仿生视网膜模块介绍

Retina 类概述

注意

不要忘记视网膜模型包含在以下命名空间中：C++ 为 cv::bioinspired，Python 为 cv.bioinspired

简介

此类提供了 Gipsa/Listic 实验室人类视网膜模型的主要控制。这是一个非可分时空滤波器，模拟了两个主要的视网膜信息通道：

• 用于精细彩色视觉的中央凹视觉：小细胞通路 (parvocellular pathway)。
• 用于敏感瞬态信号检测（运动和事件）的外周视觉：大细胞通路 (magnocellular pathway)。

该模型起源于 Jeanny Herault 的工作 [141]。它参与了 Alexandre Benoit 的博士论文及其当前研究 [26], [260]。他目前在 OpenCV 中维护此模块。该模块还包括 Jeanny 的其他博士生（如 [70]）的工作，以及 Jeanny 书中描述的 Barthelemy Durette 的对数极坐标变换。

更具体地说，以下是此处实现的视网膜特性的概述：

• 关于亮度和细节增强：
  • 局部对数亮度压缩（在光感受器入口处和神经节细胞输出处）。
  • 外丛状层 (OPL) 水平的光谱白化（光感受器和水平细胞的时空滤波）。

前一种行为压缩了亮度范围，并允许在同一张图片上以丰富的细节同时显示极亮和极暗的区域。后一种行为降低了低频亮度能量（平均亮度）并增强了中频（细节）。结合使用时，视网膜可以在高级分析之前很好地预处理视觉信号。这些属性在视频中非常有趣，光线变化被大幅减少，并具有良好的时间一致性。

• 关于噪声过滤：
  • 高频空间和时间噪声被过滤掉。Parvo 和 Magno 通路的输出都从中受益。噪声降低受益于非可分时空滤波。
  • 在 Parvo 输出端，静态纹理得到增强，噪声被过滤（在视频中，时间噪声被很好地移除）。然而，与人类行为类似，移动的纹理会被平滑。因此，只有当视网膜跟踪移动物体并从其视角保持静态时，物体细节才能得到增强。
  • 在 Magno 输出端，它可以更清晰地检测事件（运动、变化），即使在困难的光照条件下也能减少噪声误差。作为折中，Magno 输出是低空间频率信号，允许可靠地提取事件斑点（为此请查看 TransientAreasSegmentationModule 模块）。

使用

该模型可用作预处理阶段，目的是：

• 执行具有增强信噪比和增强细节的纹理分析，这些细节对输入图像亮度范围具有鲁棒性（通过使用提供的 getParvo 方法查看小细胞视网膜通道输出）。
• 执行运动分析，同样利用上述特性（通过使用提供的 getMagno 方法查看大细胞视网膜通道输出）。
• 使用单通道或双通道进行通用的图像/视频序列描述。在词袋 (Bag of Words) 方法中使用视网膜的示例见 [260]。

注意

• 为了方便在计算机视觉应用中使用，两个视网膜通道被应用于所有输入图像。这并不遵循真实的视网膜拓扑，但从图像处理的角度来看是实用的。如果需要视网膜映射（中央凹和旁中央凹视觉），请使用类中提供的对数采样功能。
• 请随时通过扩展视网膜描述、代码、使用案例来提供补充说明和演示。

使用案例插图

使用小细胞通路（Parvo 视网膜输出）进行图像预处理

作为初步展示，让我们从一个视觉示例开始。我们建议在具有背光问题的低质量彩色 JPEG 图像上应用该滤波器。这是考虑的输入... “嗯，我的眼睛能看到的比相机捕捉到的多得多...”

一张具有背光问题的低质量彩色 JPEG 图像。

下方是使用默认参数应用于整个图像的视网膜中央凹模型。无论局部亮度如何，细节都会得到加强。此处轮廓被强烈加强，但噪声水平保持较低。在这种配置下，光晕效果是故意可见的。请参阅下文的参数讨论，并将 horizontalCellsGain 增加到接近 1 以消除它们。

使用默认参数应用于整个图像的视网膜中央凹模型。在此轮廓被加强，亮度得到校正，且在此配置下光晕效果故意可见，增加 horizontalCellsGain 至接近 1 可消除它们。

