TonemapDrago`	`createTonemapDrago(float gamma, float saturation)`	创建 TonemapDrago 对象
`static TonemapDrago`	`createTonemapDrago(float gamma, float saturation, float bias)`	创建 TonemapDrago 对象
`static TonemapMantiuk`	`createTonemapMantiuk()`	创建 TonemapMantiuk 对象动态范围。
`static TonemapMantiuk`	`createTonemapMantiuk(float gamma)`	创建 TonemapMantiuk 对象
`static TonemapMantiuk`	`createTonemapMantiuk(float gamma, float scale)`	创建 TonemapMantiuk 对象
`static TonemapMantiuk`	`createTonemapMantiuk(float gamma, float scale, float saturation)`	创建 TonemapMantiuk 对象
`static TonemapReinhard`	`createTonemapReinhard()`	创建 TonemapReinhard 对象值，如果为 0，则为全局值，否则为这两种情况的加权平均值。
`static TonemapReinhard`	`createTonemapReinhard(float gamma)`	创建 TonemapReinhard 对象
`static TonemapReinhard`	`createTonemapReinhard(float gamma, float intensity)`	创建 TonemapReinhard 对象
`static TonemapReinhard`	`createTonemapReinhard(float gamma, float intensity, float light_adapt)`	创建 TonemapReinhard 对象
`static TonemapReinhard`	`createTonemapReinhard(float gamma, float intensity, float light_adapt, float color_adapt)`	创建 TonemapReinhard 对象
`static void`	`decolor(Mat src, Mat grayscale, Mat color_boost)`	将彩色图像转换为灰度图像。
`static void`	`denoise_TVL1(java.util.List<Mat> observations, Mat result)`	原始对偶算法是用于解决特殊类型的变分问题的算法（即，找到一个函数来最小化某个泛函）。
`static void`	`denoise_TVL1(java.util.List<Mat> observations, Mat result, double lambda)`	原始对偶算法是用于解决特殊类型的变分问题的算法（即，找到一个函数来最小化某个泛函）。
`static void`	`denoise_TVL1(java.util.List<Mat> observations, Mat result, double lambda, int niters)`	原始对偶算法是用于解决特殊类型的变分问题的算法（即，找到一个函数来最小化某个泛函）。
`static void`	`detailEnhance(Mat src, Mat dst)`	此滤镜增强特定图像的细节。
`static void`	`detailEnhance(Mat src, Mat dst, float sigma_s)`	此滤镜增强特定图像的细节。
`static void`	`detailEnhance(Mat src, Mat dst, float sigma_s, float sigma_r)`	此滤镜增强特定图像的细节。
`static void`	`edgePreservingFilter(Mat src, Mat dst)`	滤波是图像和视频处理中的基本操作。
`static void`	`edgePreservingFilter(Mat src, Mat dst, int flags)`	滤波是图像和视频处理中的基本操作。
`static void`	`edgePreservingFilter(Mat src, Mat dst, int flags, float sigma_s)`	滤波是图像和视频处理中的基本操作。
`static void`	`edgePreservingFilter(Mat src, Mat dst, int flags, float sigma_s, float sigma_r)`	滤波是图像和视频处理中的基本操作。
`static void`	`fastNlMeansDenoising(Mat src, Mat dst)`	使用非局部均值降噪算法进行图像降噪，并进行了一些计算优化。
`static void`	`fastNlMeansDenoising(Mat src, Mat dst, float h)`	使用非局部均值降噪算法进行图像降噪，并进行了一些计算优化。
`static void`	`fastNlMeansDenoising(Mat src, Mat dst, float h, int templateWindowSize)`	使用非局部均值降噪算法进行图像降噪，并进行了一些计算优化。
`static void`	`fastNlMeansDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize)`	使用非局部均值降噪算法进行图像降噪，并进行了一些计算优化。
`static void`	`fastNlMeansDenoising(Mat src, Mat dst, MatOfFloat h)`	使用非局部均值降噪算法进行图像降噪，并进行了一些计算优化。
`static void`	`fastNlMeansDenoising(Mat src, Mat dst, MatOfFloat h, int templateWindowSize)`	使用非局部均值降噪算法进行图像降噪，并进行了一些计算优化。
`static void`	`fastNlMeansDenoising(Mat src, Mat dst, MatOfFloat h, int templateWindowSize, int searchWindowSize)`	使用非局部均值降噪算法进行图像降噪，并进行了一些计算优化。
`static void`	`fastNlMeansDenoising(Mat src, Mat dst, MatOfFloat h, int templateWindowSize, int searchWindowSize, int normType)`	使用非局部均值降噪算法进行图像降噪，并进行了一些计算优化。
`static void`	`fastNlMeansDenoisingColored(Mat src, Mat dst)`	彩色图像的fastNlMeansDenoising函数修改版
`static void`	`fastNlMeansDenoisingColored(Mat src, Mat dst, float h)`	彩色图像的fastNlMeansDenoising函数修改版
`static void`	`fastNlMeansDenoisingColored(Mat src, Mat dst, float h, float hColor)`	彩色图像的fastNlMeansDenoising函数修改版
`static void`	`fastNlMeansDenoisingColored(Mat src, Mat dst, float h, float hColor, int templateWindowSize)`	彩色图像的fastNlMeansDenoising函数修改版
`static void`	`fastNlMeansDenoisingColored(Mat src, Mat dst, float h, float hColor, int templateWindowSize, int searchWindowSize)`	彩色图像的fastNlMeansDenoising函数修改版
`static void`	`fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize)`	彩色图像序列的fastNlMeansDenoisingMulti函数修改版
`static void`	`fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h)`	彩色图像序列的fastNlMeansDenoisingMulti函数修改版
`static void`	`fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor)`	彩色图像序列的fastNlMeansDenoisingMulti函数修改版
`static void`	`fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor, int templateWindowSize)`	彩色图像序列的fastNlMeansDenoisingMulti函数修改版
`static void`	`fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, float hColor, int templateWindowSize, int searchWindowSize)`	彩色图像序列的fastNlMeansDenoisingMulti函数修改版
`static void`	`fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize)`	图像序列的fastNlMeansDenoising函数修改版，其中连续图像在短时间内捕获。
`static void`	`fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h)`	图像序列的fastNlMeansDenoising函数修改版，其中连续图像在短时间内捕获。
`static void`	`fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, int templateWindowSize)`	图像序列的fastNlMeansDenoising函数修改版，其中连续图像在短时间内捕获。
`static void`	`fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, float h, int templateWindowSize, int searchWindowSize)`	图像序列的fastNlMeansDenoising函数修改版，其中连续图像在短时间内捕获。
`static void`	`fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, MatOfFloat h)`	图像序列的fastNlMeansDenoising函数修改版，其中连续图像在短时间内捕获。
`static void`	`fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, MatOfFloat h, int templateWindowSize)`	图像序列的fastNlMeansDenoising函数修改版，其中连续图像在短时间内捕获。
`static void`	`fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, MatOfFloat h, int templateWindowSize, int searchWindowSize)`	图像序列的fastNlMeansDenoising函数修改版，其中连续图像在短时间内捕获。
`static void`	`fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs, Mat dst, int imgToDenoiseIndex, int temporalWindowSize, MatOfFloat h, int templateWindowSize, int searchWindowSize, int normType)`	图像序列的fastNlMeansDenoising函数修改版，其中连续图像在短时间内捕获。
`static void`	`illuminationChange(Mat src, Mat mask, Mat dst)`	通过对选择区域内的梯度场应用适当的非线性变换，然后使用泊松求解器进行反向积分，可以局部修改图像的表观照明。
`static void`	`illuminationChange(Mat src, Mat mask, Mat dst, float alpha)`	通过对选择区域内的梯度场应用适当的非线性变换，然后使用泊松求解器进行反向积分，可以局部修改图像的表观照明。
`static void`	`illuminationChange(Mat src, Mat mask, Mat dst, float alpha, float beta)`	通过对选择区域内的梯度场应用适当的非线性变换，然后使用泊松求解器进行反向积分，可以局部修改图像的表观照明。
`static void`	`inpaint(Mat src, Mat inpaintMask, Mat dst, double inpaintRadius, int flags)`	使用区域邻域恢复图像中选定区域。
`static void`	`pencilSketch(Mat src, Mat dst1, Mat dst2)`	铅笔素描风格的非真实感线条绘制
`static void`	`pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s)`	铅笔素描风格的非真实感线条绘制
`static void`	`pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s, float sigma_r)`	铅笔素描风格的非真实感线条绘制
`static void`	`pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s, float sigma_r, float shade_factor)`	铅笔素描风格的非真实感线条绘制
`static void`	`seamlessClone(Mat src, Mat dst, Mat mask, Point p, Mat blend, int flags)`	执行无缝克隆，将源图像中的区域混合到目标图像中。
`static void`	`stylization(Mat src, Mat dst)`	风格化旨在产生具有各种效果的数字图像，而不是专注于照片真实感。
`static void`	`stylization(Mat src, Mat dst, float sigma_s)`	风格化旨在产生具有各种效果的数字图像，而不是专注于照片真实感。
`static void`	`stylization(Mat src, Mat dst, float sigma_s, float sigma_r)`	风格化旨在产生具有各种效果的数字图像，而不是专注于照片真实感。
`static void`	`textureFlattening(Mat src, Mat mask, Mat dst)`	通过仅保留边缘位置的梯度，然后使用泊松求解器进行积分，可以去除选定区域的纹理，使其内容呈现平坦的外观。
`static void`	`textureFlattening(Mat src, Mat mask, Mat dst, float low_threshold)`	通过仅保留边缘位置的梯度，然后使用泊松求解器进行积分，可以去除选定区域的纹理，使其内容呈现平坦的外观。
`static void`	`textureFlattening(Mat src, Mat mask, Mat dst, float low_threshold, float high_threshold)`	通过仅保留边缘位置的梯度，然后使用泊松求解器进行积分，可以去除选定区域的纹理，使其内容呈现平坦的外观。
`static void`	`textureFlattening(Mat src, Mat mask, Mat dst, float low_threshold, float high_threshold, int kernel_size)`	通过仅保留边缘位置的梯度，然后使用泊松求解器进行积分，可以去除选定区域的纹理，使其内容呈现平坦的外观。

