詳細説明

クラス
class	cv::xphoto::GrayworldWB
	グレーワールド・ホワイトバランスアルゴリズム。詳細...

class	cv::xphoto::LearningBasedWB
	より高度な学習ベースの自動ホワイトバランスアルゴリズム。詳細...

class	cv::xphoto::SimpleWB
	入力画像の各チャンネルを指定した範囲へ独立に引き伸ばすことで動作する単純なホワイトバランスアルゴリズム。ロバスト性を高めるため、ピクセル値の上位および下位 \(p\%\) を無視する。詳細...

class	cv::xphoto::TonemapDurand
	このアルゴリズムは、バイラテラルフィルタを使って画像をベースレイヤと詳細レイヤの2つのレイヤに分解し、ベースレイヤのコントラストを圧縮することで、すべての詳細を保持する。詳細...

class	cv::xphoto::WhiteBalancer
	自動ホワイトバランスアルゴリズムの基底クラス。詳細...

列挙型
enum	cv::xphoto::Bm3dSteps { cv::xphoto::BM3D_STEPALL = 0 , cv::xphoto::BM3D_STEP1 = 1 , cv::xphoto::BM3D_STEP2 = 2 }
	BM3Dアルゴリズムのステップ。続きを読む...

enum	cv::xphoto::InpaintTypes { cv::xphoto::INPAINT_SHIFTMAP = 0 , cv::xphoto::INPAINT_FSR_BEST = 1 , cv::xphoto::INPAINT_FSR_FAST = 2 }
	各種の修復アルゴリズム。続きを読む...

enum	cv::xphoto::TransformTypes { cv::xphoto::HAAR = 0 }
	BM3Dの変換の種類。続きを読む...

関数
void	cv::xphoto::applyChannelGains (InputArray src, OutputArray dst, float gainB, float gainG, float gainR)
	複数のホワイトバランスアルゴリズムの最終ステップである、チャンネルゲインの適用を効率的に行う固定小数点近似を実装する。

void	cv::xphoto::bm3dDenoising (InputArray src, InputOutputArray dstStep1, OutputArray dstStep2, float h=1, int templateWindowSize=4, int searchWindowSize=16, int blockMatchingStep1=2500, int blockMatchingStep2=400, int groupSize=8, int slidingStep=1, float beta=2.0f, int normType=cv::NORM_L2, int step=cv::xphoto::BM3D_STEPALL, int transformType=cv::xphoto::HAAR)
	ブロックマッチングと3次元フィルタリング(Block-Matching and 3D-filtering)アルゴリズム http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf を用い、いくつかの計算上の最適化を加えて画像のノイズ除去を行う。ノイズはガウシアンホワイトノイズを想定している。

void	cv::xphoto::bm3dDenoising (InputArray src, OutputArray dst, float h=1, int templateWindowSize=4, int searchWindowSize=16, int blockMatchingStep1=2500, int blockMatchingStep2=400, int groupSize=8, int slidingStep=1, float beta=2.0f, int normType=cv::NORM_L2, int step=cv::xphoto::BM3D_STEPALL, int transformType=cv::xphoto::HAAR)
	ブロックマッチングと3次元フィルタリング(Block-Matching and 3D-filtering)アルゴリズム http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf を用い、いくつかの計算上の最適化を加えて画像のノイズ除去を行う。ノイズはガウシアンホワイトノイズを想定している。

Ptr< GrayworldWB >	cv::xphoto::createGrayworldWB ()
	GrayworldWB のインスタンスを生成する。

Ptr< LearningBasedWB >	cv::xphoto::createLearningBasedWB (const String &path_to_model=String())
	LearningBasedWB のインスタンスを生成する。