下方是应用于整个图像的第二个视网膜中央凹模型输出，其参数设置专注于自然感。“嘿，我现在认出我的猫了，它在日暮时分望着远山！”。在此配置下，轮廓被加强，亮度得到校正，但避免了光晕。背光效果得到修正，高亮细节仍被保留。因此，即使在低质量的 JPEG 图像上，如果还保留了一些亮度信息，视网膜也能够重建合适的视觉信号。这种配置对于将高动态范围 (HDR) 图像压缩为 8 位图像也非常有用，如 [26] 和下文讨论的演示代码所述。如页面末尾所示，相对于默认值的参数更改为：

• horizontalCellsGain=0.3
• photoreceptorsLocalAdaptationSensitivity=ganglioncellsSensitivity=0.89。

使用“自然感”参数应用于整个图像的视网膜中央凹模型。在此轮廓被加强但避免了光晕效果，horizontalCellsGain 为 0.3 且 photoreceptorsLocalAdaptationSensitivity=ganglioncellsSensitivity=0.89。

正如在初步演示中观察到的，视网膜可以设置各种参数。默认情况下（如上图所示），视网膜强烈降低平均亮度能量并加强视觉场景的所有细节。亮度能量和光晕效果可以调节（从夸张到抵消，如两个示例所示）。为了使用您自己的参数，您可以至少执行一次 write(String fs) 方法，它将生成一个带有所有默认参数的 XML 文件。然后，根据您的需要进行调整，并随时使用 setup(String fs) 方法重新加载。这些方法会更新下文描述的 Retina::RetinaParameters 成员结构。XML 参数文件样本显示在页面末尾。

使用小细胞通路（Parvo 视网膜输出）的色调映射处理能力

该视网膜模型自然地处理亮度范围压缩。局部适应阶段和光谱白化有助于亮度范围压缩。此外，经常破坏色调映射图像的高频噪声在处理的早期阶段就被移除，从而产生自然的感知和无噪声的色调映射。

与上面显示的演示相比，设置差异如下：（更多详情请参见 bioinspired/samples/OpenEXRimages_HDR_Retina_toneMapping.cpp）

• 加载 HDR 图像（OpenCV 支持 OpenEXR 格式）并剪切约 5% 和 95% 的直方图边界，以消除类似椒盐噪声的像素损坏。
• 应用视网膜默认参数并进行以下更改（本节插图使用的通用参数）：
  • retina Hcells gain = 0.4（与默认配置相比的主要变化：它强烈减少了光晕效果）
  • localAdaptation_photoreceptors=0.99（略高于默认值，以增强局部适应）
  • localAdaptation_Gcells=0.95（也略高于默认值，用于增强局部适应）
• 使用 getParvo() 方法获取 Parvo 输出。

查看本页末尾，了解如何在配置文件中指定这些参数。

以下两幅插图显示了此类配置对 2 个图像样本的效果。

使用通用参数的 HDR 图像色调映射示例。原始图像来自 http://openexr.com/ 样本 (openexr-images-1.7.0/ScanLines/CandleGlass.exr)

使用相同通用参数的 HDR 图像色调映射示例。原始图像来自 http://www.pauldebevec.com/Research/HDR/memorial.exr)

使用大细胞通路（Magno 视网膜输出）进行运动和事件检测

使用视网膜的 magno 输出（使用 getMagno() 方法）可以轻松检测时空事件。其能量随运动速度线性增加。bioinspired 模块中还提供了 TransientAreasSegmentationModule 类，提出了一种事件斑点检测器。基本思想是检测相对于邻域的局部能量下降，然后应用阈值。这一过程已在 TRECVid 挑战赛 [260] 的视频词袋描述中使用，并且仅允许描述瞬态区域的视频帧。

我们在此展示了一些取自 http://changedetection.net/ 的 RGB 和热成像视频示例的视网膜输出插图。

注意

在这里，我们使用默认的视网膜设置，它在强边缘周围产生光晕。请注意，时间常数使得在运动物体上可以看到时间效应（对于视频的静态图像说明很有用）。可以通过增加视网膜 Hcells 增益来消除光晕，而通过减小时间常数值可以减少时间效应。还要考虑到，两个视网膜输出的范围被缩放为 [0:255]，因此当没有物体运动时，magno 输出在绘制时可能会显示很多“噪声”。但是，如果您使用 getMagnoRAW 获取原始数据，其能量仍保持在较低水平。

RGB 图像序列上的视网膜处理：来自 http://changedetection.net/ (baseline/PETS2006) 的示例。Parvo 强化静态信号，但平滑了移动的行人，因为从它的视角看他们不是静态的。Magno 通路突出显示移动的行人，观察顶部那个人（部分在暗玻璃后面）的能量映射。

