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)`	实现一种高效的定点近似方法来应用通道增益，这是多种白平衡算法的最后一步。
`static void`	`bm3dDenoising(Mat src, Mat dst)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dst, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep, float beta)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`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)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`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)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`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)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static void`	`bm3dDenoising(Mat src, Mat dstStep1, Mat dstStep2, float h, int templateWindowSize, int searchWindowSize, int blockMatchingStep1, int blockMatchingStep2, int groupSize, int slidingStep)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`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)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`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)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`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)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`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)`	使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，并包含了多项计算优化。
`static GrayworldWB`	`createGrayworldWB()`	创建一个 GrayworldWB 实例
`static LearningBasedWB`	`createLearningBasedWB()`	创建一个 LearningBasedWB 实例
`static LearningBasedWB`	`createLearningBasedWB(java.lang.String path_to_model)`	创建一个 LearningBasedWB 实例
`static SimpleWB`	`createSimpleWB()`	创建一个 SimpleWB 实例
`static TonemapDurand`	`createTonemapDurand()`	创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma)`	创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma, float contrast)`	创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma, float contrast, float saturation)`	创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma, float contrast, float saturation, float sigma_color)`	创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。
`static TonemapDurand`	`createTonemapDurand(float gamma, float contrast, float saturation, float sigma_color, float sigma_space)`	创建 TonemapDurand 对象。你需要在 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)`	该函数实现简单的基于 DCT 的去噪 <http://www.ipol.im/pub/art/2011/ys-dct/>。
`static void`	`dctDenoising(Mat src, Mat dst, double sigma, int psize)`	该函数实现简单的基于 DCT 的去噪 <http://www.ipol.im/pub/art/2011/ys-dct/>。
`static void`	`inpaint(Mat src, Mat mask, Mat dst, int algorithmType)`	该函数实现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。详情请参阅书籍 CITE: Holzmann1988。
`static void`	`oilPainting(Mat src, Mat dst, int size, int dynRatio, int code)`	油画效果。详情请参阅书籍 CITE: Holzmann1988。

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

- 字段详情
  - BM3D_STEPALL
```
public static final int BM3D_STEPALL
```
    另请参阅
    
    常量字段值
  - BM3D_STEP1
```
public static final int BM3D_STEP1
```
    另请参阅
    
    常量字段值
  - BM3D_STEP2
```
public static final int BM3D_STEP2
```
    另请参阅
    
    常量字段值
  - INPAINT_SHIFTMAP
```
public static final int INPAINT_SHIFTMAP
```
    另请参阅
    
    常量字段值
  - INPAINT_FSR_BEST
```
public static final int INPAINT_FSR_BEST
```
    另请参阅
    
    常量字段值
  - INPAINT_FSR_FAST
```
public static final int INPAINT_FSR_FAST
```
    另请参阅
    
    常量字段值
  - HAAR
```
public static final int HAAR
```
    另请参阅
    
    常量字段值
- 构造函数详情
  - Xphoto
```
public Xphoto()
```
- 方法详情
  - createSimpleWB
```
public static SimpleWB createSimpleWB()
```
    创建一个 SimpleWB 实例
    
    返回
    
    自动生成
  - createGrayworldWB
```
public static GrayworldWB createGrayworldWB()
```
    创建一个 GrayworldWB 实例
    
    返回
    
    自动生成
  - createLearningBasedWB
```
public static LearningBasedWB createLearningBasedWB(java.lang.String path_to_model)
```
    创建一个 LearningBasedWB 实例
    
    参数
    
    path_to_model - 模型 .yml 文件的路径。如果未指定，将使用默认模型
    
    返回
    
    自动生成
  - createLearningBasedWB
```
public static LearningBasedWB createLearningBasedWB()
```
    创建一个 LearningBasedWB 实例
    
    返回
    
    自动生成
  - applyChannelGains
```
public static void applyChannelGains(Mat src,
                                     Mat dst,
                                     float gainB,
                                     float gainG,
                                     float gainR)
```
    实现一种高效的定点近似方法来应用通道增益，这是多种白平衡算法的最后一步。
    
    参数
    
    src - BGR 颜色空间的输入三通道图像（CV_8UC3 或 CV_16UC3）
    
    dst - 与 src 大小和类型相同的输出图像。
    
    gainB - B 通道的增益
    
    gainG - G 通道的增益
    
    gainR - R 通道的增益
  - dctDenoising
```
public static void dctDenoising(Mat src,
                                Mat dst,
                                double sigma,
                                int psize)
```
    该函数实现简单的基于 DCT 的去噪 <http://www.ipol.im/pub/art/2011/ys-dct/>。
    