继承自类 java.lang.Object的方法
clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 字段详情
  - INPAINT_NS
```
public static final int INPAINT_NS
```
    另请参见
    
    常量字段值
  - INPAINT_TELEA
```
public static final int INPAINT_TELEA
```
    另请参见
    
    常量字段值
  - LDR_SIZE
```
public static final int LDR_SIZE
```
    另请参见
    
    常量字段值
  - RECURS_FILTER
```
public static final int RECURS_FILTER
```
    另请参见
    
    常量字段值
  - NORMCONV_FILTER
```
public static final int NORMCONV_FILTER
```
    另请参见
    
    常量字段值
  - NORMAL_CLONE
```
public static final int NORMAL_CLONE
```
    另请参见
    
    常量字段值
  - MIXED_CLONE
```
public static final int MIXED_CLONE
```
    另请参见
    
    常量字段值
  - MONOCHROME_TRANSFER
```
public static final int MONOCHROME_TRANSFER
```
    另请参见
    
    常量字段值
  - NORMAL_CLONE_WIDE
```
public static final int NORMAL_CLONE_WIDE
```
    另请参见
    
    常量字段值
  - MIXED_CLONE_WIDE
```
public static final int MIXED_CLONE_WIDE
```
    另请参见
    
    常量字段值
  - MONOCHROME_TRANSFER_WIDE
```
public static final int MONOCHROME_TRANSFER_WIDE
```
    另请参见
    
    常量字段值
- 构造函数详情
  - Photo
```
public Photo()
```
- 方法详情
  - inpaint
```
public static void inpaint(Mat src,
                           Mat inpaintMask,
                           Mat dst,
                           double inpaintRadius,
                           int flags)
```
    使用区域邻域恢复图像中选定区域。
    参数
    
    src - 输入的8位、16位无符号或32位浮点型单通道或8位3通道图像。
    
    inpaintMask - 修复蒙版，8位1通道图像。非零像素表示需要修复的区域。
    
    dst - 与src大小和类型相同的输出图像。
    
    inpaintRadius - 算法考虑的每个修复点的圆形邻域半径。
    
    flags - 修复方法，可以是cv::INPAINT_NS或cv::INPAINT_TELEA。该函数从区域边界附近的像素重建选定的图像区域。该函数可用于去除扫描照片中的灰尘和划痕，或从静止图像或视频中去除不需要的对象。有关更多详细信息，请参见<http://en.wikipedia.org/wiki/Inpainting>。**注意：**
    
    在opencv_source_code/samples/cpp/inpaint.cpp中可以找到一个使用修复技术的示例。
    
    (Python) 在opencv_source_code/samples/python/inpaint.py中可以找到一个使用修复技术的示例。
  - fastNlMeansDenoising
```
public static void fastNlMeansDenoising(Mat src,
                                        Mat dst,
                                        float h,
                                        int templateWindowSize,
                                        int searchWindowSize)
```
    使用非局部均值去噪算法进行图像去噪，并进行一些计算优化。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入8位1通道、2通道、3通道或4通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    searchWindowSize - 用于计算给定像素加权平均值的窗口大小（像素）。应为奇数。线性影响性能：searchWindowSize越大，去噪时间越长。推荐值21像素。
    
    h - 调节滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。此函数预期应用于灰度图像。对于彩色图像，请查看fastNlMeansDenoisingColored。此函数的高级用法可以对不同色彩空间的彩色图像进行手动去噪。fastNlMeansDenoisingColored通过将图像转换为CIELAB色彩空间，然后分别使用不同的h参数对L和AB分量进行去噪来实现这种方法。
  - fastNlMeansDenoising
```
public static void fastNlMeansDenoising(Mat src,
                                        Mat dst,
                                        float h,
                                        int templateWindowSize)
```
    使用非局部均值去噪算法进行图像去噪，并进行一些计算优化。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入8位1通道、2通道、3通道或4通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    h - 调节滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。此函数预期应用于灰度图像。对于彩色图像，请查看fastNlMeansDenoisingColored。此函数的高级用法可以对不同色彩空间的彩色图像进行手动去噪。fastNlMeansDenoisingColored通过将图像转换为CIELAB色彩空间，然后分别使用不同的h参数对L和AB分量进行去噪来实现这种方法。
  - fastNlMeansDenoising
```
public static void fastNlMeansDenoising(Mat src,
                                        Mat dst,
                                        float h)
```
    使用非局部均值去噪算法进行图像去噪，并进行一些计算优化。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入8位1通道、2通道、3通道或4通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    h - 调节滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。此函数预期应用于灰度图像。对于彩色图像，请查看fastNlMeansDenoisingColored。此函数的高级用法可以对不同色彩空间的彩色图像进行手动去噪。fastNlMeansDenoisingColored通过将图像转换为CIELAB色彩空间，然后分别使用不同的h参数对L和AB分量进行去噪来实现这种方法。
  - fastNlMeansDenoising
```
public static void fastNlMeansDenoising(Mat src,
                                        Mat dst)
```
    使用非局部均值去噪算法进行图像去噪，并进行一些计算优化。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入8位1通道、2通道、3通道或4通道图像。
    
