java.lang.Object
- org.opencv.xphoto.Xphoto

public class Xphoto
extends java.lang.Object

字段摘要

字段
修饰符和类型	字段	描述
`static int`	`BM3D_STEP1`
`static int`	`BM3D_STEP2`
`static int`	`BM3D_STEPALL`
`static int`	`HAAR`
`static int`	`INPAINT_FSR_BEST`
`static int`	`INPAINT_FSR_FAST`
`static int`	`INPAINT_SHIFTMAP`

构造器摘要

构造器
构造器描述

Xphoto()

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`	`applyChannelGains(Mat src, Mat dst, float gainB, float gainG, float gainR)`	实现了一种高效的定点近似方法，用于应用通道增益，这是多种白平衡算法的最后一步。
`static void`	`bm3dDenoising(Mat src, Mat dst)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta, int normType)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta, int normType, int step)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta, int normType, int step, int transformType)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta, int normType)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta, int normType, int step)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta, int normType, int step, int transformType)`	使用块匹配和三维滤波算法（包含多个计算优化）执行图像去噪。
`static GrayworldWB`	`createGrayworldWB()`	创建 GrayworldWB 实例
`static LearningBasedWB`	`createLearningBasedWB()`	创建 LearningBasedWB 实例
`static LearningBasedWB`	`createLearningBasedWB(java.lang.String path_to_model)`	创建 LearningBasedWB 实例
`static SimpleWB`	`createSimpleWB()`	创建 SimpleWB 实例
`static TonemapDurand`	`createTonemapDurand()`	创建 TonemapDurand 对象。需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma)`	创建 TonemapDurand 对象。需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma, float contrast)`	创建 TonemapDurand 对象。需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma, float contrast, float saturation)`	创建 TonemapDurand 对象。需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma, float contrast, float saturation, float sigma_color)`	创建 TonemapDurand 对象。需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma, float contrast, float saturation, float sigma_color, float sigma_space)`	创建 TonemapDurand 对象。需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static void`	`dctDenoising(Mat src, Mat dst, double sigma)`	该函数实现基于DCT的简单去噪算法 <http://www.ipol.im/pub/art/2011/ys-dct/>。
`static void`	`dctDenoising(Mat src, Mat dst, double sigma, int psize)`	该函数实现基于DCT的简单去噪算法 <http://www.ipol.im/pub/art/2011/ys-dct/>。
`static void`	`inpaint(Mat src, Mat mask, Mat dst, int algorithmType)`	该函数实现不同的单图像修复算法。
`static void`	`oilPainting(Mat src, Mat dst, int size, int dynRatio)`	oilPainting 详情参见文献 CITE: Holzmann1988。
`static void`	`oilPainting(Mat src, Mat dst, int size, int dynRatio, int code)`	oilPainting 详情参见文献 CITE: Holzmann1988。

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
  - BM3D_STEPALL
```
public static final int BM3D_STEPALL
```
    另请参见
    
    常量字段值
  - BM3D_STEP1
```
public static final int BM3D_STEP1
```
    另请参见
    
    常量字段值
  - BM3D_STEP2
```
public static final int BM3D_STEP2
```
    另请参见
    
    常量字段值
  - INPAINT_SHIFTMAP
```
public static final int INPAINT_SHIFTMAP
```
    另请参见
    
    常量字段值
  - INPAINT_FSR_BEST
```
public static final int INPAINT_FSR_BEST
```
    另请参见
    
    常量字段值
  - INPAINT_FSR_FAST
```
public static final int INPAINT_FSR_FAST
```
    另请参见
    
    常量字段值
  - HAAR
```
public static final int HAAR
```
    另请参见
    
    常量字段值
- 构造函数详情
  - Xphoto
```
public Xphoto()
```
- 方法详情
  - oilPainting
```
public static void oilPainting(Mat src,
                               Mat dst,
                               int size,
                               int dynRatio,
                               int code)
```
    oilPainting 详情参见文献 CITE: Holzmann1988。
    
    参数
    
    src - 输入的三通道或单通道图像 (CV_8UC3 或 CV_8UC1)
    
    dst - 与 src 大小和类型相同的输出图像。
    
    size - 相邻大小为 2-size+1
    
    dynRatio - 直方图处理前，图像除以 dynRatio
    
    code - 自动生成
  - oilPainting
```
public static void oilPainting(Mat src,
                               Mat dst,
                               int size,
                               int dynRatio)
```
    oilPainting 详情参见文献 CITE: Holzmann1988。
    