    参数
    
    src - 源图像
    
    dst - 目标图像
    
    sigma - 预期的噪声标准差
    
    psize - 计算 DCT 的块边长大小参见：fastNlMeansDenoising
  - dctDenoising
```
public static void dctDenoising(Mat src,
                                Mat dst,
                                double sigma)
```
    该函数实现简单的基于 DCT 的去噪 <http://www.ipol.im/pub/art/2011/ys-dct/>。
    
    参数
    
    src - 源图像
    
    dst - 目标图像
    
    sigma - 预期的噪声标准差参见：fastNlMeansDenoising
  - inpaint
```
public static void inpaint(Mat src,
                           Mat mask,
                           Mat dst,
                           int algorithmType)
```
    该函数实现不同的单幅图像修复算法。详见原始论文 CITE: He2012 (Shiftmap) 或 CITE: GenserPCS2018 以及 CITE: SeilerTIP2015 (FSR)。
    参数
    
    src - 源图像
    
    #INPAINT_SHIFTMAP：可以是任何类型和 1 到 4 个通道。对于 3 通道和 4 通道图像，该函数要求它们在 CIELab 或类似的颜色空间中，其中第一个颜色分量表示亮度，第二和第三个表示颜色。尽管如此，你也可以尝试任何颜色空间。
    
    #INPAINT_FSR_BEST 或 #INPAINT_FSR_FAST：1 通道灰度图或 3 通道 BGR 图像。
    
    mask - 掩码 (#CV_8UC1)，非零像素表示有效图像区域，零像素表示需要修复的区域
    
    dst - 目标图像
    
    algorithmType - 参见 xphoto::InpaintTypes
  - 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)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 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 窗参数。使用 Kaiser 窗是为了减少边界效应。若要禁用该窗口，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。可选变体有：步骤 1、步骤 2、两个步骤。
    
    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。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：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)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 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 窗参数。使用 Kaiser 窗是为了减少边界效应。若要禁用该窗口，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。可选变体有：步骤 1、步骤 2、两个步骤。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：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)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 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 窗参数。使用 Kaiser 窗是为了减少边界效应。若要禁用该窗口，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。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：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)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 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 窗参数。使用 Kaiser 窗是为了减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：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)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 组的最大大小。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。即两个块被视为相似的最大距离。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h,
                                 int templateWindowSize)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。性能呈线性影响：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。即两个块被视为相似的最大距离。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2,
                                 float h)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。应为 2 的幂。性能呈线性影响：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dstStep1,
                                 Mat dstStep2)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dstStep1 - BM3D 第一步的输出图像，与 src 大小和类型相同。
    
    dstStep2 - BM3D 第二步的输出图像，与 src 大小和类型相同。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。应为 2 的幂。性能呈线性影响：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：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,
                                 int transformType)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 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 窗参数。使用 Kaiser 窗是为了减少边界效应。若要禁用该窗口，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。仅允许使用 BM3D_STEP1 和 BM3D_STEPALL。由于需要基本估计，不允许使用 BM3D_STEP2。
    
    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。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：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)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 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 窗参数。使用 Kaiser 窗是为了减少边界效应。若要禁用该窗口，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。仅允许使用 BM3D_STEP1 和 BM3D_STEPALL。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：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)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 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 窗参数。使用 Kaiser 窗是为了减少边界效应。若要禁用该窗口，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。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：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)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 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 窗参数。使用 Kaiser 窗是为了减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize,
                                 int slidingStep)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 组的最大大小。
    
    slidingStep - 处理每个下一个参考块的滑动步长。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2,
                                 int groupSize)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。
    
    groupSize - 用于协作滤波的 3D 组的最大大小。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1,
                                 int blockMatchingStep2)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数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。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize,
                                 int blockMatchingStep1)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。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。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize,
                                 int searchWindowSize)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。
    
    searchWindowSize - 用于执行块匹配的窗口大小（以像素为单位）。性能呈线性影响：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h,
                                 int templateWindowSize)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。
    
    templateWindowSize - 用于块匹配的模板补丁的大小（以像素为单位）。应为 2 的幂。性能呈线性影响：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst,
                                 float h)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。
    
    h - 调节滤波强度的参数。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。应为 2 的幂。性能呈线性影响：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - bm3dDenoising
```
public static void bm3dDenoising(Mat src,
                                 Mat dst)
```
    使用三维块匹配滤波算法（Block-Matching and 3D-filtering algorithm <http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf>）进行图像去噪，包含多项计算优化。噪声预期为高斯白噪声。
    
