OpenCV计算摄影学(12)色调映射(Tone Mapping)的一个类cv::TonemapMantiuk

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::TonemapMantiuk 是 OpenCV 库中用于实现色调映射(Tone Mapping)的一个类,它基于 Mantiuk 等人提出的算法。色调映射是将高动态范围(HDR)图像转换为低动态范围(LDR)图像的过程,使得结果可以在常规显示器上显示。Mantiuk 的方法是一种流行的全局色调映射算子,旨在保留原始场景中的对比度和颜色信息,同时适应显示器的亮度范围。

主要特点

  • 全局操作:该算法不考虑图像的局部特性,而是对整个图像应用相同的变换。
  • 参数调整:用户可以通过调整几个关键参数来控制输出图像的视觉效果,包括伽马校正、饱和度增强和对比度比例因子等。

主要成员函数

  • process():这是主要的功能函数,接收一个或多个 HDR 图像,并返回经过色调映射处理后的 LDR 图像。此函数通常需要与 cv::MergeDebevec 或其他 HDR 合并技术结合使用。

  • getGamma() / setGamma(float gamma):获取/设置伽马值,用于调整图像的亮度分布。

  • getScale() / setScale(float scale):获取/设置对比度缩放因子,影响最终图像的对比度水平。

  • getSaturation() / setSaturation(float saturation):获取/设置饱和度增强因子,用于控制色彩的鲜艳程度。

代码示例

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <opencv2/photo.hpp>
using namespace cv;

int main()
{
    // 假设已经有一个HDR图像"hdr_image"
    cv::Mat hdr_image = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hdr_image.hdr", cv::IMREAD_ANYDEPTH );

    if ( hdr_image.empty() )
    {
        std::cerr << "无法加载HDR图像!" << std::endl;
        return -1;
    }

    // 创建色调映射对象,并设置夸张的参数以增加视觉上的差异
    cv::Ptr< cv::TonemapMantiuk > tonemap = cv::createTonemapMantiuk( 1.5f, 4.0f, 3.0f );  // gamma, scale, saturation

    // 执行色调映射
    cv::Mat ldr_image;
    tonemap->process( hdr_image, ldr_image );

    // 将LDR图像强度归一化到[0, 255]范围
    double minVal, maxVal;
    cv::minMaxLoc( ldr_image, &minVal, &maxVal );                    // 获取色调映射后图像的最大最小值
    ldr_image = 255 * ( ldr_image - minVal ) / ( maxVal - minVal );  // 归一化到[0, 255]
    ldr_image.convertTo( ldr_image, CV_8U );

    // 显示结果或保存图像
    cv::Mat normalized_hdr_image;
    cv::minMaxLoc( hdr_image, &minVal, &maxVal );                        // 获取HDR图像的最大最小值
    hdr_image.convertTo( normalized_hdr_image, CV_8U, 255.0 / maxVal );  // 正规化显示HDR图像

    cv::imshow( "Original HDR Image", normalized_hdr_image );
    cv::imshow( "Tone Mapped LDR Image", ldr_image );
    cv::imwrite( "enhanced_ldr_image.jpg", ldr_image );

    cv::waitKey( 0 );
    cv::destroyAllWindows();

    return 0;
}

运行结果

相关推荐
ujainu2 分钟前
CANN仓库中的AIGC多模态统一抽象工程:昇腾AI软件栈如何用一套接口驾驭图文音视
人工智能·aigc
AC赳赳老秦7 分钟前
代码生成超越 GPT-4:DeepSeek-V4 编程任务实战与 2026 开发者效率提升指南
数据库·数据仓库·人工智能·科技·rabbitmq·memcache·deepseek
液态不合群9 分钟前
推荐算法中的位置消偏,如何解决?
人工智能·机器学习·推荐算法
饭饭大王66613 分钟前
当 AI 系统开始“自省”——在 `ops-transformer` 中嵌入元认知能力
人工智能·深度学习·transformer
ujainu13 分钟前
CANN仓库中的AIGC可移植性工程:昇腾AI软件栈如何实现“一次开发,多端部署”的跨生态兼容
人工智能·aigc
初恋叫萱萱15 分钟前
CANN 生态实战指南:从零构建一个高性能边缘 AI 应用的完整流程
人工智能
Lethehong18 分钟前
CANN ops-nn仓库深度解读:AIGC时代的神经网络算子优化实践
人工智能·神经网络·aigc
开开心心就好19 分钟前
AI人声伴奏分离工具,离线提取伴奏K歌用
java·linux·开发语言·网络·人工智能·电脑·blender
TechWJ19 分钟前
CANN ops-nn神经网络算子库技术剖析:NPU加速的基石
人工智能·深度学习·神经网络·cann·ops-nn
凌杰20 分钟前
AI 学习笔记:LLM 的部署与测试
人工智能