    dst - 与src大小和类型相同的输出图像。
  - fastNlMeansDenoising
```
public static void fastNlMeansDenoising(Mat src,
                                        Mat dst,
                                        MatOfFloat h,
                                        int templateWindowSize,
                                        int searchWindowSize,
                                        int normType)
```
    使用非局部均值去噪算法进行图像去噪，并进行一些计算优化。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入8位或16位（仅限NORM_L1）1通道、2通道、3通道或4通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    searchWindowSize - 用于计算给定像素加权平均值的窗口大小（像素）。应为奇数。线性影响性能：searchWindowSize越大，去噪时间越长。推荐值21像素。
    
    h - 调节滤波器强度参数的数组，可以对所有通道应用一个参数，也可以对dst中的每个通道应用一个参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
    
    normType - 用于权重计算的范数类型。可以是NORM_L2或NORM_L1。此函数预期应用于灰度图像。对于彩色图像，请查看fastNlMeansDenoisingColored。此函数的高级用法可以对不同色彩空间的彩色图像进行手动去噪。fastNlMeansDenoisingColored通过将图像转换为CIELAB色彩空间，然后分别使用不同的h参数对L和AB分量进行去噪来实现这种方法。
  - fastNlMeansDenoising
```
public static void fastNlMeansDenoising(Mat src,
                                        Mat dst,
                                        MatOfFloat h,
                                        int templateWindowSize,
                                        int searchWindowSize)
```
    使用非局部均值去噪算法进行图像去噪，并进行一些计算优化。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入8位或16位（仅限NORM_L1）1通道、2通道、3通道或4通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    searchWindowSize - 用于计算给定像素加权平均值的窗口大小（像素）。应为奇数。线性影响性能：searchWindowSize越大，去噪时间越长。推荐值21像素。
    
    h - 调节滤波器强度参数的数组，可以对所有通道应用一个参数，也可以对dst中的每个通道应用一个参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoising
```
public static void fastNlMeansDenoising(Mat src,
                                        Mat dst,
                                        MatOfFloat h,
                                        int templateWindowSize)
```
    使用非局部均值去噪算法进行图像去噪，并进行一些计算优化。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入8位或16位（仅限NORM_L1）1通道、2通道、3通道或4通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    h - 调节滤波器强度参数的数组，可以对所有通道应用一个参数，也可以对dst中的每个通道应用一个参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoising
```
public static void fastNlMeansDenoising(Mat src,
                                        Mat dst,
                                        MatOfFloat h)
```
    使用非局部均值去噪算法进行图像去噪，并进行一些计算优化。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入8位或16位（仅限NORM_L1）1通道、2通道、3通道或4通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    h - 调节滤波器强度参数的数组，可以对所有通道应用一个参数，也可以对dst中的每个通道应用一个参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoisingColored
```
public static void fastNlMeansDenoisingColored(Mat src,
                                               Mat dst,
                                               float h,
                                               float hColor,
                                               int templateWindowSize,
                                               int searchWindowSize)
```
    彩色图像的fastNlMeansDenoising函数修改版
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    searchWindowSize - 用于计算给定像素加权平均值的窗口大小（像素）。应为奇数。线性影响性能：searchWindowSize越大，去噪时间越长。推荐值21像素。
    
    h - 调节亮度分量滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
    
    hColor - 与h相同，但用于颜色分量。对于大多数图像，值为10足以去除彩色噪声且不会失真颜色。该函数将图像转换为CIELAB色彩空间，然后使用fastNlMeansDenoising函数分别对L和AB分量进行去噪。
  - fastNlMeansDenoisingColored
```
public static void fastNlMeansDenoisingColored(Mat src,
                                               Mat dst,
                                               float h,
                                               float hColor,
                                               int templateWindowSize)
```
    彩色图像的fastNlMeansDenoising函数修改版
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    h - 调节亮度分量滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
    
    hColor - 与h相同，但用于颜色分量。对于大多数图像，值为10足以去除彩色噪声且不会失真颜色。该函数将图像转换为CIELAB色彩空间，然后使用fastNlMeansDenoising函数分别对L和AB分量进行去噪。
  - fastNlMeansDenoisingColored
```
public static void fastNlMeansDenoisingColored(Mat src,
                                               Mat dst,
                                               float h,
                                               float hColor)
```
    彩色图像的fastNlMeansDenoising函数修改版
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    h - 调节亮度分量滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
    
    hColor - 与h相同，但用于颜色分量。对于大多数图像，值为10足以去除彩色噪声且不会失真颜色。该函数将图像转换为CIELAB色彩空间，然后使用fastNlMeansDenoising函数分别对L和AB分量进行去噪。
  - fastNlMeansDenoisingColored
```
public static void fastNlMeansDenoisingColored(Mat src,
                                               Mat dst,
                                               float h)
```
    彩色图像的fastNlMeansDenoising函数修改版
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    h - 调节亮度分量滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。足以去除彩色噪声且不会失真颜色。该函数将图像转换为CIELAB色彩空间，然后使用fastNlMeansDenoising函数分别对L和AB分量进行去噪。
  - fastNlMeansDenoisingColored
```
public static void fastNlMeansDenoisingColored(Mat src,
                                               Mat dst)
```
    彩色图像的fastNlMeansDenoising函数修改版
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与src大小和类型相同的输出图像。
  - fastNlMeansDenoisingMulti
```
public static void fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             float h,
                                             int templateWindowSize,
                                             int searchWindowSize)
```
    针对图像序列的fastNlMeansDenoising函数的修改版本，其中连续图像是在短时间内捕获的，例如视频。此函数版本适用于灰度图像或用于色彩空间的手动操作。更多详情请参见参考文献：Buades2005DenoisingIS (开放访问 [此处](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf))。
    
    参数
    
    srcImgs - 输入8位1通道、2通道、3通道或4通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    searchWindowSize - 用于计算给定像素加权平均值的窗口大小（像素）。应为奇数。线性影响性能：searchWindowSize越大，去噪时间越长。推荐值21像素。
    
    h - 调节滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoisingMulti
```
public static void fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             float h,
                                             int templateWindowSize)
```
    针对图像序列的fastNlMeansDenoising函数的修改版本，其中连续图像是在短时间内捕获的，例如视频。此函数版本适用于灰度图像或用于色彩空间的手动操作。更多详情请参见参考文献：Buades2005DenoisingIS (开放访问 [此处](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf))。
    
    参数
    
    srcImgs - 输入8位1通道、2通道、3通道或4通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    h - 调节滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoisingMulti
```
public static void fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             float h)
```
    针对图像序列的fastNlMeansDenoising函数的修改版本，其中连续图像是在短时间内捕获的，例如视频。此函数版本适用于灰度图像或用于色彩空间的手动操作。更多详情请参见参考文献：Buades2005DenoisingIS (开放访问 [此处](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf))。
    