    参数
    
    src - 输入 8 位或 16 位单通道图像。
    
    dst - 与 src 大小和类型相同的输出图像。较大的 h 值能完美去除噪声但也去除了图像细节，较小的 h 值保留细节但也保留了一些噪声。应为 2 的幂。性能呈线性影响：searchWindowSize 越大，去噪时间越长。必须大于 templateWindowSize。数值以欧几里得距离表示。Kaiser 窗用于减少边界效应。若要禁用该窗口，请将 beta 设置为零，但结果更准确。由于需要基本估计，不允许使用 BM3D_STEP2。目前仅支持 Haar 变换。此函数预期应用于灰度图像。该函数的高级用法可以是在不同颜色空间中手动对彩色图像进行去噪。参见：fastNlMeansDenoising
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand(float gamma,
                                                float contrast,
                                                float saturation,
                                                float sigma_color,
                                                float sigma_space)
```
    创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。使用风险自担。
    
    参数
    
    gamma - 用于伽马校正的伽马值。参见 createTonemap
    
    contrast - 对数刻度上的结果对比度，即 log(max / min)，其中 max 和 min 是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。参见 createTonemapDrago
    
    sigma_color - 颜色空间中的双边滤波 sigma
    
    sigma_space - 坐标空间中的双边滤波 sigma
    
    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。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。使用风险自担。
    
    参数
    
    gamma - 用于伽马校正的伽马值。参见 createTonemap
    
    contrast - 对数刻度上的结果对比度，即 log(max / min)，其中 max 和 min 是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。参见 createTonemapDrago
    
    sigma_color - 颜色空间中的双边滤波 sigma
    
    返回
    
    自动生成
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand(float gamma,
                                                float contrast,
                                                float saturation)
```
    创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。使用风险自担。
    
    参数
    
    gamma - 用于伽马校正的伽马值。参见 createTonemap
    
    contrast - 对数刻度上的结果对比度，即 log(max / min)，其中 max 和 min 是结果图像的最大和最小亮度值。
    
    saturation - 饱和度增强值。参见 createTonemapDrago
    
    返回
    
    自动生成
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand(float gamma,
                                                float contrast)
```
    创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。使用风险自担。
    
    参数
    
    gamma - 用于伽马校正的伽马值。参见 createTonemap
    
    contrast - 对数刻度上的结果对比度，即 log(max / min)，其中 max 和 min 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。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。使用风险自担。
    
    参数
    
    gamma - 用于伽马校正的伽马值。参见 createTonemap 结果图像的最大和最小亮度值。
    
    返回
    
    自动生成
  - createTonemapDurand
```
public static TonemapDurand createTonemapDurand()
```
    创建 TonemapDurand 对象。你需要在 cmake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用这些功能。使用风险自担。结果图像的最大和最小亮度值。
    
    返回
    
    自动生成
  - oilPainting
```
public static void oilPainting(Mat src,
                               Mat dst,
                               int size,
                               int dynRatio,
                               int code)
```
    油画效果。详情请参阅书籍 CITE: Holzmann1988。
    
    参数
    
    src - 输入三通道或单通道图像（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除以 dynRatio
    
    code - 自动生成
  - oilPainting
```
public static void oilPainting(Mat src,
                               Mat dst,
                               int size,
                               int dynRatio)
```
    油画效果。详情请参阅书籍 CITE: Holzmann1988。
    
    参数
    
    src - 输入三通道或单通道图像（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除以 dynRatio

类 Xphoto

字段摘要

构造函数摘要

方法摘要

从类 java.lang.Object 继承的方法

字段详情

BM3D_STEPALL

BM3D_STEP1

BM3D_STEP2

INPAINT_SHIFTMAP

INPAINT_FSR_BEST

INPAINT_FSR_FAST

HAAR

构造函数详情

Xphoto

方法详情

createSimpleWB

createGrayworldWB

createLearningBasedWB

createLearningBasedWB

applyChannelGains

dctDenoising

dctDenoising

inpaint

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

bm3dDenoising

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

createTonemapDurand

oilPainting

oilPainting