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`

构造函数摘要

构造函数
构造函数描述

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)`	实现了高效的定点近似算法，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执行图像去噪，并进行了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h)`	使用块匹配和三维滤波算法执行图像去噪，并进行了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize)`	使用块匹配和三维滤波算法执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2)`	使用块匹配和三维滤波算法执行图像去噪，并进行了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h)`	使用块匹配和三维滤波算法执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`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执行图像去噪，并进行了多项计算优化。
`静态 GrayworldWB`	`createGrayworldWB()`	创建 GrayworldWB 的实例
`静态 LearningBasedWB`	`createLearningBasedWB()`	创建 LearningBasedWB 的实例
`静态 LearningBasedWB`	`createLearningBasedWB(java.lang.String path_to_model)`	创建 LearningBasedWB 的实例
`静态 SimpleWB`	`createSimpleWB()`	创建 SimpleWB 的实例
`静态 TonemapDurand`	`createTonemapDurand()`	创建 TonemapDurand 对象。您需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`静态 TonemapDurand`	`createTonemapDurand(float gamma)`	创建 TonemapDurand 对象。您需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`静态 TonemapDurand`	`createTonemapDurand(float gamma, float contrast)`	创建 TonemapDurand 对象。您需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`静态 TonemapDurand`	`createTonemapDurand(float gamma, float contrast, float saturation)`	创建 TonemapDurand 对象。您需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`静态 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 选项才能使用这些功能。
`静态 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 选项才能使用这些功能。
`static void`	`dctDenoising(Mat src, Mat dst, double sigma)`	该函数实现了简单的基于 DCT 的去噪算法。
`static void`	`dctDenoising(Mat src, Mat dst, double sigma, int psize)`	该函数实现了简单的基于 DCT 的去噪算法。
`static void`	`inpaint(Mat src, Mat mask, Mat dst, int algorithmType)`	该函数实现了不同的单幅图像修复算法。
`static void`	`oilPainting(Mat src, Mat dst, int size, int dynRatio)`	油画效果请参阅书籍 CITE: Holzmann1988 获取详细信息。
`static void`	`oilPainting(Mat src, Mat dst, int size, int dynRatio, int code)`	油画效果请参阅书籍 CITE: Holzmann1988 获取详细信息。

从类继承的方法 java.lang.Object
clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 字段详细信息
  - BM3D_STEPALL
```
public static final int BM3D_STEPALL
```
    参见
    
    常量字段值
  - BM3D_STEP1
```
public static final int BM3D_STEP1
```
    参见
    
    常量字段值
  - BM3D_STEP2
```
public static final int BM3D_STEP2
```
    参见
    
    常量字段值
  - INPAINT_SHIFTMAP
```
public static final int INPAINT_SHIFTMAP
```
    参见
    
    常量字段值
  - INPAINT_FSR_BEST
```
public static final int INPAINT_FSR_BEST
```
    参见
    
    常量字段值
  - INPAINT_FSR_FAST
```
public static final int INPAINT_FSR_FAST
```
    参见
    
    常量字段值
  - HAAR
```
public static final int HAAR
```
    参见
    
    常量字段值
- 构造函数详细信息
  - Xphoto
```
public Xphoto()
```
- 方法详细信息
  - dctDenoising
```
public static void dctDenoising(Mat src,
                                Mat dst,
                                double sigma,
                                int psize)
```
    该函数实现了简单的基于 DCT 的去噪算法。
    
    参数
    
    src - 源图像
    
    dst - 目标图像
    
    sigma - 预期的噪声标准差
    
    psize - 计算 DCT 的块边长 SEE: fastNlMeansDenoising
  - dctDenoising
```
public static void dctDenoising(Mat src,
                                Mat dst,
                                double sigma)
```
    该函数实现了简单的基于 DCT 的去噪算法。
    
    参数
    
    src - 源图像
    
    dst - 目标图像
    
    sigma - 预期的噪声标准差 SEE: fastNlMeansDenoising
  - createSimpleWB
```
public static SimpleWB createSimpleWB()
```
    创建 SimpleWB 的实例
    
    返回
    
    自动生成
  - createGrayworldWB
```
public static GrayworldWB createGrayworldWB()
```
    创建 GrayworldWB 的实例
    
    返回
    
    自动生成
  - createLearningBasedWB
```
public static LearningBasedWB createLearningBasedWB(java.lang.String path_to_model)
```
    创建 LearningBasedWB 的实例
    