Ptr< SimpleWB >	cv::xphoto::createSimpleWB ()
	SimpleWB のインスタンスを生成する。

Ptr< TonemapDurand >	cv::xphoto::createTonemapDurand (float gamma=1.0f, float contrast=4.0f, float saturation=1.0f, float sigma_color=2.0f, float sigma_space=2.0f)
	TonemapDurandオブジェクトを生成する。

void	cv::xphoto::dctDenoising (const Mat &src, Mat &dst, const double sigma, const int psize=16)
	この関数は、DCTベースの単純なノイズ除去を実装する。

virtual float	cv::xphoto::TonemapDurand::getContrast () const =0

virtual float	cv::xphoto::TonemapDurand::getSaturation () const =0

virtual float	cv::xphoto::TonemapDurand::getSigmaColor () const =0

virtual float	cv::xphoto::TonemapDurand::getSigmaSpace () const =0

void	cv::xphoto::inpaint (const Mat &src, const Mat &mask, Mat &dst, const int algorithmType)
	この関数は、単一画像に対する複数の異なるインペインティングアルゴリズムを実装している。

void	cv::xphoto::oilPainting (InputArray src, OutputArray dst, int size, int dynRatio)
	oilPainting 詳細は書籍 [48] を参照のこと。

void	cv::xphoto::oilPainting (InputArray src, OutputArray dst, int size, int dynRatio, int code)
	oilPainting 詳細は書籍 [48] を参照のこと。

virtual void	cv::xphoto::TonemapDurand::setContrast (float contrast)=0

virtual void	cv::xphoto::TonemapDurand::setSaturation (float saturation)=0

virtual void	cv::xphoto::TonemapDurand::setSigmaColor (float sigma_color)=0

virtual void	cv::xphoto::TonemapDurand::setSigmaSpace (float sigma_space)=0

列挙型詳解

◆ Bm3dSteps

enum cv::xphoto::Bm3dSteps

#include <opencv2/xphoto/bm3d_image_denoising.hpp>

BM3Dアルゴリズムのステップ。

列挙値
BM3D_STEPALL Python: cv.xphoto.BM3D_STEPALL	アルゴリズムのすべてのステップを実行する
BM3D_STEP1 Python: cv.xphoto.BM3D_STEP1	アルゴリズムの第1ステップのみを実行する
BM3D_STEP2 Python: cv.xphoto.BM3D_STEP2	アルゴリズムの第2ステップのみを実行する

◆ InpaintTypes

enum cv::xphoto::InpaintTypes

#include <opencv2/xphoto/inpainting.hpp>

各種の修復アルゴリズム。

参照: inpaint

列挙値

INPAINT_SHIFTMAP

Python: cv.xphoto.INPAINT_SHIFTMAP

このアルゴリズムは画像パッチの支配的な対応関係（変換）を探索し、その変換を用いて修復対象の領域をシームレスに埋めることを試みる

INPAINT_FSR_BEST

Python: cv.xphoto.INPAINT_FSR_BEST

周波数選択的再構成 (Frequency Selective Reconstruction, FSR) を実行する。再構成に使える時間に応じて、BESTとFASTの2つの品質プロファイルのいずれかを選択できる。詳細は [106] および [243] を参照。

本アルゴリズムは以下の応用分野で利用できる。

誤り補償（修復）。サンプリングマスクは、再構成すべき劣化した入力画像の欠損ピクセルを示す。
非正則サンプリング。良いサンプリングマスクの選び方の詳細については、[115] および [114] を参照。

1チャンネルのグレースケールまたは3チャンネルのBGR画像が受け付けられる。

慣例的に受け付けられる範囲:

CV_8U の場合は 0-255
CV_16U の場合は 0-65535
CV_32F/CV_64F の場合は 0-1。

INPAINT_FSR_FAST

Python: cv.xphoto.INPAINT_FSR_FAST

INPAINT_FSR_BEST を参照。

◆ TransformTypes

enum cv::xphoto::TransformTypes

#include <opencv2/xphoto/bm3d_image_denoising.hpp>

BM3Dの変換の種類。

列挙値
HAAR Python: cv.xphoto.HAAR	非正規化Haar変換

関数詳解

◆ applyChannelGains()

void cv::xphoto::applyChannelGains	(	InputArray	src,
		OutputArray	dst,
		float	gainB,
		float	gainG,
		float	gainR )