灰度级图像序列上的视网膜处理：来自 http://changedetection.net/ (thermal/park) 的示例。在这样的灰度图像上，Parvo 通路加强对比度，而 Magno 对移动的行人反应强烈。

文献

更多信息请参考以下论文：

• 模型描述：[26]
• 词袋方法中的模型应用：[260]
• 请参阅 Jeanny Herault 的参考著作，您可以阅读他的书：[141]

此视网膜滤波器代码包含了博士/研究同事的研究贡献，作者重新编写了相关代码：

• 查看 retinacolor.hpp 模块以了解 Brice Chaix de Lavarene 的博士彩色镶嵌/去镶嵌及其参考论文：[70]
• 查看 imagelogpolprojection.hpp 以了解视网膜空间对数采样，它起源于 Barthelemy Durette 与 Jeanny Herault 的博士研究。还提出了 Retina / V1 皮层投影，它源于 Jeanny 的讨论。更多信息见上述 Jeanny Herault 的书。
• Meylan 等人在 HDR 色调映射方面的工作，作为模型中的一个特定方法实现：[197]

视网膜编程接口

所提出的类允许使用 Gipsa（初步工作）/ Listic 实验室视网膜模型。它可以应用于静止图像、图像序列和视频序列。

这是 Retina 接口的概述，使用 Retina::create() 函数分配一个实例（C++、Java、Python）：

namespace cv{namespace bioinspired{
 
class Retina : public Algorithm
{
public:
  // 参数设置实例
  struct RetinaParameters; // 此类稍后详述
 
  // 输入帧处理的主要方法（全能方法，也可执行高动态范围色调映射）
  void run (InputArray inputImage);
 
  // 仅旨在校正亮度的特定方法（更快速的高动态范围色调映射）
  void applyFastToneMapping(InputArray inputImage, OutputArray outputToneMappedImage)
 
  // 输出缓冲区检索方法
  // -> 具有亮度和噪声校正的中央凹彩色视觉细节通道
  void getParvo (OutputArray retinaOutput_parvo);
  void getParvoRAW (OutputArray retinaOutput_parvo);// 检索原始输出缓冲区而不进行任何归一化
  const Mat getParvoRAW () const;// 检索原始输出缓冲区而不进行任何归一化
  // -> 外周单色运动和事件（瞬态信息）通道
  void getMagno (OutputArray retinaOutput_magno);
  void getMagnoRAW (OutputArray retinaOutput_magno); // 检索原始输出缓冲区而不进行任何归一化
  const Mat getMagnoRAW () const;// 检索原始输出缓冲区而不进行任何归一化
 
  // 重置视网膜缓冲区... 相当于闭眼几秒钟
  void clearBuffers ();
 
  // 检索输入和输出缓冲区大小
  Size getInputSize ();
  Size getOutputSize ();
 
  // 设置方法，具有特定参数规格或全局 xml 配置文件加载/写入
  void setup (String retinaParameterFile="", const bool applyDefaultSetupOnFailure=true);
  void setup (FileStorage &fs, const bool applyDefaultSetupOnFailure=true);
  void setup (RetinaParameters newParameters);
  struct Retina::RetinaParameters getParameters ();
  const String printSetup ();
  virtual void write (String fs) const;
  virtual void write (FileStorage &fs) const;
  void setupOPLandIPLParvoChannel (const bool colorMode=true, const bool normaliseOutput=true, const float photoreceptorsLocalAdaptationSensitivity=0.7, const float photoreceptorsTemporalConstant=0.5, const float photoreceptorsSpatialConstant=0.53, const float horizontalCellsGain=0, const float HcellsTemporalConstant=1, const float HcellsSpatialConstant=7, const float ganglionCellsSensitivity=0.7);
  void setupIPLMagnoChannel (const bool normaliseOutput=true, const float parasolCells_beta=0, const float parasolCells_tau=0, const float parasolCells_k=7, const float amacrinCellsTemporalCutFrequency=1.2, const float V0CompressionParameter=0.95, const float localAdaptintegration_tau=0, const float localAdaptintegration_k=7);
  void setColorSaturation (const bool saturateColors=true, const float colorSaturationValue=4.0);
  void activateMovingContoursProcessing (const bool activate);
  void activateContoursProcessing (const bool activate);
};
 