    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
    
    自动生成
  - createLearningBasedWB
```
public static LearningBasedWB createLearningBasedWB()
```
    创建 LearningBasedWB 的实例
    
    返回
    
    自动生成
  - applyChannelGains
```
public static void applyChannelGains(Mat src,
                                     Mat dst,
                                     float gainB,
                                     float gainG,
                                     float gainR)
```
    实现了高效的定点近似算法，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 - BGR 颜色空间中的三通道输入图像（可以是 CV_8UC3 或 CV_16UC3）
    
    dst - 与 src 大小和类型相同的输出图像。
    
    gainB - 蓝色通道的增益
    
    gainG - 绿色通道的增益
    
    gainR - 红色通道的增益
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
    
    beta - 影响窗口变换旁瓣衰减的 Kaiser 窗口参数。Kaiser 窗口用于减少边界效应。要禁用窗口使用，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。
    
    step - 要执行的 BM3D 步骤。可能的变体有：步骤 1、步骤 2、所有步骤。
    
    transformType - 协作滤波步骤中使用的正交变换类型。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的进阶用法可以在不同的颜色空间中手动对彩色图像进行去噪。SEE: 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
    
    beta - 影响窗口变换旁瓣衰减的 Kaiser 窗口参数。Kaiser 窗口用于减少边界效应。要禁用窗口使用，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。
    
    step - 要执行的 BM3D 步骤。可能的变体有：步骤 1、步骤 2、所有步骤。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
    
    beta - 影响窗口变换旁瓣衰减的 Kaiser 窗口参数。Kaiser 窗口用于减少边界效应。要禁用窗口使用，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。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
    
    beta - 影响窗口变换旁瓣衰减的 Kaiser 窗口参数。Kaiser 窗口用于减少边界效应。要禁用窗口使用，请将 beta 设置为零。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。值以欧几里得距离表示。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2)
```
    使用块匹配和三维滤波算法执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    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，与 src 具有相同的大小和类型。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 具有相同的大小和类型。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
    
    beta - 影响窗口变换旁瓣衰减的 Kaiser 窗口参数。Kaiser 窗口用于减少边界效应。要禁用窗口使用，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。
    
    step - 要执行的 BM3D 步骤。只允许 BM3D_STEP1 和 BM3D_STEPALL。BM3D_STEP2 不允许，因为它需要存在基本估计。
    
    transformType - 协作滤波步骤中使用的正交变换类型。目前仅支持 Haar 变换。此函数预期应用于灰度图像。此函数的进阶用法可以在不同的颜色空间中手动对彩色图像进行去噪。SEE: 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
    
    beta - 影响窗口变换旁瓣衰减的 Kaiser 窗口参数。Kaiser 窗口用于减少边界效应。要禁用窗口使用，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。
    
    step - 要执行的 BM3D 步骤。只允许 BM3D_STEP1 和 BM3D_STEPALL。BM3D_STEP2 不允许，因为它需要存在基本估计。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
    
    beta - 影响窗口变换旁瓣衰减的 Kaiser 窗口参数。Kaiser 窗口用于减少边界效应。要禁用窗口使用，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。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
    
    beta - 影响窗口变换旁瓣衰减的 Kaiser 窗口参数。Kaiser 窗口用于减少边界效应。要禁用窗口使用，请将 beta 设置为零。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的三维组的最大大小。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。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，即两个块被视为相似的最大距离。值以欧几里得距离表示。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
    
    blockMatchingStep1 - BM3D 第一步（硬阈值）的块匹配阈值，即两个块被视为相似的最大距离。值以欧几里得距离表示。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口的像素大小。线性影响性能：更大的 searchWindowSize 会导致更长的去噪时间。必须大于 templateWindowSize。
  - 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执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
    
    templateWindowSize - 用于块匹配的模板块的像素大小。应为 2 的幂。
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h)
```
    使用块匹配和三维滤波算法执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
    
