一个包装类,允许 Meylan 等人 (2007) 的色调映射算法与 OpenCV 一起使用。
此算法已在 Retina 类中实现(retina::applyFastToneMapping),但使用它不需要分配所有视网膜模型。这允许在低内存设备(智能手机等)上实现轻量级内存使用。总而言之,这些是模型特性
- 具有不同局部邻域的2个局部亮度适应阶段。
- 第一阶段模拟视网膜感光细胞的局部亮度适应
- 第二阶段模拟神经节细胞的局部信息适应
- 与最初的出版物相比,此类别使用时空低通滤波器而非仅空间滤波器。这有助于在视频序列使用场景中提高噪声鲁棒性和时间稳定性。
更多信息请参考以下论文:Meylan L., Alleysson D., and Susstrunk S., A Model of Retinal Local Adaptation for the Tone Mapping of Color Filter Array Images, Journal of Optical Society of America, A, Vol. 24, N 9, September, 1st, 2007, pp. 2807-2816Benoit A., Caplier A., Durette B., Herault, J., "USING HUMAN VISUAL SYSTEM MODELING FOR BIO-INSPIRED LOW LEVEL IMAGE PROCESSING", Elsevier, Computer Vision and Image Understanding 114 (2010), pp. 758-773, DOI: http://dx.doi.org/10.1016/j.cviu.2010.01.011 关于时空滤波器和更大的视网膜模型:《Vision: Images, Signals and Neural Networks: Models of Neural Processing in Visual Perception (Progress in Neural Processing)》,作者:Jeanny Herault, ISBN: 9814273686。WAPI (Tower ID): 113266891。
| virtual void cv::bioinspired::RetinaFastToneMapping::applyFastToneMapping |
( |
InputArray | inputImage, |
|
|
OutputArray | outputToneMappedImage ) |
|
纯虚函数 |
| Python |
|---|
| cv.bioinspired.RetinaFastToneMapping.applyFastToneMapping( | inputImage[, outputToneMappedImage] | ) -> | outputToneMappedImage |
应用亮度校正(最初是高动态 范围 (HDR) 色调映射)
仅使用视网膜小细胞通路的2个局部适应阶段:感光细胞水平和神经节细胞水平。应用时空滤波,但仅限于时间平滑和最终的高频衰减。这是一种比使用常规 retina::run 方法更轻量级的方法。因此它更快,但不包括完整的时间滤波或视网膜光谱白化。因此,它对具有极高动态范围的图像的影响可能更有限。这是对 David Alleyson、Sabine Susstruck 和 Laurence Meylan 作品中原始静态图像 HDR 色调映射算法的改编,请引用:-> Meylan L., Alleysson D., and Susstrunk S., A Model of Retinal Local Adaptation for the Tone Mapping of Color Filter Array Images, Journal of Optical Society of America, A, Vol. 24, N 9, September, 1st, 2007, pp. 2807-2816
- 参数
-
| inputImage | 要处理的输入图像,可以是 RGB 或灰度级 |
| outputToneMappedImage | 输出的色调映射图像 |