HDR 成像

详细描述

本节描述了高动态范围成像算法，即色调映射、曝光对齐、多重曝光相机校准和曝光融合。

类
类	cv::AlignExposures
	用于对齐同一场景不同曝光图像的算法的基类。更多...
类	cv::AlignMTB
	此算法将图像转换为中值阈值位图（亮度高于中值亮度的像素为 1，否则为 0），然后使用位操作对结果位图进行对齐。更多...
类	cv::CalibrateCRF
	用于相机响应校准算法的基类。更多...
类	cv::CalibrateDebevec
	通过将目标函数作为线性系统进行最小化，为每个亮度值提取逆相机响应函数。目标函数是使用所有图像中相同位置的像素值构建的，并添加了额外的项以使结果更平滑。更多...
类	cv::CalibrateRobertson
	通过将目标函数作为线性系统进行最小化，为每个亮度值提取逆相机响应函数。此算法使用所有图像像素。更多...
类	cv::MergeDebevec
	生成的 HDR 图像是根据曝光值和相机响应计算的曝光加权平均值。更多...
类	cv::MergeExposures
	可将曝光序列合并为单个图像的算法的基类。更多...
类	cv::MergeMertens
	像素使用对比度、饱和度和曝光良好度度量进行加权，然后使用拉普拉斯金字塔合并图像。更多...
类	cv::MergeRobertson
	生成的 HDR 图像是根据曝光值和相机响应计算的曝光加权平均值。更多...
类	cv::Tonemap
	色调映射算法的基类 - 用于将 HDR 图像映射到 8 位范围的工具。更多...
类	cv::TonemapDrago
	自适应对数映射是一种快速的全局色调映射算法，它在对数域中缩放图像。更多...
类	cv::TonemapMantiuk
	此算法使用高斯金字塔所有层上的梯度将图像转换为对比度，将对比度值转换为 HVS 响应并缩放响应。之后，图像从新的对比度值重建。更多...
类	cv::TonemapReinhard
	这是一种模拟人类视觉系统的全局色调映射运算符。更多...

枚举
枚举	{ cv::LDR_SIZE = 256 }

函数
Ptr< AlignMTB >	cv::createAlignMTB (int max_bits=6, int exclude_range=4, bool cut=true)
	创建 AlignMTB 对象。
Ptr< CalibrateDebevec >	cv::createCalibrateDebevec (int samples=70, float lambda=10.0f, bool random=false)
	创建 CalibrateDebevec 对象。
Ptr< CalibrateRobertson >	cv::createCalibrateRobertson (int max_iter=30, float threshold=0.01f)
	创建 CalibrateRobertson 对象。
Ptr< MergeDebevec >	cv::createMergeDebevec ()
	创建 MergeDebevec 对象。
Ptr< MergeMertens >	cv::createMergeMertens (float contrast_weight=1.0f, float saturation_weight=1.0f, float exposure_weight=0.0f)
	创建 MergeMertens 对象。
Ptr< MergeRobertson >	cv::createMergeRobertson ()
	创建 MergeRobertson 对象。
Ptr< Tonemap >	cv::createTonemap (float gamma=1.0f)
	Creates simple linear mapper with gamma correction.
Ptr< TonemapDrago >	cv::createTonemapDrago (float gamma=1.0f, float saturation=1.0f, float bias=0.85f)
	创建 TonemapDrago 对象。
Ptr< TonemapMantiuk >	cv::createTonemapMantiuk (float gamma=1.0f, float scale=0.7f, float saturation=1.0f)
	创建 TonemapMantiuk 对象。
Ptr< TonemapReinhard >	cv::createTonemapReinhard (float gamma=1.0f, float intensity=0.0f, float light_adapt=1.0f, float color_adapt=0.0f)
	创建 TonemapReinhard 对象。

枚举类型文档

匿名枚举

匿名枚举

#include <opencv2/photo.hpp>

枚举器
LDR_SIZE  Python: cv.LDR_SIZE

函数文档

createAlignMTB()