    h - 调节滤波强度的参数。大的 h 值可以完美地去除噪声，但也会去除图像细节；小的 h 值保留细节，但也会保留一些噪声。
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst)
```
    使用块匹配和三维滤波算法执行图像去噪，并进行了多项计算优化。噪声预计为高斯白噪声。
    
    参数
    
    src - 输入的 8 位或 16 位单通道图像。
    
    dst - 与 src 具有相同大小和类型的输出图像。
  - oilPainting
```
public static void oilPainting(Mat src,
                               Mat dst,
                               int size,
                               int dynRatio,
                               int code)
```
    油画效果请参阅书籍 CITE: Holzmann1988 获取详细信息。
    
    参数
    
    src - 输入的三通道或单通道图像（可以是 CV_8UC3 或 CV_8UC1）
    
    dst - 与 src 大小和类型相同的输出图像。
    
    size - 邻域大小为 2-size+1
    
    dynRatio - 图像在直方图处理前被 dynRatio 除
    
    code - 自动生成
  - oilPainting
```
public static void oilPainting(Mat src,
                               Mat dst,
                               int size,
                               int dynRatio)
```
    油画效果请参阅书籍 CITE: Holzmann1988 获取详细信息。
    
    参数
    
    src - 输入的三通道或单通道图像（可以是 CV_8UC3 或 CV_8UC1）
    
    dst - 与 src 大小和类型相同的输出图像。
    
    size - 邻域大小为 2-size+1
    
    dynRatio - 图像在直方图处理前被 dynRatio 除
  - 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 选项才能使用这些功能。使用它们风险自负。
    
    参数
    
    gamma - 用于伽马校正的伽马值。请参阅 createTonemap
    
    contrast - 对数刻度上的结果对比度，即 log(最大值 / 最小值)，其中最大值和最小值是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。请参阅 createTonemapDrago
    
    sigma_color - 颜色空间中的双边滤波器 sigma 值
    
    sigma_space - 坐标空间中的双边滤波器 sigma 值
    
    返回
    
    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 选项才能使用这些功能。使用它们风险自负。
    
    参数
    
    gamma - 用于伽马校正的伽马值。请参阅 createTonemap
    
    contrast - 对数刻度上的结果对比度，即 log(最大值 / 最小值)，其中最大值和最小值是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。请参阅 createTonemapDrago
    
    sigma_color - 颜色空间中的双边滤波器 sigma 值
    
    返回
    
    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 选项才能使用这些功能。使用它们风险自负。
    
    参数
    
    gamma - 用于伽马校正的伽马值。请参阅 createTonemap
    
    contrast - 对数刻度上的结果对比度，即 log(最大值 / 最小值)，其中最大值和最小值是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。请参阅 createTonemapDrago
    
    返回
    
    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 选项才能使用这些功能。使用它们风险自负。
    
    参数
    
    gamma - 用于伽马校正的伽马值。请参阅 createTonemap
    
    contrast - 对数刻度上的结果对比度，即 log(最大值 / 最小值)，其中最大值和最小值是结果图像的最大和最小亮度值。
    
    返回
    
    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 选项才能使用这些功能。使用它们风险自负。
    
    参数
    
    gamma - 用于伽马校正的伽马值。请参阅 createTonemap。
    
    返回
    
    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 选项才能使用这些功能。使用它们风险自负。
    
    返回
    
    自动生成
  - inpaint
```
public static void inpaint(Mat src,
                           Mat mask,
                           Mat dst,
                           int algorithmType)
```
    该函数实现了不同的单幅图像修复算法。请参阅原始论文 CITE: He2012 (Shiftmap) 或 CITE: GenserPCS2018 和 CITE: SeilerTIP2015 (FSR) 获取详细信息。
    参数
    
    src - 源图像
    
    #INPAINT_SHIFTMAP：可以是任何类型，通道数从 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，而第二个和第三个表示颜色。尽管如此，您可以尝试任何颜色空间。
    
    #INPAINT_FSR_BEST 或 #INPAINT_FSR_FAST：单通道灰度图像或三通道 BGR 图像。
    
    mask - 掩码 (#CV_8UC1)，其中非零像素表示有效图像区域，而零像素表示待修复区域。
    
    dst - 目标图像
    
    algorithmType - 请参阅 xphoto::InpaintTypes

类 Xphoto

字段摘要

构造函数摘要

方法摘要

从类继承的方法 java.lang.Object

字段详细信息

BM3D_STEPALL

BM3D_STEP1

BM3D_STEP2

INPAINT_SHIFTMAP

INPAINT_FSR_BEST

INPAINT_FSR_FAST

HAAR

构造函数详细信息

Xphoto

方法详细信息

dctDenoising

dctDenoising

createSimpleWB

createGrayworldWB

createLearningBasedWB

createLearningBasedWB

applyChannelGains

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

oilPainting

oilPainting

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

inpaint