Python:
	cv.xphoto.applyChannelGains(	src, gainB, gainG, gainR[, dst]	) ->	dst

#include <opencv2/xphoto/white_balance.hpp>

チャンネルゲインを適用するための効率的な固定小数点近似を実装する。これは複数のホワイトバランスアルゴリズムの最終ステップである。

引数

src	BGR色空間の3チャンネル入力画像 (CV_8UC3 または CV_16UC3)
dst	src と同じサイズ・型の出力画像。
gainB	Bチャンネルのゲイン
gainG	Gチャンネルのゲイン
gainR	Rチャンネルのゲイン

◆ bm3dDenoising() [1/2]

void cv::xphoto::bm3dDenoising	(	InputArray	src,
		InputOutputArray	dstStep1,
		OutputArray	dstStep2,
		float	h = 1,
		int	templateWindowSize = 4,
		int	searchWindowSize = 16,
		int	blockMatchingStep1 = 2500,
		int	blockMatchingStep2 = 400,
		int	groupSize = 8,
		int	slidingStep = 1,
		float	beta = 2.0f,
		int	normType = cv::NORM_L2,
		int	step = cv::xphoto::BM3D_STEPALL,
		int	transformType = cv::xphoto::HAAR )

Python:
	cv.xphoto.bm3dDenoising(	src, dstStep1[, dstStep2[, h[, templateWindowSize[, searchWindowSize[, blockMatchingStep1[, blockMatchingStep2[, groupSize[, slidingStep[, beta[, normType[, step[, transformType]]]]]]]]]]]]	) ->	dstStep1, dstStep2
	cv.xphoto.bm3dDenoising(	src[, dst[, h[, templateWindowSize[, searchWindowSize[, blockMatchingStep1[, blockMatchingStep2[, groupSize[, slidingStep[, beta[, normType[, step[, transformType]]]]]]]]]]]]	) ->	dst

#include <opencv2/xphoto/bm3d_image_denoising.hpp>

ブロックマッチングと3Dフィルタリング (BM3D) アルゴリズム http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf をいくつかの計算上の最適化とともに用いて画像のノイズ除去を行う。ノイズはガウスホワイトノイズであることを想定している。

引数

src	8ビットまたは16ビットの1チャンネル入力画像。
dstStep1	BM3Dの第1ステップの出力画像。src と同じサイズ・型。
dstStep2	BM3Dの第2ステップの出力画像。src と同じサイズ・型。
h	フィルタの強度を調整する引数。h を大きくするとノイズを完全に除去できるが画像の細部も失われ、h を小さくすると細部は保たれるが一部のノイズも残る。
templateWindowSize	ブロックマッチングに用いるテンプレートパッチのサイズ（ピクセル単位）。2のべき乗である必要がある。
searchWindowSize	ブロックマッチングを行うウィンドウのサイズ（ピクセル単位）。性能に線形に影響し、searchWindowsSize が大きいほどノイズ除去に時間がかかる。templateWindowSize より大きくする必要がある。
blockMatchingStep1	BM3Dの第1ステップ（ハードしきい値処理）でのブロックマッチングのしきい値。すなわち、2つのブロックを類似とみなす最大距離。値はユークリッド距離で表す。
blockMatchingStep2	BM3Dの第2ステップ（ウィーナーフィルタリング）でのブロックマッチングのしきい値。すなわち、2つのブロックを類似とみなす最大距離。値はユークリッド距離で表す。
groupSize	協調フィルタリングにおける3Dグループの最大サイズ。
slidingStep	次の参照ブロックを処理するためのスライドステップ。
beta	ウィンドウ変換のサイドローブ減衰に影響するKaiserウィンドウの引数。Kaiserウィンドウは境界の影響を軽減するために使用される。ウィンドウの使用を無効にするには beta を0に設定する。
normType	ブロック間の距離を計算するために使用するノルム。L2 は L1 より遅いが、より精度の高い結果が得られる。
step	実行するBM3Dのステップ。指定できるのは、ステップ1、ステップ2、両方のステップである。
transformType	協調フィルタリングのステップで使用する直交変換の種類。現在はHaar変換のみがサポートされている。

