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
Wendy144115 分钟前
【灰度实验】——图像预处理(OpenCV)
人工智能·opencv·计算机视觉
中杯可乐多加冰26 分钟前
五大低代码平台横向深度测评:smardaten 2.0领衔AI原型设计
人工智能
无线图像传输研究探索37 分钟前
单兵图传终端:移动场景中的 “实时感知神经”
网络·人工智能·5g·无线图传·5g单兵图传
zzywxc7872 小时前
AI在编程、测试、数据分析等领域的前沿应用(技术报告)
人工智能·深度学习·机器学习·数据挖掘·数据分析·自动化·ai编程
铭keny2 小时前
YOLOv8 基于RTSP流目标检测
人工智能·yolo·目标检测
墨尘游子2 小时前
11-大语言模型—Transformer 盖楼,BERT 装修,RoBERTa 直接 “拎包入住”|预训练白话指南
人工智能·语言模型·自然语言处理
金井PRATHAMA2 小时前
主要分布于内侧内嗅皮层的层Ⅲ的网格-速度联合细胞(Grid × Speed Conjunctive Cells)对NLP中的深层语义分析的积极影响和启示
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理·知识图谱
天道哥哥3 小时前
InsightFace(RetinaFace + ArcFace)人脸识别项目(预训练模型,鲁棒性很好)
人工智能·目标检测
幻风_huanfeng3 小时前
学习人工智能所需知识体系及路径详解
人工智能·学习
云道轩3 小时前
使用Docker在Rocky Linux 9.5上在线部署LangFlow
linux·人工智能·docker·容器·langflow