  // 分配器
  cv::Ptr<Retina> Retina::create (Size inputSize);
  cv::Ptr<Retina> Retina::create (Size inputSize, const bool colorMode, RETINA_COLORSAMPLINGMETHOD colorSamplingMethod=RETINA_COLOR_BAYER, const bool useRetinaLogSampling=false, const double reductionFactor=1.0, const double samplingStrength=10.0);
}} // cv 和 bioinspired 命名空间结束

设置 Retina

管理配置文件

使用 Retina::write 和 Retina::load 方法时，您可以创建或加载存储 Retina 配置的 XML 文件。

默认配置如下所示。

<?xml version="1.0"?>
<opencv_storage>
<OPLandIPLparvo>
<colorMode>1</colorMode>
<normaliseOutput>1</normaliseOutput>
<photoreceptorsLocalAdaptationSensitivity>7.5e-01</photoreceptorsLocalAdaptationSensitivity>
<photoreceptorsTemporalConstant>9.0e-01</photoreceptorsTemporalConstant>
<photoreceptorsSpatialConstant>5.7e-01</photoreceptorsSpatialConstant>
<horizontalCellsGain>0.01</horizontalCellsGain>
<hcellsTemporalConstant>0.5</hcellsTemporalConstant>
<hcellsSpatialConstant>7.</hcellsSpatialConstant>
<ganglionCellsSensitivity>7.5e-01</ganglionCellsSensitivity></OPLandIPLparvo>
<IPLmagno>
<normaliseOutput>1</normaliseOutput>
<parasolCells_beta>0.</parasolCells_beta>
<parasolCells_tau>0.</parasolCells_tau>
<parasolCells_k>7.</parasolCells_k>
<amacrinCellsTemporalCutFrequency>2.0e+00</amacrinCellsTemporalCutFrequency>
<V0CompressionParameter>9.5e-01</V0CompressionParameter>
<localAdaptintegration_tau>0.</localAdaptintegration_tau>
<localAdaptintegration_k>7.</localAdaptintegration_k></IPLmagno>
</opencv_storage>

以下是关于所有这些参数的一些说明，您可以根据需要调整它们以放大或减弱视网膜效果（轮廓强化、光晕效果、运动灵敏度、运动模糊等）。

基本参数

最简单的参数如下：

• colorMode：让视网膜处理颜色信息（若为 1）或灰度图像（若为 0）。在后一种情况下，仅处理输入的第一个通道。
• normaliseOutput：每个通道都有此参数：如果值设置为 1，则考虑的通道输出将重新缩放在 0 到 255 之间。在这种情况下，请注意大细胞通路输出级别（运动/瞬态通道检测）。残留噪声也将被重新缩放！

注意：使用彩色需要颜色通道复用/去复用，这同时也需要更多的处理。使用灰度级可以预期更快的处理速度：所有视网膜处理过程每像素仅需约 30 次乘法，且最近已针对多核架构进行了并行化。

光感受器参数

以下参数作用于视网膜的入口点——光感受器——并对后续所有过程产生影响。这些传感器是低通时空滤波器，可平滑时间和空间数据，并根据局部亮度调整其灵敏度，从而有助于改善细节提取和抵消高频噪声。

• photoreceptorsLocalAdaptationSensitivity 介于 0 和 1 之间。接近 1 的值允许在光感受器级别产生高亮度对数压缩效果。接近 0 的值提供更线性的灵敏度。单独增加它可能会使 Parvo（细节通道） 输出图像过度曝光（发白）。如果配合 ganglionCellsSensitivity 进行调整，图像无论局部亮度如何都能具有非常高的对比度... 代价是自然度降低。
• photoreceptorsTemporalConstant 设置视网膜入口处低通滤波效果的时间常数。高值导致强烈的时间平滑效果：移动物体会变模糊甚至消失，而静态物体受到优待。但开始视网膜处理时，达到稳定状态所需时间更长。
• photoreceptorsSpatialConstant 指定与光感受器低通滤波效果相关的空间常数。这些参数指定了后续允许的空间信号周期的最小值。通常，此滤波器应滤除高频噪声。另一方面，值 0 不滤除任何噪声，而较高的值开始滤除高空间频率，并逐渐滤除较低频率... 如果您想看到输入图像的一些细节，请注意不要设置太高！对于彩色图像，0.53 是一个很好的折中值，因为这种选择不会对光谱产生太大影响。更高的值会导致灰色且模糊的输出图像。