この関数はグレースケール画像に適用されることを想定している。本関数の高度な使い方として、さまざまな色空間でのカラー画像の手動ノイズ除去が挙げられる。

参照: fastNlMeansDenoising

◆ bm3dDenoising() [2/2]

void cv::xphoto::bm3dDenoising	(	InputArray	src,
		OutputArray	dst,
		float	h = 1,
		int	templateWindowSize = 4,
		int	searchWindowSize = 16,
		int	blockMatchingStep1 = 2500,
		int	blockMatchingStep2 = 400,
		int	groupSize = 8,
		int	slidingStep = 1,
		float	beta = 2.0f,
		int	normType = cv::NORM_L2,
		int	step = cv::xphoto::BM3D_STEPALL,
		int	transformType = cv::xphoto::HAAR )

Python:
	cv.xphoto.bm3dDenoising(	src, dstStep1[, dstStep2[, h[, templateWindowSize[, searchWindowSize[, blockMatchingStep1[, blockMatchingStep2[, groupSize[, slidingStep[, beta[, normType[, step[, transformType]]]]]]]]]]]]	) ->	dstStep1, dstStep2
	cv.xphoto.bm3dDenoising(	src[, dst[, h[, templateWindowSize[, searchWindowSize[, blockMatchingStep1[, blockMatchingStep2[, groupSize[, slidingStep[, beta[, normType[, step[, transformType]]]]]]]]]]]]	) ->	dst

#include <opencv2/xphoto/bm3d_image_denoising.hpp>

ブロックマッチングと3Dフィルタリング (BM3D) アルゴリズム http://www.cs.tut.fi/~foi/GCF-BM3D/BM3D_TIP_2007.pdf をいくつかの計算上の最適化とともに用いて画像のノイズ除去を行う。ノイズはガウスホワイトノイズであることを想定している。

引数

src	8ビットまたは16ビットの1チャンネル入力画像。
dst	src と同じサイズ・型の出力画像。
h	フィルタの強度を調整する引数。h を大きくするとノイズを完全に除去できるが画像の細部も失われ、h を小さくすると細部は保たれるが一部のノイズも残る。
templateWindowSize	ブロックマッチングに用いるテンプレートパッチのサイズ（ピクセル単位）。2のべき乗である必要がある。
searchWindowSize	ブロックマッチングを行うウィンドウのサイズ（ピクセル単位）。性能に線形に影響し、searchWindowsSize が大きいほどノイズ除去に時間がかかる。templateWindowSize より大きくする必要がある。
blockMatchingStep1	BM3Dの第1ステップ（ハードしきい値処理）でのブロックマッチングのしきい値。すなわち、2つのブロックを類似とみなす最大距離。値はユークリッド距離で表す。
blockMatchingStep2	BM3Dの第2ステップ（ウィーナーフィルタリング）でのブロックマッチングのしきい値。すなわち、2つのブロックを類似とみなす最大距離。値はユークリッド距離で表す。
groupSize	協調フィルタリングにおける3Dグループの最大サイズ。
slidingStep	次の参照ブロックを処理するためのスライドステップ。
beta	ウィンドウ変換のサイドローブ減衰に影響するKaiserウィンドウの引数。Kaiserウィンドウは境界の影響を軽減するために使用される。ウィンドウの使用を無効にするには beta を0に設定する。
normType	ブロック間の距離を計算するために使用するノルム。L2 は L1 より遅いが、より精度の高い結果が得られる。
step	実行するBM3Dのステップ。BM3D_STEP1 と BM3D_STEPALL のみが許可される。BM3D_STEP2 は基本推定値が存在することを必要とするため許可されない。
transformType	協調フィルタリングのステップで使用する直交変換の種類。現在はHaar変換のみがサポートされている。

この関数はグレースケール画像に適用されることを想定している。本関数の高度な使い方として、さまざまな色空間でのカラー画像の手動ノイズ除去が挙げられる。

参照: fastNlMeansDenoising

◆ createGrayworldWB()

Ptr< GrayworldWB > cv::xphoto::createGrayworldWB ( )

Python:
	cv.xphoto.createGrayworldWB(		) ->	retval

#include <opencv2/xphoto/white_balance.hpp>

GrayworldWB のインスタンスを生成する。

◆ createLearningBasedWB()