    参数
    
    srcImgs - 输入8位1通道、2通道、3通道或4通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    h - 调节滤波器强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoisingMulti
```
public static void fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize)
```
    针对图像序列的fastNlMeansDenoising函数的修改版本，其中连续图像是在短时间内捕获的，例如视频。此函数版本适用于灰度图像或用于色彩空间的手动操作。更多详情请参见参考文献：Buades2005DenoisingIS (开放访问 [此处](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf))。
    
    参数
    
    srcImgs - 输入8位1通道、2通道、3通道或4通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoisingMulti
```
public static void fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             MatOfFloat h,
                                             int templateWindowSize,
                                             int searchWindowSize,
                                             int normType)
```
    针对图像序列的fastNlMeansDenoising函数的修改版本，其中连续图像是在短时间内捕获的，例如视频。此函数版本适用于灰度图像或用于色彩空间的手动操作。更多详情请参见参考文献：Buades2005DenoisingIS (开放访问 [此处](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf))。
    
    参数
    
    srcImgs - 输入的8位或16位（仅限于NORM_L1）单通道、双通道、三通道或四通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    searchWindowSize - 用于计算给定像素加权平均值的窗口大小（像素）。应为奇数。线性影响性能：searchWindowSize越大，去噪时间越长。推荐值21像素。
    
    h - 调节滤波器强度参数的数组，可以对所有通道应用一个参数，也可以对dst中的每个通道应用一个参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
    
    normType - 用于权重计算的范数类型。可以是NORM_L2或NORM_L1。
  - fastNlMeansDenoisingMulti
```
public static void fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             MatOfFloat h,
                                             int templateWindowSize,
                                             int searchWindowSize)
```
    针对图像序列的fastNlMeansDenoising函数的修改版本，其中连续图像是在短时间内捕获的，例如视频。此函数版本适用于灰度图像或用于色彩空间的手动操作。更多详情请参见参考文献：Buades2005DenoisingIS (开放访问 [此处](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf))。
    
    参数
    
    srcImgs - 输入的8位或16位（仅限于NORM_L1）单通道、双通道、三通道或四通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    searchWindowSize - 用于计算给定像素加权平均值的窗口大小（像素）。应为奇数。线性影响性能：searchWindowSize越大，去噪时间越长。推荐值21像素。
    
    h - 调节滤波器强度参数的数组，可以对所有通道应用一个参数，也可以对dst中的每个通道应用一个参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoisingMulti
```
public static void fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             MatOfFloat h,
                                             int templateWindowSize)
```
    针对图像序列的fastNlMeansDenoising函数的修改版本，其中连续图像是在短时间内捕获的，例如视频。此函数版本适用于灰度图像或用于色彩空间的手动操作。更多详情请参见参考文献：Buades2005DenoisingIS (开放访问 [此处](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf))。
    
    参数
    
    srcImgs - 输入的8位或16位（仅限于NORM_L1）单通道、双通道、三通道或四通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    h - 调节滤波器强度参数的数组，可以对所有通道应用一个参数，也可以对dst中的每个通道应用一个参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoisingMulti
```
public static void fastNlMeansDenoisingMulti(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             MatOfFloat h)
```
    针对图像序列的fastNlMeansDenoising函数的修改版本，其中连续图像是在短时间内捕获的，例如视频。此函数版本适用于灰度图像或用于色彩空间的手动操作。更多详情请参见参考文献：Buades2005DenoisingIS (开放访问 [此处](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf))。
    
    参数
    
    srcImgs - 输入的8位或16位（仅限于NORM_L1）单通道、双通道、三通道或四通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    h - 调节滤波器强度参数的数组，可以对所有通道应用一个参数，也可以对dst中的每个通道应用一个参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
  - fastNlMeansDenoisingColoredMulti
```
public static void fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize,
                                                    float h,
                                                    float hColor,
                                                    int templateWindowSize,
                                                    int searchWindowSize)
```
    彩色图像序列的fastNlMeansDenoisingMulti函数修改版
    
    参数
    
    srcImgs - 输入的8位三通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    searchWindowSize - 用于计算给定像素加权平均值的窗口大小（像素）。应为奇数。线性影响性能：searchWindowSize越大，去噪时间越长。推荐值21像素。
    
    h - 用于调节亮度分量滤波强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
    
    hColor - 与h相同，但用于颜色分量。该函数将图像转换为CIELAB颜色空间，然后使用fastNlMeansDenoisingMulti函数分别对L和AB分量进行去噪，使用给定的h参数。
  - fastNlMeansDenoisingColoredMulti
```
public static void fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize,
                                                    float h,
                                                    float hColor,
                                                    int templateWindowSize)
```
    彩色图像序列的fastNlMeansDenoisingMulti函数修改版
    
    参数
    
    srcImgs - 输入的8位三通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    templateWindowSize - 用于计算权重的模板块大小（像素）。应为奇数。推荐值7像素。
    
    h - 用于调节亮度分量滤波强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
    
    hColor - 与h相同，但用于颜色分量。该函数将图像转换为CIELAB颜色空间，然后使用fastNlMeansDenoisingMulti函数分别对L和AB分量进行去噪，使用给定的h参数。
  - fastNlMeansDenoisingColoredMulti
```
public static void fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize,
                                                    float h,
                                                    float hColor)
```
    彩色图像序列的fastNlMeansDenoisingMulti函数修改版
    
    参数
    
    srcImgs - 输入的8位三通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    h - 用于调节亮度分量滤波强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。
    
    hColor - 与h相同，但用于颜色分量。该函数将图像转换为CIELAB颜色空间，然后使用fastNlMeansDenoisingMulti函数分别对L和AB分量进行去噪，使用给定的h参数。
  - fastNlMeansDenoisingColoredMulti
```
public static void fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize,
                                                    float h)
```
    彩色图像序列的fastNlMeansDenoisingMulti函数修改版
    
    参数
    
    srcImgs - 输入的8位三通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。
    
    h - 用于调节亮度分量滤波强度的参数。较大的h值可以完美去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。该函数将图像转换为CIELAB颜色空间，然后使用fastNlMeansDenoisingMulti函数分别对L和AB分量进行去噪，使用给定的h参数。
  - fastNlMeansDenoisingColoredMulti
```
public static void fastNlMeansDenoisingColoredMulti(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize)
```
    彩色图像序列的fastNlMeansDenoisingMulti函数修改版
    
    参数
    
    srcImgs - 输入的8位三通道图像序列。所有图像应具有相同的类型和大小。
    
    imgToDenoiseIndex - 目标图像在srcImgs序列中的索引。
    
    temporalWindowSize - 用于目标图像去噪的周围图像数量。应为奇数。将使用srcImgs中从imgToDenoiseIndex - temporalWindowSize / 2到imgToDenoiseIndex + temporalWindowSize / 2的图像来对srcImgs[imgToDenoiseIndex]图像进行去噪。
    