水平细胞参数

这组参数调节连接到光感受器的神经网络——水平细胞。它调节光感受器的灵敏度，并完成最终光谱白化的处理（空间带通效果的一部分，从而有利于增强视觉细节）。

• horizontalCellsGain 这是一个关键参数！如果您对平均亮度不感兴趣，只想专注于细节增强，请将此参数设置为 0。但是，如果您想保留一些环境亮度数据，让一些低空间频率进入系统，请设置一个较高的值（<1）。
• hcellsTemporalConstant 与光感受器类似，此参数作用于平滑输入数据的低通时间滤波器的时间常数。在这里，高值会产生强烈的视网膜后效，而低值使视网膜更具反应性。此值应低于 photoreceptorsTemporalConstant 以限制强烈的视网膜后效。
• hcellsSpatialConstant 是这些细胞低通滤波器的空间常数。它指定了后续允许的最低空间频率。视觉上，高值会导致极低空间频率的处理，并产生显著的光晕效果。较低的值会减弱这种效果，但限制是不低于 photoreceptorsSpatialConstant 的值。这两个参数实际上指定了视网膜的空间带通。

注意 一旦由上述参数管理的处理完成，输入数据中的噪声已被清除，亮度也已部分增强。接下来的参数作用于两个输出视网膜信号的最后处理阶段。

Parvo（细节通道）专用参数

• ganglionCellsSensitivity 指定在该细节专用通道输出端发生的最终局部适应强度。参数值介于 0 和 1 之间。低值倾向于给出线性响应，而高值则加强剩余的低对比度区域。

注意：此参数可以通过优待视觉场景中低能量的细节（即使在明亮区域）来纠正可能过度曝光的图像。

IPL Magno（运动/瞬态通道）参数

一旦图像信息被清理，此通道充当高通时间滤波器，它：
仅选择与瞬态信号（事件、运动等）相关的信号。低通空间滤波器平滑提取的瞬态数据，而最后的对数压缩增强低强度瞬态事件，从而提高事件灵敏度。

• parasolCells_beta 通常设置为 0，可视为该处理阶段入口点的放大增益。通常设置为 0。
• parasolCells_tau 可添加的时间平滑效果。
• parasolCells_k 空间滤波效果的空间常数，将其设置为高值以优待受残留噪声影响较小的低空间频率信号。
• amacrinCellsTemporalCutFrequency 指定高通滤波器的时间常数。高值允许选择缓慢的瞬态事件。
• V0CompressionParameter 指定对数压缩的强度。行为与之前的描述类似，但此处增强了瞬态事件的灵敏度。
• localAdaptintegration_tau 通常设置为 0，目前在这里没有实际用途。
• localAdaptintegration_k 指定执行局部适应的区域大小。低值导致短程局部适应（对噪声更敏感），高值确保对数压缩。

演示与实验！

初次实验

这里有一些代码片段，简要展示如何使用具有默认参数（带光晕效果）的 Retina。下一节将重定向到随主视网膜类提供的更完整的演示。

这里介绍了如何通过以下步骤处理摄像头流：

• 加载第一张输入图像以获取其大小
• 分配具有适当输入大小的视网膜实例
• 循环处理抓取的帧
  • 抓取新帧
  • 在帧上运行
  • 调用两个输出获取器
  • 显示视网膜输出

C++ 版本（见 bioinspired/samples/basicRetina.cpp）

// 包含 bioinspired 模块和 OpenCV 核心工具
#include "opencv2/bioinspired.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/videoio.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
 
// 主函数
int main(int argc, char* argv[]) {
    // 声明视网膜输入缓冲区
    cv::Mat inputFrame;
    // 设置摄像头读取器并抓取第一帧以获取其大小
    cv::VideoCapture videoCapture(0);
videoCapture>>inputFrame;
 
    // 分配视网膜实例，其输入大小等于所加载图像的大小
    cv::Ptr<cv::bioinspired::Retina> myRetina = cv::bioinspired::createRetina(inputFrame.size());
 
    /* 视网膜参数管理方法使用示例
-> 将当前（此处为默认）视网膜参数保存到 xml 文件（您可能只需使用一次以获取文件并进行修改）*/
    */
myRetina->write("RetinaDefaultParameters.xml");
 
    // -> 如果文件存在则加载参数
myRetina->setup("RetinaSpecificParameters.xml");
 
    // 重置所有视网膜缓冲区（睁开眼睛）
myRetina->clearBuffers();
 