Ptr< LearningBasedWB > cv::xphoto::createLearningBasedWB ( const String & path_to_model = String() )

Python:
	cv.xphoto.createLearningBasedWB(	[, path_to_model]	) ->	retval

#include <opencv2/xphoto/white_balance.hpp>

LearningBasedWB のインスタンスを生成する。

引数

path_to_model モデルを記述した .yml ファイルへのパス。指定しない場合はデフォルトのモデルが使用される

◆ createSimpleWB()

Ptr< SimpleWB > cv::xphoto::createSimpleWB ( )

Python:
	cv.xphoto.createSimpleWB(		) ->	retval

#include <opencv2/xphoto/white_balance.hpp>

SimpleWB のインスタンスを生成する。

◆ createTonemapDurand()

Ptr< TonemapDurand > cv::xphoto::createTonemapDurand	(	float	gamma = 1.0f,
		float	contrast = 4.0f,
		float	saturation = 1.0f,
		float	sigma_color = 2.0f,
		float	sigma_space = 2.0f )

Python:
	cv.xphoto.createTonemapDurand(	[, gamma[, contrast[, saturation[, sigma_color[, sigma_space]]]]]	) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

TonemapDurand オブジェクトを生成する。

これらを使用するには cmake で OPENCV_ENABLE_NONFREE オプションを設定する必要がある。使用は自己責任で行うこと。

引数

gamma	ガンマ補正用のガンマ値。createTonemap を参照。
contrast	対数スケールでの結果のコントラスト。すなわち log(max / min)。ここで max と min は結果画像の最大および最小の輝度値である。
saturation	彩度強調値。createTonemapDrago を参照。
sigma_color	色空間におけるバイラテラルフィルタのシグマ
sigma_space	座標空間におけるバイラテラルフィルタのシグマ

◆ dctDenoising()

void cv::xphoto::dctDenoising	(	const Mat &	src,
		Mat &	dst,
		const double	sigma,
		const int	psize = 16 )

Python:
	cv.xphoto.dctDenoising(	src, dst, sigma[, psize]	) ->	None

#include <opencv2/xphoto/dct_image_denoising.hpp>

この関数はdctベースの単純なノイズ除去を実装する。

http://www.ipol.im/pub/art/2011/ys-dct/。

引数

src	入力画像
dst	出力画像
sigma	想定されるノイズの標準偏差
psize	dctを計算するブロックの一辺のサイズ

参照: fastNlMeansDenoising

◆ getContrast()

virtual float cv::xphoto::TonemapDurand::getContrast ( ) const

pure virtual

Python:
	cv.xphoto.TonemapDurand.getContrast(		) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

◆ getSaturation()

virtual float cv::xphoto::TonemapDurand::getSaturation ( ) const

pure virtual

Python:
	cv.xphoto.TonemapDurand.getSaturation(		) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

◆ getSigmaColor()

virtual float cv::xphoto::TonemapDurand::getSigmaColor ( ) const

pure virtual

Python:
	cv.xphoto.TonemapDurand.getSigmaColor(		) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

◆ getSigmaSpace()

virtual float cv::xphoto::TonemapDurand::getSigmaSpace ( ) const

pure virtual

Python:
	cv.xphoto.TonemapDurand.getSigmaSpace(		) ->	retval

#include <opencv2/xphoto/tonemap.hpp>

◆ inpaint()

void cv::xphoto::inpaint	(	const Mat &	src,
		const Mat &	mask,
		Mat &	dst,
		const int	algorithmType )

Python:
	cv.xphoto.inpaint(	src, mask, dst, algorithmType	) ->	None

#include <opencv2/xphoto/inpainting.hpp>

この関数はさまざまな単一画像の修復アルゴリズムを実装する。

詳細は元論文 [122] (Shiftmap) または [106] および [243] (FSR) を参照。

引数

src	入力画像 INPAINT_SHIFTMAP: 任意の型で、1から4までの任意のチャンネル数でよい。3チャンネルおよび4チャンネルの画像の場合、本関数は最初の色成分が輝度を、2番目と3番目の成分が色を表すCIELabまたは類似の色空間であることを想定する。ただし、任意の色空間を試してもよい。 INPAINT_FSR_BEST または INPAINT_FSR_FAST: 1チャンネルのグレースケールまたは3チャンネルのBGR画像。
mask	マスク (CV_8UC1)。非ゼロのピクセルは有効な画像領域を示し、ゼロのピクセルは修復対象の領域を示す
dst	出力画像
algorithmType	xphoto::InpaintTypes を参照