    dst - 与srcImgs图像大小和类型相同的输出图像。应为奇数。建议值7像素，给定像素。应为奇数。线性影响性能：searchWindowsSize越大，去噪时间越长。建议值为21像素，可以去除噪声，但也去除图像细节；较小的h值保留细节，但也保留一些噪声。该函数将图像转换为CIELAB颜色空间，然后使用fastNlMeansDenoisingMulti函数分别对L和AB分量进行去噪，使用给定的h参数。
  - denoise_TVL1
```
public static void denoise_TVL1(java.util.List<Mat> observations,
                                Mat result,
                                double lambda,
                                int niters)
```
    原始对偶算法是一种用于解决特殊类型的变分问题的算法（即，找到一个函数来最小化某个泛函）。图像去噪，特别是，可以看作是一个变分问题，那么原始对偶算法就可以用来进行去噪，这正是实现的功能。需要注意的是，这个实现取自2013年7月的博客文章 CITE: MA13 ，其中也包含了（稍微更通用）的Python可直接使用的源代码。随后，这段代码在2013年7月底由Vadim Pisarevsky使用OpenCV改写为C++，最后由后来的作者稍作修改。虽然对所涉及算法的彻底讨论和论证可以在CITE: ChambolleEtAl中找到，但按照CITE: MA13浏览一下可能更有意义。首先，我们将1字节灰度图像视为来自矩形像素域的函数（它可以看作集合\(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) 对于某些\(m,\;n\in\mathbb{N}\)）到\(\{0,1,\dots,255\}\)的映射。我们将噪声图像表示为\(f_i\)，以此观点，给定相同大小的某个图像\(x\)，我们可以通过公式\(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) 来衡量它的质量。这里的\(\|\|\cdot\|\|\)表示\(L_2\)范数，如你所见，第一项表明我们希望我们的图像光滑（理想情况下，梯度为零，因此为常数），第二项表明我们希望我们的结果接近我们得到的观测值。如果我们将\(x\)视为一个函数，这正是我们寻求最小化的泛函，而原始对偶算法在这里发挥作用。
    
    参数
    
    observations - 此数组应包含要恢复图像的一个或多个噪声版本。
    
    result - 去噪后的图像将存储在此处。无需预先分配存储空间，因为如有必要，它将自动分配。
    
    lambda - 对应于上述公式中的\(\lambda\)。随着它的增大，光滑（模糊）图像比细节丰富（但可能噪声更多）的图像更受青睐。粗略地说，随着它的减小，结果会更模糊，但更严重的异常值将被去除。
    
    niters - 算法将运行的迭代次数。当然，迭代次数越多越好，但这很难定量地完善，所以只需使用默认值，如果结果不好再增加它。
  - denoise_TVL1
```
public static void denoise_TVL1(java.util.List<Mat> observations,
                                Mat result,
                                double lambda)
```
    原始对偶算法是一种用于解决特殊类型的变分问题的算法（即，找到一个函数来最小化某个泛函）。图像去噪，特别是，可以看作是一个变分问题，那么原始对偶算法就可以用来进行去噪，这正是实现的功能。需要注意的是，这个实现取自2013年7月的博客文章 CITE: MA13 ，其中也包含了（稍微更通用）的Python可直接使用的源代码。随后，这段代码在2013年7月底由Vadim Pisarevsky使用OpenCV改写为C++，最后由后来的作者稍作修改。虽然对所涉及算法的彻底讨论和论证可以在CITE: ChambolleEtAl中找到，但按照CITE: MA13浏览一下可能更有意义。首先，我们将1字节灰度图像视为来自矩形像素域的函数（它可以看作集合\(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) 对于某些\(m,\;n\in\mathbb{N}\)）到\(\{0,1,\dots,255\}\)的映射。我们将噪声图像表示为\(f_i\)，以此观点，给定相同大小的某个图像\(x\)，我们可以通过公式\(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) 来衡量它的质量。这里的\(\|\|\cdot\|\|\)表示\(L_2\)范数，如你所见，第一项表明我们希望我们的图像光滑（理想情况下，梯度为零，因此为常数），第二项表明我们希望我们的结果接近我们得到的观测值。如果我们将\(x\)视为一个函数，这正是我们寻求最小化的泛函，而原始对偶算法在这里发挥作用。
    
    参数
    
    observations - 此数组应包含要恢复图像的一个或多个噪声版本。
    
    result - 去噪后的图像将存储在此处。无需预先分配存储空间，因为如有必要，它将自动分配。
    
    lambda - 对应于上述公式中的\(\lambda\)。随着它的增大，光滑（模糊）图像比细节丰富（但可能噪声更多）的图像更受青睐。粗略地说，随着它的减小，结果会更模糊，但更严重的异常值将被去除。更好，但这很难定量地完善，所以只需使用默认值，如果结果不好再增加它。
  - denoise_TVL1
```
public static void denoise_TVL1(java.util.List<Mat> observations,
                                Mat result)
```
    原始对偶算法是一种用于解决特殊类型的变分问题的算法（即，找到一个函数来最小化某个泛函）。图像去噪，特别是，可以看作是一个变分问题，那么原始对偶算法就可以用来进行去噪，这正是实现的功能。需要注意的是，这个实现取自2013年7月的博客文章 CITE: MA13 ，其中也包含了（稍微更通用）的Python可直接使用的源代码。随后，这段代码在2013年7月底由Vadim Pisarevsky使用OpenCV改写为C++，最后由后来的作者稍作修改。虽然对所涉及算法的彻底讨论和论证可以在CITE: ChambolleEtAl中找到，但按照CITE: MA13浏览一下可能更有意义。首先，我们将1字节灰度图像视为来自矩形像素域的函数（它可以看作集合\(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) 对于某些\(m,\;n\in\mathbb{N}\)）到\(\{0,1,\dots,255\}\)的映射。我们将噪声图像表示为\(f_i\)，以此观点，给定相同大小的某个图像\(x\)，我们可以通过公式\(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) 来衡量它的质量。这里的\(\|\|\cdot\|\|\)表示\(L_2\)范数，如你所见，第一项表明我们希望我们的图像光滑（理想情况下，梯度为零，因此为常数），第二项表明我们希望我们的结果接近我们得到的观测值。如果我们将\(x\)视为一个函数，这正是我们寻求最小化的泛函，而原始对偶算法在这里发挥作用。
    
    参数
    
    observations - 此数组应包含要恢复图像的一个或多个噪声版本。
    
    result - 去噪后的图像将存储在此处。无需预先分配存储空间，因为如有必要，它将自动分配。（模糊）图像比细节丰富（但可能噪声更多）的图像更受青睐。粗略地说，随着它的减小，结果会更模糊，但更严重的异常值将被去除。更好，但这很难定量地完善，所以只需使用默认值，如果结果不好再增加它。
  - createTonemap
```
public static Tonemap createTonemap(float gamma)
```
    创建具有伽马校正的简单线性映射器
    
    参数
    
    gamma - gamma校正的正值。gamma值为1.0表示不进行校正，gamma等于2.2f适用于大多数显示器。通常gamma > 1会使图像变亮，gamma < 1会使图像变暗。
    
    返回值
    
    自动生成
  - createTonemap
```
public static Tonemap createTonemap()
```
    创建具有gamma校正的简单线性映射器，gamma等于2.2f适用于大多数显示器。通常gamma > 1会使图像变亮，gamma < 1会使图像变暗。
    
    返回值
    
    自动生成
  - createTonemapDrago
```
public static TonemapDrago createTonemapDrago(float gamma,
                                              float saturation,
                                              float bias)
```
    创建 TonemapDrago 对象
    
    参数
    
    gamma - gamma校正的gamma值。参见createTonemap
    
    saturation - 正的饱和度增强值。1.0保持饱和度，大于1的值增加饱和度，小于1的值减少饱和度。
    
    bias - [0, 1]范围内的偏差函数值。0.7到0.9的值通常给出最佳结果，默认值为0.85。
    
    返回值
    
    自动生成
  - createTonemapDrago
```
public static TonemapDrago createTonemapDrago(float gamma,
                                              float saturation)
```
    创建 TonemapDrago 对象
    