    参数
    
    src - 输入的三通道或单通道图像 (CV_8UC3 或 CV_8UC1)
    
    dst - 与 src 大小和类型相同的输出图像。
    
    size - 相邻大小为 2-size+1
    
    dynRatio - 直方图处理前，图像除以 dynRatio
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep,
                                 float beta,
                                 int normType,
                                 int step,
                                 int transformType)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。
    
    beta - Kaiser 窗口参数，影响窗口变换的旁瓣衰减。使用 Kaiser 窗口是为了减少边界效应。要防止使用窗口，请将 beta 设置为零。
    
    normType - 用于计算块之间距离的范数。L2 比 L1 慢，但产生更准确的结果。
    
    step - 要执行的 BM3D 步骤。可能的变体：步骤 1、步骤 2、两个步骤。
    
    transformType - 在协同滤波步骤中使用的正交变换的类型。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep,
                                 float beta,
                                 int normType,
                                 int step)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。
    
    beta - Kaiser 窗口参数，影响窗口变换的旁瓣衰减。使用 Kaiser 窗口是为了减少边界效应。要防止使用窗口，请将 beta 设置为零。
    
    normType - 用于计算块之间距离的范数。L2 比 L1 慢，但产生更准确的结果。
    
    step - 要执行的 BM3D 步骤。可能的变体：步骤 1、步骤 2、两个步骤。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep,
                                 float beta,
                                 int normType)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。
    
    beta - Kaiser 窗口参数，影响窗口变换的旁瓣衰减。使用 Kaiser 窗口是为了减少边界效应。要防止使用窗口，请将 beta 设置为零。
    
    normType - 用于计算块之间距离的范数。L2 比 L1 慢，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep,
                                 float beta)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。
    
    beta - Kaiser 窗口参数，影响窗口变换的旁瓣衰减。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 用于处理下一个参考块的滑动步长。窗口。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 协同滤波的 3D 组的最大大小。窗口。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即认为两个块相似的最大距离。值以欧几里德距离表示。窗口。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即认为两个块相似的最大距离。值以欧几里德距离表示。即认为两个块相似的最大距离。值以欧几里德距离表示。窗口。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。线性影响性能：searchWindowsSize 越大，去噪时间越长。必须大于 templateWindowSize。即认为两个块相似的最大距离。值以欧几里德距离表示。即认为两个块相似的最大距离。值以欧几里德距离表示。窗口。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（以像素为单位）。应为 2 的幂。线性影响性能：searchWindowsSize 越大，去噪时间越长。必须大于 templateWindowSize。即认为两个块相似的最大距离。值以欧几里德距离表示。即认为两个块相似的最大距离。值以欧几里德距离表示。窗口。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。
    
    h - 调节滤波强度的参数。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。应为 2 的幂。线性影响性能：searchWindowsSize 越大，去噪时间越长。必须大于 templateWindowSize。即认为两个块相似的最大距离。值以欧几里德距离表示。即认为两个块相似的最大距离。值以欧几里德距离表示。窗口。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，大小和类型与 src 相同。
    
    dstStep2 - BM3D 第二步的输出图像，大小和类型与 src 相同。去除图像细节，较小的 h 值保留细节，但也保留一些噪声。应为 2 的幂。线性影响性能：searchWindowsSize 越大，去噪时间越长。必须大于 templateWindowSize。即认为两个块相似的最大距离。值以欧几里德距离表示。即认为两个块相似的最大距离。值以欧几里德距离表示。窗口。使用 Kaiser 窗口是为了减少边界效应。要避免使用窗口，请将 beta 设置为零。但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep,
                                 float beta,
                                 int normType,
                                 int step,
                                 int transformType)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。
    
    beta - Kaiser 窗口参数，影响窗口变换的旁瓣衰减。使用 Kaiser 窗口是为了减少边界效应。要防止使用窗口，请将 beta 设置为零。
    
    normType - 用于计算块之间距离的范数。L2 比 L1 慢，但产生更准确的结果。
    
    step - 要执行的 BM3D 步骤。仅允许 BM3D_STEP1 和 BM3D_STEPALL。不允许使用 BM3D_STEP2，因为它需要存在基本估计。
    
    transformType - 在协同滤波步骤中使用的正交变换的类型。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep,
                                 float beta,
                                 int normType,
                                 int step)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。
    