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

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

#include <opencv2/photo.hpp>

创建 AlignMTB 对象。

参数

max_bits	各维度最大位移的以 2 为底的对数。值为 5 和 6 通常足够好（分别对应 31 和 63 像素位移）。
exclude_range	用于排除位图的范围，该位图用于抑制中值附近的噪声。
剪切	如果为 true，则剪切图像；否则，用零填充新区域。

createCalibrateDebevec()

Ptr< CalibrateDebevec > cv::createCalibrateDebevec	(	int	samples = 70,
		float	lambda = 10.0f,
		bool	random = false )

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

#include <opencv2/photo.hpp>

创建 CalibrateDebevec 对象。

参数

samples	要使用的像素位置数量
lambda	平滑项权重。值越大，结果越平滑，但可能会改变响应。
random	如果为 true，则随机选择采样像素位置；否则，它们形成一个矩形网格。

createCalibrateRobertson()

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

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

#include <opencv2/photo.hpp>

创建 CalibrateRobertson 对象。

参数

max_iter	高斯-赛德尔求解器最大迭代次数。
RANSAC参数。它是点到像素中对极线的最大距离，超过此距离的点将被视为异常值，不用于计算最终的基本矩阵。它可以设置为1-3左右，具体取决于点定位的精度、图像分辨率和图像噪声。	最小化连续两个步骤结果之间的目标差值。

createMergeDebevec()

Ptr< MergeDebevec > cv::createMergeDebevec

(

)

Python
	cv.createMergeDebevec(		) ->	retval

#include <opencv2/photo.hpp>

创建 MergeDebevec 对象。

createMergeMertens()

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

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

#include <opencv2/photo.hpp>

创建 MergeMertens 对象。

参数

对比度权重	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

createMergeRobertson()

Ptr< MergeRobertson > cv::createMergeRobertson

(

)

Python
	cv.createMergeRobertson(		) ->	retval

#include <opencv2/photo.hpp>

创建 MergeRobertson 对象。

createTonemap()

Ptr< Tonemap > cv::createTonemap

(

float

gamma = 1.0f

)

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

#include <opencv2/photo.hpp>

Creates simple linear mapper with gamma correction.

参数

gamma

伽马校正的正值。伽马值为 1.0 意味着没有校正，伽马值为 2.2f 适用于大多数显示器。通常，伽马值 > 1 会使图像变亮，伽马值 < 1 会使图像变暗。

createTonemapDrago()

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

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

#include <opencv2/photo.hpp>

创建 TonemapDrago 对象。

参数

gamma	伽马校正的伽马值。请参阅 createTonemap
saturation	正饱和度增强值。1.0 保留饱和度，大于 1 的值增加饱和度，小于 1 的值降低饱和度。
bias	[0, 1] 范围内的偏置函数值。0.7 到 0.9 之间的值通常能提供最佳结果，默认值为 0.85。

createTonemapMantiuk()

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

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

#include <opencv2/photo.hpp>

创建 TonemapMantiuk 对象。

参数

gamma	伽马校正的伽马值。请参阅 createTonemap
scale	对比度缩放因子。HVS 响应乘以该参数，从而压缩动态范围。0.6 到 0.9 之间的值能产生最佳结果。
saturation	饱和度增强值。请参阅 createTonemapDrago

createTonemapReinhard()

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

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

#include <opencv2/photo.hpp>

创建 TonemapReinhard 对象。

参数

gamma	伽马校正的伽马值。请参阅 createTonemap
intensity	结果强度在 [-8, 8] 范围内。强度越大，结果越亮。
light_adapt	光适应在 [0, 1] 范围内。如果为 1，适应仅基于像素值；如果为 0，则为全局适应；否则，它是这两种情况的加权平均值。
color_adapt	色度适应在 [0, 1] 范围内。如果为 1，通道独立处理；如果为 0，每个通道的适应级别相同。