    参数
    
    gamma - gamma校正的gamma值。参见createTonemap
    
    saturation - 正的饱和度增强值。1.0保持饱和度，大于1的值增加饱和度，小于1的值减少饱和度。结果，默认值为0.85。
    
    返回值
    
    自动生成
  - createTonemapDrago
```
public static TonemapDrago createTonemapDrago(float gamma)
```
    创建 TonemapDrago 对象
    
    参数
    
    gamma - gamma校正的gamma值。参见createTonemap 大于1的值增加饱和度，小于1的值减少饱和度。结果，默认值为0.85。
    
    返回值
    
    自动生成
  - createTonemapDrago
```
public static TonemapDrago createTonemapDrago()
```
    创建TonemapDrago对象大于1的值增加饱和度，小于1的值减少饱和度。结果，默认值为0.85。
    
    返回值
    
    自动生成
  - createTonemapReinhard
```
public static TonemapReinhard createTonemapReinhard(float gamma,
                                                    float intensity,
                                                    float light_adapt,
                                                    float color_adapt)
```
    创建 TonemapReinhard 对象
    
    参数
    
    gamma - gamma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，它是这两种情况的加权平均值。
    
    color_adapt - [0, 1]范围内的色适应。如果为1，则通道独立处理；如果为0，则每个通道的适应级别相同。
    
    返回值
    
    自动生成
  - createTonemapReinhard
```
public static TonemapReinhard createTonemapReinhard(float gamma,
                                                    float intensity,
                                                    float light_adapt)
```
    创建 TonemapReinhard 对象
    
    参数
    
    gamma - gamma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，它是这两种情况的加权平均值。如果为0，则每个通道的适应级别相同。
    
    返回值
    
    自动生成
  - createTonemapReinhard
```
public static TonemapReinhard createTonemapReinhard(float gamma,
                                                    float intensity)
```
    创建 TonemapReinhard 对象
    
    参数
    
    gamma - gamma校正的gamma值。参见createTonemap
    
    intensity - 结果强度，范围为 [-8, 8]。强度越大，结果越亮。值为 0 时为全局强度，否则为两种情况的加权平均值。如果为 0，则每个通道的自适应级别相同。
    
    返回值
    
    自动生成
  - createTonemapReinhard
```
public static TonemapReinhard createTonemapReinhard(float gamma)
```
    创建 TonemapReinhard 对象
    
    参数
    
    gamma - gamma 校正的 gamma 值。参见 createTonemap。值为 0 时为全局值，否则为两种情况的加权平均值。如果为 0，则每个通道的自适应级别相同。
    
    返回值
    
    自动生成
  - createTonemapReinhard
```
public static TonemapReinhard createTonemapReinhard()
```
    创建 TonemapReinhard 对象。值为 0 时为全局值，否则为两种情况的加权平均值。如果为 0，则每个通道的自适应级别相同。
    
    返回值
    
    自动生成
  - createTonemapMantiuk
```
public static TonemapMantiuk createTonemapMantiuk(float gamma,
                                                  float scale,
                                                  float saturation)
```
    创建 TonemapMantiuk 对象
    
    参数
    
    gamma - gamma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 的值能产生最佳结果。
    
    saturation - 饱和度增强值。参见 createTonemapDrago。
    
    返回值
    
    自动生成
  - createTonemapMantiuk
```
public static TonemapMantiuk createTonemapMantiuk(float gamma,
                                                  float scale)
```
    创建 TonemapMantiuk 对象
    
    参数
    
    gamma - gamma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 的值能产生最佳结果。
    
    返回值
    
    自动生成
  - createTonemapMantiuk
```
public static TonemapMantiuk createTonemapMantiuk(float gamma)
```
    创建 TonemapMantiuk 对象
    
    参数
    
    gamma - gamma 校正的 gamma 值。参见 createTonemap。动态范围。0.6 到 0.9 的值能产生最佳结果。
    
    返回值
    
    自动生成
  - createTonemapMantiuk
```
public static TonemapMantiuk createTonemapMantiuk()
```
    创建 TonemapMantiuk 对象。动态范围。0.6 到 0.9 的值能产生最佳结果。
    
    返回值
    
    自动生成
  - createAlignMTB
```
public static AlignMTB createAlignMTB(int max_bits,
                                      int exclude_range,
                                      boolean cut)
```
    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。
    
    返回值
    
    自动生成
  - createAlignMTB
```
public static AlignMTB createAlignMTB(int max_bits,
                                      int exclude_range)
```
    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。
    
    返回值
    
    自动生成
  - createAlignMTB
```
public static AlignMTB createAlignMTB(int max_bits)
```
    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）。中值。
    
    返回值
    
    自动生成
  - createAlignMTB
```
public static AlignMTB createAlignMTB()
```
    创建 AlignMTB 对象。通常足够好（分别为 31 和 63 像素位移）。中值。
    
    返回值
    
    自动生成
  - createCalibrateDebevec
```
public static CalibrateDebevec createCalibrateDebevec(int samples,
                                                      float lambda,
                                                      boolean random)
```
    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。
    
    返回值
    
    自动生成
  - createCalibrateDebevec
```
public static CalibrateDebevec createCalibrateDebevec(int samples,
                                                      float lambda)
```
    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。矩形网格。
    
    返回值
    
    自动生成
  - createCalibrateDebevec
```
public static CalibrateDebevec createCalibrateDebevec(int samples)
```
    创建 CalibrateDebevec 对象
    
    参数
    
    samples - 要使用的像素位置数量。响应。矩形网格。
    
    返回值
    
    自动生成
  - createCalibrateDebevec
```
public static CalibrateDebevec createCalibrateDebevec()
```
    创建 CalibrateDebevec 对象。响应。矩形网格。
    
    返回值
    
    自动生成
  - createCalibrateRobertson
```
public static CalibrateRobertson createCalibrateRobertson(int max_iter,
                                                          float threshold)
```
    创建 CalibrateRobertson 对象
    
    参数
    
    max_iter - 高斯-赛德尔求解器的最大迭代次数。
    
    threshold - 最小化过程的两个连续步骤之间结果的目标差异。
    
    返回值
    
    自动生成
  - createCalibrateRobertson
```
public static CalibrateRobertson createCalibrateRobertson(int max_iter)
```
    创建 CalibrateRobertson 对象
    
    参数
    
    max_iter - 高斯-赛德尔求解器的最大迭代次数。
    
    返回值
    
    自动生成
  - createCalibrateRobertson
```
public static CalibrateRobertson createCalibrateRobertson()
```
    创建 CalibrateRobertson 对象
    
    返回值
    
    自动生成
  - createMergeDebevec
```
public static MergeDebevec createMergeDebevec()
```
    创建 MergeDebevec 对象
    
    返回值
    
    自动生成
  - createMergeMertens
```
public static MergeMertens createMergeMertens(float contrast_weight,
                                              float saturation_weight,
                                              float exposure_weight)
```
    创建 MergeMertens 对象
    
    参数
    
    contrast_weight - 对比度测量权重。参见 MergeMertens。
    
    saturation_weight - 饱和度测量权重。
    
    exposure_weight - 曝光良好度测量权重。
    
    返回值
    
    自动生成
  - createMergeMertens
```
public static MergeMertens createMergeMertens(float contrast_weight,
                                              float saturation_weight)
```
    创建 MergeMertens 对象
    