    beta - Kaiser 窗口参数，影响窗口变换的旁瓣衰减。使用 Kaiser 窗口是为了减少边界效应。要防止使用窗口，请将 beta 设置为零。
    
    normType - 用于计算块之间距离的范数。L2 比 L1 慢，但产生更准确的结果。
    
    step - 要执行的 BM3D 步骤。仅允许 BM3D_STEP1 和 BM3D_STEPALL。不允许使用 BM3D_STEP2，因为它需要存在基本估计。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep,
                                 float beta,
                                 int normType)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。
    
    beta - Kaiser 窗口参数，影响窗口变换的旁瓣衰减。使用 Kaiser 窗口是为了减少边界效应。要防止使用窗口，请将 beta 设置为零。
    
    normType - 用于计算块之间距离的范数。L2 比 L1 慢，但结果更准确。不允许使用 BM3D_STEP2，因为它需要存在基本估计。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep,
                                 float beta)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。
    
    beta - Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的 3D 组的最大大小。
    
    slidingStep - 处理下一个参考块的滑动步长。Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D 第二步（维纳滤波）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协同滤波的3D组的最大尺寸。Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被认为相似的最大距离。值以欧几里得距离表示。
    
    blockMatchingStep2 - BM3D第二步（维纳滤波）的块匹配阈值，即认为两个块相似的最大距离。值以欧几里得距离表示。Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（像素）。线性影响性能：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D第一步（硬阈值）的块匹配阈值，即认为两个块相似的最大距离。值以欧几里得距离表示。Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块大小（像素）。应该是 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：searchWindowsSize越大，降噪时间越长。必须大于templateWindowSize。值以欧几里得距离表示。Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。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。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为2的幂。线性影响性能：searchWindowsSize越大，降噪时间越长。必须大于templateWindowSize。值以欧几里得距离表示。Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    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。应为2的幂。线性影响性能：searchWindowsSize越大，降噪时间越长。必须大于templateWindowSize。值以欧几里得距离表示。Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst)
```
    使用块匹配和三维滤波算法 <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>（包含多个计算优化）执行图像去噪。预期噪声为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与src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。应为2的幂。线性影响性能：searchWindowsSize越大，降噪时间越长。必须大于templateWindowSize。值以欧几里得距离表示。Kaiser窗参数，影响窗口变换的旁瓣衰减。使用Kaiser窗是为了减少边界效应。要避免使用窗口，请将beta设置为零，但这会产生更精确的结果。不允许使用BM3D_STEP2，因为它需要存在基本估计。目前仅支持Haar变换。此函数预期应用于灰度图像。此函数的高级用法可以在不同的颜色空间中手动对彩色图像进行降噪。参见：fastNlMeansDenoising
  - 图像修复
```
public static void inpaint(Mat src,
                           Mat mask,
                           Mat dst,
                           int algorithmType)
```
    该函数实现了不同的单图像修复算法。详情请参阅原始论文文献：He2012（Shiftmap）或文献：GenserPCS2018和文献：SeilerTIP2015（FSR）。
    参数
    
    src - 源图像
    
    #INPAINT_SHIFTMAP：可以是任何类型和任何通道数（1到4）。对于3通道和4通道图像，该函数期望它们在CIELab颜色空间或类似空间中，其中第一个颜色分量表示强度，第二个和第三个表示颜色。尽管如此，您也可以尝试任何颜色空间。
    
    #INPAINT_FSR_BEST或#INPAINT_FSR_FAST：1通道灰度或3通道BGR图像。
    
    mask - 掩码（#CV_8UC1），其中非零像素表示有效图像区域，而零像素表示要修复的区域
    
    dst - 目标图像
    
    algorithmType - 请参见xphoto::InpaintTypes
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand(float gamma,
                                                float contrast,
                                                float saturation,
                                                float sigma_color,
                                                float sigma_space)
```
    创建TonemapDurand对象。您需要在cmake中设置OPENCV_ENABLE_NONFREE选项才能使用这些。使用需自担风险。
    
    参数
    
    gamma - gamma校正的gamma值。参见createTonemap
    
    contrast - 对数尺度上的结果对比度，即log(max / min)，其中max和min是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。参见createTonemapDrago
    
    sigma_color - 颜色空间中的双边滤波sigma
    
    sigma_space - 坐标空间中的双边滤波sigma
    
    返回值
    
    自动生成
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand(float gamma,
                                                float contrast,
                                                float saturation,
                                                float sigma_color)
```
    创建TonemapDurand对象。您需要在cmake中设置OPENCV_ENABLE_NONFREE选项才能使用这些。使用需自担风险。
    
    参数
    
    gamma - gamma校正的gamma值。参见createTonemap
    
    contrast - 对数尺度上的结果对比度，即log(max / min)，其中max和min是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。参见createTonemapDrago
    
    sigma_color - 颜色空间中的双边滤波sigma
    
    返回值
    
    自动生成
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand(float gamma,
                                                float contrast,
                                                float saturation)
```
    创建TonemapDurand对象。您需要在cmake中设置OPENCV_ENABLE_NONFREE选项才能使用这些。使用需自担风险。
    