◆ oilPainting() [1/2]

void cv::xphoto::oilPainting	(	InputArray	src,
		OutputArray	dst,
		int	size,
		int	dynRatio )

Python:
	cv.xphoto.oilPainting(	src, size, dynRatio, code[, dst]	) ->	dst
	cv.xphoto.oilPainting(	src, size, dynRatio[, dst]	) ->	dst

#include <opencv2/xphoto/oilpainting.hpp>

oilPainting 詳細は書籍 [48] を参照。

引数

src	3チャンネルまたは1チャンネルの入力画像 (CV_8UC3 または CV_8UC1)
dst	src と同じサイズ・型の出力画像。
size	近傍サイズは 2-size+1 である
dynRatio	ヒストグラム処理の前に画像を dynRatio で除算する

◆ oilPainting() [2/2]

void cv::xphoto::oilPainting	(	InputArray	src,
		OutputArray	dst,
		int	size,
		int	dynRatio,
		int	code )

Python:
	cv.xphoto.oilPainting(	src, size, dynRatio, code[, dst]	) ->	dst
	cv.xphoto.oilPainting(	src, size, dynRatio[, dst]	) ->	dst

#include <opencv2/xphoto/oilpainting.hpp>

oilPainting 詳細は書籍 [48] を参照。

引数

src	3チャンネルまたは1チャンネルの入力画像 (CV_8UC3 または CV_8UC1)
dst	src と同じサイズ・型の出力画像。
size	近傍サイズは 2-size+1 である
dynRatio	ヒストグラム処理の前に画像を dynRatio で除算する
code	色空間変換コード (ColorConversionCodes を参照)。ヒストグラムには最初のプレーンのみが使用される

◆ setContrast()

virtual void cv::xphoto::TonemapDurand::setContrast ( float contrast )

pure virtual

Python:
	cv.xphoto.TonemapDurand.setContrast(	contrast	) ->	None

#include <opencv2/xphoto/tonemap.hpp>

◆ setSaturation()

virtual void cv::xphoto::TonemapDurand::setSaturation ( float saturation )

pure virtual

Python:
	cv.xphoto.TonemapDurand.setSaturation(	saturation	) ->	None

#include <opencv2/xphoto/tonemap.hpp>

◆ setSigmaColor()

virtual void cv::xphoto::TonemapDurand::setSigmaColor ( float sigma_color )

pure virtual

Python:
	cv.xphoto.TonemapDurand.setSigmaColor(	sigma_color	) ->	None

#include <opencv2/xphoto/tonemap.hpp>

◆ setSigmaSpace()

virtual void cv::xphoto::TonemapDurand::setSigmaSpace ( float sigma_space )

pure virtual

Python:
	cv.xphoto.TonemapDurand.setSigmaSpace(	sigma_space	) ->	None

#include <opencv2/xphoto/tonemap.hpp>

詳細説明

クラス

列挙型

関数

列挙型詳解

◆ Bm3dSteps

◆ InpaintTypes

◆ TransformTypes

関数詳解

◆ applyChannelGains()

◆ bm3dDenoising() [1/2]

◆ bm3dDenoising() [2/2]

◆ createGrayworldWB()

◆ createLearningBasedWB()

◆ createSimpleWB()

◆ createTonemapDurand()

◆ dctDenoising()

◆ getContrast()

◆ getSaturation()

◆ getSigmaColor()

◆ getSigmaSpace()

◆ inpaint()

◆ oilPainting() [1/2]

◆ oilPainting() [2/2]

◆ setContrast()

◆ setSaturation()

◆ setSigmaColor()

◆ setSigmaSpace()