该模块提供了强度变换算法的实现，用于调整图像对比度。

详细描述

所有函数的命名空间是 cv::intensity_transform。

支持的算法

• 自动缩放
• 对数变换
• 幂律（伽马）变换
• 对比度拉伸
• BIMEF，一种用于弱光图像增强的生物启发式多曝光融合框架 [312] [313]

以下书籍和网站的参考文献

• 数字图像处理 第4版 第3章 [Rafael C. Gonzalez, Richard E. Woods] [225]
• http://www.cs.uregina.ca/Links/class-info/425/Lab3/ [156]
• https://theailearner.com/2019/01/30/contrast-stretching/ [272]

函数
void	cv::intensity_transform::autoscaling (const Mat input, Mat &output)
	给定输入BGR或灰度图像，在域[0, 255]上应用自动缩放以增加输入图像的对比度，并返回结果图像。
void	cv::intensity_transform::BIMEF (InputArray input, OutputArray output, float k, float mu, float a, float b)
	给定输入彩色图像，使用BIMEF方法增强弱光图像 ([312] [313])。
void	cv::intensity_transform::BIMEF (InputArray input, OutputArray output, float mu=0.5f, float a=-0.3293f, float b=1.1258f)
	给定输入彩色图像，使用BIMEF方法增强弱光图像 ([312] [313])。
void	cv::intensity_transform::contrastStretching (const Mat input, Mat &output, const int r1, const int s1, const int r2, const int s2)
	给定输入BGR或灰度图像，在域[0, 255]上应用线性对比度拉伸，并返回结果图像。
void	cv::intensity_transform::gammaCorrection (const Mat input, Mat &output, const float gamma)
	给定输入BGR或灰度图像以及常数伽马值，在域[0, 255]上对图像应用幂律变换（又称伽马校正），并返回结果图像。
void	cv::intensity_transform::logTransform (const Mat input, Mat &output)
	给定输入BGR或灰度图像以及常数c，在域[0, 255]上对图像应用对数变换，并返回结果图像。

函数文档

autoscaling()

void cv::intensity_transform::autoscaling	(	const Mat	input,
		Mat &	output )

Python
	cv.intensity_transform.autoscaling(	input, output	) ->	无

#include <opencv2/intensity_transform.hpp>

给定输入BGR或灰度图像，在域[0, 255]上应用自动缩放以增加输入图像的对比度，并返回结果图像。

参数

input	输入BGR或灰度图像。
输出	自动缩放的结果图像。

BIMEF() [1/2]

void cv::intensity_transform::BIMEF	(	InputArray	input,
		OutputArray	输出,
		float	k,
		float	mu,
		float	a,
		float	b )

Python
	cv.intensity_transform.BIMEF(	input[, output[, mu[, a[, b]]]]	) ->	输出
	cv.intensity_transform.BIMEF2(	input, k, mu, a, b[, output]	) ->	输出

#include <opencv2/intensity_transform.hpp>

给定输入彩色图像，使用BIMEF方法增强弱光图像 ([312] [313])。

这是一个重载函数，曝光比作为参数给出。

参数

input	输入彩色图像。
输出	结果图像。
k	曝光比。
mu	增强比。
a	相机响应函数 (CRF) 中的a参数。
b	相机响应函数 (CRF) 中的b参数。

警告

这是 原始MATLAB算法 的C++实现。与原始代码相比，此实现稍慢，并且无法提供相同的结果。特别是在某些条件下，图像增强对亮区域的质量会有所下降。

BIMEF() [2/2]

void cv::intensity_transform::BIMEF	(	InputArray	input,
		OutputArray	输出,
		float	mu = 0.5f,
		float	a = -0.3293f,
		float	b = 1.1258f )

Python
	cv.intensity_transform.BIMEF(	input[, output[, mu[, a[, b]]]]	) ->	输出
	cv.intensity_transform.BIMEF2(	input, k, mu, a, b[, output]	) ->	输出

#include <opencv2/intensity_transform.hpp>

给定输入彩色图像，使用BIMEF方法增强弱光图像 ([312] [313])。

参数

input	输入彩色图像。
输出	结果图像。
mu	增强比。
a	相机响应函数 (CRF) 中的a参数。
b	相机响应函数 (CRF) 中的b参数。

警告

这是 原始MATLAB算法 的C++实现。与原始代码相比，此实现稍慢，并且无法提供相同的结果。特别是在某些条件下，图像增强对亮区域的质量会有所下降。

contrastStretching()

void cv::intensity_transform::contrastStretching	(	const Mat	input,
		Mat &	输出,
		const int	r1,
		const int	s1,
		const int	r2,
		const int	s2 )

Python
	cv.intensity_transform.contrastStretching(	input, output, r1, s1, r2, s2	) ->	无

#include <opencv2/intensity_transform.hpp>

给定输入BGR或灰度图像，在域[0, 255]上应用线性对比度拉伸，并返回结果图像。

参数

input	输入BGR或灰度图像。
输出	对比度拉伸的结果图像。
r1	变换函数中第一个点 (r1, s1) 的x坐标。
s1	变换函数中第一个点 (r1, s1) 的y坐标。
r2	变换函数中第二个点 (r2, s2) 的x坐标。
s2	变换函数中第二个点 (r2, s2) 的y坐标。

gammaCorrection()

void cv::intensity_transform::gammaCorrection	(	const Mat	input,
		Mat &	输出,
		const float	gamma )

Python
	cv.intensity_transform.gammaCorrection(	input, output, gamma	) ->	无

#include <opencv2/intensity_transform.hpp>

给定输入BGR或灰度图像以及常数伽马值，在域[0, 255]上对图像应用幂律变换（又称伽马校正），并返回结果图像。

参数

input	输入BGR或灰度图像。
输出	伽马校正的结果图像。
gamma	c*r^gamma 中的常数，其中r是像素值。

logTransform()

void cv::intensity_transform::logTransform	(	const Mat	input,
		Mat &	output )

Python
	cv.intensity_transform.logTransform(	input, output	) ->	无

#include <opencv2/intensity_transform.hpp>

给定输入BGR或灰度图像以及常数c，在域[0, 255]上对图像应用对数变换，并返回结果图像。

参数

input	输入BGR或灰度图像。
输出	对数变换的结果图像。