    参数
    
    gamma - gamma校正的gamma值。参见createTonemap
    
    contrast - 对数尺度上的结果对比度，即log(max / min)，其中max和min是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。参见createTonemapDrago
    
    返回值
    
    自动生成
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand(float gamma,
                                                float contrast)
```
    创建TonemapDurand对象。您需要在cmake中设置OPENCV_ENABLE_NONFREE选项才能使用这些。使用需自担风险。
    
    参数
    
    gamma - gamma校正的gamma值。参见createTonemap
    
    contrast - 对数尺度上的结果对比度，即log(max / min)，其中max和min是结果图像的最大和最小亮度值。
    
    返回值
    
    自动生成
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand(float gamma)
```
    创建TonemapDurand对象。您需要在cmake中设置OPENCV_ENABLE_NONFREE选项才能使用这些。使用需自担风险。
    
    参数
    
    gamma - gamma 校正的 gamma 值。参见 createTonemap，结果图像的最大和最小亮度值。
    
    返回值
    
    自动生成
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand()
```
    创建 TonemapDurand 对象。您需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些。使用需自担风险。结果图像的最大和最小亮度值。
    
    返回值
    
    自动生成
  - dctDenoising
```
public static void dctDenoising(Mat src,
                                Mat dst,
                                double sigma,
                                int psize)
```
    该函数实现基于DCT的简单去噪算法 <http://www.ipol.im/pub/art/2011/ys-dct/>。
    
    参数
    
    src - 源图像
    
    dst - 目标图像
    
    sigma - 预期噪声标准差
    
    psize - 计算 dct 的块边大小参见：fastNlMeansDenoising
  - dctDenoising
```
public static void dctDenoising(Mat src,
                                Mat dst,
                                double sigma)
```
    该函数实现基于DCT的简单去噪算法 <http://www.ipol.im/pub/art/2011/ys-dct/>。
    
    参数
    
    src - 源图像
    
    dst - 目标图像
    
    sigma - 预期噪声标准差参见：fastNlMeansDenoising
  - createSimpleWB
```
public static SimpleWB createSimpleWB()
```
    创建 SimpleWB 实例
    
    返回值
    
    自动生成
  - createGrayworldWB
```
public static GrayworldWB createGrayworldWB()
```
    创建 GrayworldWB 实例
    
    返回值
    
    自动生成
  - createLearningBasedWB
```
public static LearningBasedWB createLearningBasedWB(java.lang.String path_to_model)
```
    创建 LearningBasedWB 实例
    
    参数
    
    path_to_model - 包含模型的 .yml 文件路径。如果未指定，则使用默认模型
    
    返回值
    
    自动生成
  - createLearningBasedWB
```
public static LearningBasedWB createLearningBasedWB()
```
    创建 LearningBasedWB 实例
    
    返回值
    
    自动生成
  - applyChannelGains
```
public static void applyChannelGains(Mat src,
                                     Mat dst,
                                     float gainB,
                                     float gainG,
                                     float gainR)
```
    实现了一种高效的定点近似方法，用于应用通道增益，这是多种白平衡算法的最后一步。
    
    参数
    
    src - 输入的 BGR 颜色空间三通道图像 (CV_8UC3 或 CV_16UC3)
    
    dst - 与 src 大小和类型相同的输出图像。
    
    gainB - B 通道的增益
    
    gainG - G 通道的增益
    
    gainR - R 通道的增益

类 Xphoto

字段摘要

构造器摘要

方法摘要

继承自类 java.lang.Object 的方法

字段详情

BM3D_STEPALL

BM3D_STEP1

BM3D_STEP2

INPAINT_SHIFTMAP

INPAINT_FSR_BEST

INPAINT_FSR_FAST

HAAR

构造函数详情

Xphoto

方法详情

oilPainting

oilPainting

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

图像修复

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

dctDenoising

dctDenoising

createSimpleWB

createGrayworldWB

createLearningBasedWB

createLearningBasedWB

applyChannelGains