    // 声明视网膜输出缓冲区
    cv::Mat retinaOutput_parvo;
    cv::Mat retinaOutput_magno;
 
    //主处理循环
    while(true){
        // 如果使用视频流，则抓取新帧，否则输入保持不变
        if (videoCapture.isOpened())
videoCapture>>inputFrame;
        else
            break;
imshow('input frame', inputImage)
        // 在输入图像上运行视网膜
myRetina->run(inputFrame);
        // 获取视网膜输出
myRetina->getParvo(retinaOutput_parvo);
myRetina->getMagno(retinaOutput_magno);
        // 绘制视网膜输出
        cv::imshow("retina input", inputFrame);
        cv::imshow("Retina Parvo", retinaOutput_parvo);
        cv::imshow("Retina Magno", retinaOutput_magno);
        cv::waitKey(5);
        }
}

使用以下命令编译此 C++ 代码：

// 编译
g++ basicRetina.cpp -o basicRetina -lopencv_core -lopencv_highgui -lopencv_bioinspired -lopencv_videoio -lopencv_imgcodecs

Python 版本

#导入 OpenCV 模块
import cv2 as cv
 
#设置摄像头读取器
videoHandler = cv.VideoCapture(0)
succeed, inputImage=videoHandler.read()
 
#分配视网膜实例，其输入大小等于所加载图像的大小
retina = cv.bioinspired_Retina.create((inputImage.shape[1], inputImage.shape[0]))
 
#视网膜参数管理方法使用示例
#-> 将当前（此处为默认）视网膜参数保存到 xml 文件（您可能只需使用一次以获取文件并进行修改）
retina.write('retinaParams.xml')
#-> 从 xml 文件加载视网膜参数：这里我们加载刚才写入文件的默认参数
retina.setup('retinaParams.xml')
 
#主处理循环
stillProcess=True
while stillProcess is True
 
    #抓取新帧并显示
stillProcess, inputImage=videoHandler.read()
    cv.imshow('input frame', inputImage)
 
    #在输入图像上运行视网膜
retina.run(inputImage)
 
    #获取视网膜输出
retinaOut_parvo=retina.getParvo()
retinaOut_magno=retina.getMagno()
 
    #绘制视网膜输出
    cv.imshow('retina parvo out', retinaOut_parvo)
    cv.imshow('retina magno out', retinaOut_magno)
 
    #稍等片刻让图形绘制出来
    cv.waitKey(2)

更完整的演示

注意

作为以下示例的补充，请查看 tutorial/contrib 部分中的 Retina 教程以获取更多说明。**

查看 OpenCV 提供的 C++ 示例：

• samples/cpp/retinademo.cpp 展示了如何使用视网膜模块进行细节增强（Parvo 通道输出）和瞬态图观察（Magno 通道输出）。您可以处理图像、视频序列和摄像头视频。典型用法是（假设您的 OpenCV 安装在 OpenCVReleaseFolder 文件夹中）：

  • 图像处理：OpenCVReleaseFolder/bin/retinademo -image myPicture.jpg
  • 视频处理：OpenCVReleaseFolder/bin/retinademo -video myMovie.avi
  • 摄像头处理：OpenCVReleaseFolder/bin/retinademo -video

  注意

  该演示会生成 RetinaDefaultParameters.xml 文件，其中包含视网膜的默认参数。然后，将其重命名为 RetinaSpecificParameters.xml，按您希望的方式调整参数，并重新加载程序以检查效果。

• samples/cpp/OpenEXRimages_HDR_Retina_toneMapping.cpp 展示了如何使用视网膜执行高动态范围 (HDR) 亮度压缩。

  然后，使用相机的包围曝光拍摄 HDR 图像并生成 OpenEXR 图像，然后使用演示程序进行处理。

  典型用法，假设您有 OpenEXR 图像，例如 memorial.exr（位于 samples/cpp/ 文件夹中）：

• OpenCVReleaseFolder/bin/OpenEXRimages_HDR_Retina_toneMapping memorial.exr [可选：'fast']

  请注意，提供了一些滑块允许您调节亮度压缩。

  如果不使用 'fast' 选项，则使用完整的视网膜模型 [26] 执行色调映射。它包括允许降低亮度能量的光谱白化。使用 'fast' 选项时，采用一种更简单的方法，它是对 [197] 中提出的算法的适配。这种方法也能给出良好的效果且处理速度更快，但有时需要更多的参数调整。