本文参考Opencv官网,以及自身理解,进行了相关整理
Opencv xphoto reference
该包主要是针对于白平衡操作的包,白平衡主要是为了使图像整体的色温有一定的调整。
白平衡与色温紧密相关,不同色温光源下图像会呈现不同程度的偏色,对这些偏色的调整就是白平衡所需要做的工作
xphoto是一个white balance namespace,opencv自带了三种白平衡的算法,下面一个个进行测试
在网上找了一张图试着测试下
cv::Mat sim_mat;
cv::Ptr<SimpleWB> sim_wb = createSimpleWB();
sim_wb->balanceWhite(img, sim_mat);
cv::imshow("simple wb", sim_mat);
printf("simple wb default p is : %f, output min : %f, output max : %f\n", sim_wb->getP(),
sim_wb->getOutputMin(), sim_wb->getOutputMax());
cv::Mat gray_mat;
cv::Ptr<GrayworldWB> gray_wb = createGrayworldWB();
gray_wb->balanceWhite(img, gray_mat);
cv::imshow("gray wb", gray_mat);
printf("gray wb default saturation threshold is : %f\n", gray_wb->getSaturationThreshold());
cv::Ptr<LearningBasedWB> wb = createLearningBasedWB();
cv::Mat wb_mat;
wb->balanceWhite(img, wb_mat);
cv::imshow("learning white balance", wb_mat);
cv::Mat gains;
applyChannelGains(img, gains, 1.5, 0.5, 0.3);
cv::imshow("gains test", gains);
simple whitebalance
A simple white balance algorithm that works by independently stretching each of the input image channels to the specified range. For increased robustness it ignores the top and bottom p% of pixel values.
这个比较好理解,就是将图像的各通道延展到指定的范围中,可以通过忽略p%的像素值来提高稳定性。
Grayworld whitebalance
官网中给出的解释
灰度世界白平衡是基于各像素通道进行平均,并利用一个基于饱和度值的阈值,对于那些低于阈值的像素点进行像素平均值计算。像素点的饱和度计算的公式就是上图中的公式。
默认值可以通过接口
xphoto::GrayworldWB::getSaturationThreshold
xphoto::GrayworldWB::setSaturationThreshold
获取/修改,默认为0.9
learning base whitebalance 结果
先对于原有图像的色度进行了归一化
得到r和g的色度值
主要靠提取出四种特征:
- 平均色度
- 最亮的色度
- 主要色度(直方图计算得到)
- 通过调色板和直方图找出的一个高于像素个数阈值的色度模式(参考文献中用的是200)
以及回归决策树模型(多组决策树,并利用上述特征分别计算得到结果)平均得到的r和g的一个数值,最后利用这个数值进行白平衡
applyChannelGains 图像各通道增益控制
这里图像各通道增益控制,是opencv给白平衡操作中常用的增益调控方法,增益调控B、G、R三通道的增益,上面例子代码中的调用增强了蓝色通道的增益,得到结果
bm3dDenoising()
BM3D(Block-Matching and 3D filtering)
图像去噪算法,处理时间较长,算法原理在此挖坑。
对于cv::xphoto::TonemapDurand这一部分
可以参考
https://www.zcfy.cc/article/high-dynamic-range-imaging-using-opencv-cpp-python