    参数
    
    contrast_weight - 对比度测量权重。参见 MergeMertens。
    
    saturation_weight - 饱和度测量权重。
    
    返回值
    
    自动生成
  - createMergeMertens
```
public static MergeMertens createMergeMertens(float contrast_weight)
```
    创建 MergeMertens 对象
    
    参数
    
    contrast_weight - 对比度测量权重。参见 MergeMertens。
    
    返回值
    
    自动生成
  - createMergeMertens
```
public static MergeMertens createMergeMertens()
```
    创建 MergeMertens 对象
    
    返回值
    
    自动生成
  - createMergeRobertson
```
public static MergeRobertson createMergeRobertson()
```
    创建 MergeRobertson 对象
    
    返回值
    
    自动生成
  - decolor
```
public static void decolor(Mat src,
                           Mat grayscale,
                           Mat color_boost)
```
    将彩色图像转换为灰度图像。它是数字印刷、风格化黑白照片渲染和许多单通道图像处理应用程序中的基本工具 CITE: CL12。
    
    参数
    
    src - 输入8位3通道图像。
    
    grayscale - 输出 8 位 1 通道图像。
    
    color_boost - 输出 8 位 3 通道图像。此函数应用于彩色图像。
  - seamlessClone
```
public static void seamlessClone(Mat src,
                                 Mat dst,
                                 Mat mask,
                                 Point p,
                                 Mat blend,
                                 int flags)
```
    执行无缝克隆，将源图像中的区域混合到目标图像中。此函数设计用于局部图像编辑，允许轻松无缝地应用仅限于区域（手动选择为 ROI）的更改。这些更改的范围可以从小幅变形到被新内容完全替换 CITE: PM03。
    
    参数
    
    src - 源图像（8 位 3 通道），从中将一个区域混合到目标图像中。
    
    dst - 目标图像（8 位 3 通道），将在其中混合 src 图像。
    
    mask - 指定要混合的源图像区域的二值掩码（8 位，1、3 或 4 通道）。非零像素表示要混合的区域。如果提供空 Mat，则内部会创建一个所有像素均为非零的掩码。
    
    p - src 图像中心在 dst 图像中放置的点。
    
    blend - 存储无缝克隆结果的输出图像。它与dst具有相同的尺寸和类型。
    
    flags - 控制克隆方法类型的标志，可以取cv::SeamlessCloneFlags的值。
  - colorChange
```
public static void colorChange(Mat src,
                               Mat mask,
                               Mat dst,
                               float red_mul,
                               float green_mul,
                               float blue_mul)
```
    给定一个原始彩色图像，可以无缝地混合该图像的两个不同颜色的版本。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    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。乘法因子在 0.5 到 2.5 之间。
  - colorChange
```
public static void colorChange(Mat src,
                               Mat mask,
                               Mat dst,
                               float red_mul,
                               float green_mul)
```
    给定一个原始彩色图像，可以无缝地混合该图像的两个不同颜色的版本。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    red_mul - R 通道乘法因子。
    
    green_mul - G 通道乘法因子。乘法因子在 0.5 到 2.5 之间。
  - colorChange
```
public static void colorChange(Mat src,
                               Mat mask,
                               Mat dst,
                               float red_mul)
```
    给定一个原始彩色图像，可以无缝地混合该图像的两个不同颜色的版本。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与src大小和类型相同的输出图像。
    
    red_mul - R 通道乘法因子。乘法因子在 0.5 到 2.5 之间。
  - colorChange
```
public static void colorChange(Mat src,
                               Mat mask,
                               Mat dst)
```
    给定一个原始彩色图像，可以无缝地混合该图像的两个不同颜色的版本。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。乘法因子在 0.5 到 2.5 之间。
  - illuminationChange
```
public static void illuminationChange(Mat src,
                                      Mat mask,
                                      Mat dst,
                                      float alpha,
                                      float beta)
```
    通过对选择区域内的梯度场应用适当的非线性变换，然后使用泊松求解器进行反向积分，可以局部修改图像的表观照明。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    alpha - 值范围为 0-2。
    
    beta - 值范围为 0-2。这有助于突出曝光不足的前景对象或减少镜面反射。
  - illuminationChange
```
public static void illuminationChange(Mat src,
                                      Mat mask,
                                      Mat dst,
                                      float alpha)
```
    通过对选择区域内的梯度场应用适当的非线性变换，然后使用泊松求解器进行反向积分，可以局部修改图像的表观照明。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    alpha - 值范围为 0-2。这有助于突出曝光不足的前景对象或减少镜面反射。
  - illuminationChange
```
public static void illuminationChange(Mat src,
                                      Mat mask,
                                      Mat dst)
```
    通过对选择区域内的梯度场应用适当的非线性变换，然后使用泊松求解器进行反向积分，可以局部修改图像的表观照明。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。这有助于突出曝光不足的前景对象或减少镜面反射。
  - textureFlattening
```
public static void textureFlattening(Mat src,
                                     Mat mask,
                                     Mat dst,
                                     float low_threshold,
                                     float high_threshold,
                                     int kernel_size)
```
    通过仅保留边缘位置的梯度，然后与泊松求解器集成，可以去除所选区域的纹理，使其内容呈现平坦的外观。这里使用 Canny 边缘检测器。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    low_threshold - 百分比范围为 0 到 100。
    
    high_threshold - 值 > 100。
    
    kernel_size - 要使用的 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，源图像颜色会偏向目标图像的颜色。
  - textureFlattening
```
public static void textureFlattening(Mat src,
                                     Mat mask,
                                     Mat dst,
                                     float low_threshold,
                                     float high_threshold)
```
    通过仅保留边缘位置的梯度，然后与泊松求解器集成，可以去除所选区域的纹理，使其内容呈现平坦的外观。这里使用 Canny 边缘检测器。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    low_threshold - 百分比范围为 0 到 100。
    
    high_threshold - 值 > 100。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，源图像颜色会偏向目标图像的颜色。
  - textureFlattening
```
public static void textureFlattening(Mat src,
                                     Mat mask,
                                     Mat dst,
                                     float low_threshold)
```
    通过仅保留边缘位置的梯度，然后与泊松求解器集成，可以去除所选区域的纹理，使其内容呈现平坦的外观。这里使用 Canny 边缘检测器。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    low_threshold - 百分比范围为 0 到 100。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，源图像颜色会偏向目标图像的颜色。
  - textureFlattening
```
public static void textureFlattening(Mat src,
                                     Mat mask,
                                     Mat dst)
```
    通过仅保留边缘位置的梯度，然后与泊松求解器集成，可以去除所选区域的纹理，使其内容呈现平坦的外观。这里使用 Canny 边缘检测器。
    
    参数
    
    src - 输入8位3通道图像。
    
    mask - 输入 8 位 1 或 3 通道图像。
    
    dst - 输出图像，大小和类型与 src 相同。注意：该算法假设源图像的颜色与目标图像的颜色接近。此假设意味着，当颜色不匹配时，源图像颜色会偏向于目标图像的颜色。
  - 边缘保持滤波器
```
public static void edgePreservingFilter(Mat src,
                                        Mat dst,
                                        int flags,
                                        float sigma_s,
                                        float sigma_r)
```
    滤波是图像和视频处理中的基本操作。边缘保持平滑滤波器应用于许多不同的应用 CITE: EM11 。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 输出 8 位 3 通道图像。
    
    flags - 边缘保持滤波器：cv::RECURS_FILTER 或 cv::NORMCONV_FILTER
    
    sigma_s - 范围在 0 到 200 之间。
    
    sigma_r - 范围在 0 到 1 之间。
  - 边缘保持滤波器
```
public static void edgePreservingFilter(Mat src,
                                        Mat dst,
                                        int flags,
                                        float sigma_s)
```
    滤波是图像和视频处理中的基本操作。边缘保持平滑滤波器应用于许多不同的应用 CITE: EM11 。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 输出 8 位 3 通道图像。
    
    flags - 边缘保持滤波器：cv::RECURS_FILTER 或 cv::NORMCONV_FILTER
    
    sigma_s - 范围在 0 到 200 之间。
  - 边缘保持滤波器
```
public static void edgePreservingFilter(Mat src,
                                        Mat dst,
                                        int flags)
```
    滤波是图像和视频处理中的基本操作。边缘保持平滑滤波器应用于许多不同的应用 CITE: EM11 。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 输出 8 位 3 通道图像。
    
    flags - 边缘保持滤波器：cv::RECURS_FILTER 或 cv::NORMCONV_FILTER
  - 边缘保持滤波器
```
public static void edgePreservingFilter(Mat src,
                                        Mat dst)
```
    滤波是图像和视频处理中的基本操作。边缘保持平滑滤波器应用于许多不同的应用 CITE: EM11 。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 输出 8 位 3 通道图像。
  - 细节增强
```
public static void detailEnhance(Mat src,
                                 Mat dst,
                                 float sigma_s,
                                 float sigma_r)
```
    此滤镜增强特定图像的细节。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    sigma_s - 范围在 0 到 200 之间。
    
    sigma_r - 范围在 0 到 1 之间。
  - 细节增强
```
public static void detailEnhance(Mat src,
                                 Mat dst,
                                 float sigma_s)
```
    此滤镜增强特定图像的细节。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    sigma_s - 范围在 0 到 200 之间。
  - 细节增强
```
public static void detailEnhance(Mat src,
                                 Mat dst)
```
    此滤镜增强特定图像的细节。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
  - 铅笔素描
```
public static void pencilSketch(Mat src,
                                Mat dst1,
                                Mat dst2,
                                float sigma_s,
                                float sigma_r,
                                float shade_factor)
```
    铅笔素描风格的非真实感线条绘制
    
    参数
    
    src - 输入8位3通道图像。
    
    dst1 - 输出 8 位 1 通道图像。
    
    dst2 - 输出图像，大小和类型与 src 相同。
    
    sigma_s - 范围在 0 到 200 之间。
    
    sigma_r - 范围在 0 到 1 之间。
    
    shade_factor - 范围在 0 到 0.1 之间。
  - 铅笔素描
```
public static void pencilSketch(Mat src,
                                Mat dst1,
                                Mat dst2,
                                float sigma_s,
                                float sigma_r)
```
    铅笔素描风格的非真实感线条绘制
    
    参数
    
    src - 输入8位3通道图像。
    
    dst1 - 输出 8 位 1 通道图像。
    
    dst2 - 输出图像，大小和类型与 src 相同。
    
    sigma_s - 范围在 0 到 200 之间。
    
    sigma_r - 范围在 0 到 1 之间。
  - 铅笔素描
```
public static void pencilSketch(Mat src,
                                Mat dst1,
                                Mat dst2,
                                float sigma_s)
```
    铅笔素描风格的非真实感线条绘制
    
    参数
    
    src - 输入8位3通道图像。
    
    dst1 - 输出 8 位 1 通道图像。
    
    dst2 - 输出图像，大小和类型与 src 相同。
    
    sigma_s - 范围在 0 到 200 之间。
  - 铅笔素描
```
public static void pencilSketch(Mat src,
                                Mat dst1,
                                Mat dst2)
```
    铅笔素描风格的非真实感线条绘制
    
    参数
    
    src - 输入8位3通道图像。
    
    dst1 - 输出 8 位 1 通道图像。
    
    dst2 - 输出图像，大小和类型与 src 相同。
  - 风格化
```
public static void stylization(Mat src,
                               Mat dst,
                               float sigma_s,
                               float sigma_r)
```
    风格化的目标是产生具有各种效果的数字图像，而并非专注于照片真实感。边缘感知滤波器非常适合风格化，因为它们可以抽象低对比度区域，同时保留或增强高对比度特征。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    sigma_s - 范围在 0 到 200 之间。
    
    sigma_r - 范围在 0 到 1 之间。
  - 风格化
```
public static void stylization(Mat src,
                               Mat dst,
                               float sigma_s)
```
    风格化的目标是产生具有各种效果的数字图像，而并非专注于照片真实感。边缘感知滤波器非常适合风格化，因为它们可以抽象低对比度区域，同时保留或增强高对比度特征。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。
    
    sigma_s - 范围在 0 到 200 之间。
  - 风格化
```
public static void stylization(Mat src,
                               Mat dst)
```
    风格化的目标是产生具有各种效果的数字图像，而并非专注于照片真实感。边缘感知滤波器非常适合风格化，因为它们可以抽象低对比度区域，同时保留或增强高对比度特征。
    
    参数
    
    src - 输入8位3通道图像。
    
    dst - 与 src 尺寸和类型相同的输出图像。

类 Photo

字段摘要

构造函数摘要

方法摘要

继承自类 java.lang.Object的方法

字段详情

INPAINT_NS

INPAINT_TELEA

LDR_SIZE

RECURS_FILTER

NORMCONV_FILTER

NORMAL_CLONE

MIXED_CLONE

MONOCHROME_TRANSFER

NORMAL_CLONE_WIDE

MIXED_CLONE_WIDE

MONOCHROME_TRANSFER_WIDE

构造函数详情

Photo

方法详情

inpaint

fastNlMeansDenoising

fastNlMeansDenoising

fastNlMeansDenoising

fastNlMeansDenoising

fastNlMeansDenoising

fastNlMeansDenoising

fastNlMeansDenoising

fastNlMeansDenoising

fastNlMeansDenoisingColored

fastNlMeansDenoisingColored

fastNlMeansDenoisingColored

fastNlMeansDenoisingColored

fastNlMeansDenoisingColored

fastNlMeansDenoisingMulti

fastNlMeansDenoisingMulti

fastNlMeansDenoisingMulti

fastNlMeansDenoisingMulti

fastNlMeansDenoisingMulti

fastNlMeansDenoisingMulti

fastNlMeansDenoisingMulti

fastNlMeansDenoisingMulti

fastNlMeansDenoisingColoredMulti

fastNlMeansDenoisingColoredMulti

fastNlMeansDenoisingColoredMulti

fastNlMeansDenoisingColoredMulti

fastNlMeansDenoisingColoredMulti

denoise_TVL1

denoise_TVL1

denoise_TVL1

createTonemap

createTonemap

createTonemapDrago

createTonemapDrago

createTonemapDrago

createTonemapDrago

createTonemapReinhard

createTonemapReinhard

createTonemapReinhard

createTonemapReinhard

createTonemapReinhard

createTonemapMantiuk

createTonemapMantiuk

createTonemapMantiuk

createTonemapMantiuk

createAlignMTB

createAlignMTB

createAlignMTB

createAlignMTB

createCalibrateDebevec

createCalibrateDebevec

createCalibrateDebevec

createCalibrateDebevec

createCalibrateRobertson

createCalibrateRobertson

createCalibrateRobertson

createMergeDebevec

createMergeMertens

createMergeMertens

createMergeMertens