🤖 AIによる機械翻訳（非公式） — これは OpenCV 5.0.0 公式リファレンス（英語）を AI (Claude) で自動翻訳したものです。訳に誤りを含む場合があります。正確な情報は 公式英語版（原文） を参照してください。
Package org.opencv.photo

クラス Photo

  • public class Photo
extends java.lang.Object

    • コンストラクタの詳細

      • Photo

        public Photo()

    • メソッドの詳細

      • inpaint

        public static void inpaint​(Mat src,
                           Mat inpaintMask,
                           Mat dst,
                           double inpaintRadius,
                           int flags)
        Restores the selected region in an image using the region neighborhood.
        引数:
        src - 入力画像。8 ビット、16 ビット符号なし、または 32 ビット浮動小数点の 1 チャンネル画像、もしくは 8 ビットの 3 チャンネル画像。
        inpaintMask - インペイント用のマスク。8 ビット 1 チャンネル画像。非ゼロのピクセルがインペイントの対象となる領域を示す。
        dst - src と同じサイズ・型の出力画像。
        inpaintRadius - インペイントされる各点について、アルゴリズムが考慮する円形近傍の半径。
        flags - Inpainting method that could be cv::INPAINT_NS or cv::INPAINT_TELEA The function reconstructs the selected image area from the pixel near the area boundary. The function may be used to remove dust and scratches from a scanned photo, or to remove undesirable objects from still images or video. See <http://en.wikipedia.org/wiki/Inpainting> for more details. 覚え書き:
        • インペインティング技術を使用した例は opencv_source_code/samples/cpp/inpaint.cpp にある。
        • (Python) インペインティング技術を使用した例は opencv_source_code/samples/python/inpaint.py にある。

      • fastNlMeansDenoising

        public static void fastNlMeansDenoising​(Mat src,
                                        Mat dst,
                                        float h,
                                        int templateWindowSize,
                                        int searchWindowSize)
        Perform image denoising using Non-local Means Denoising algorithm <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational optimizations. Noise expected to be a gaussian white noise
        引数:
        src - 入力画像。8 ビットの 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。
        searchWindowSize - 指定したピクセルに対する加重平均の計算に使用するウィンドウのサイズ（ピクセル単位）。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。この関数はグレースケール画像への適用を想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の応用的な使い方として、異なる色空間でカラー画像を手動でノイズ除去することができる。fastNlMeansDenoisingColored ではこのアプローチを用い、画像を CIELAB 色空間に変換した後、L 成分と AB 成分を別々の h パラメータで個別にノイズ除去している。

      • fastNlMeansDenoising

        public static void fastNlMeansDenoising​(Mat src,
                                        Mat dst,
                                        float h,
                                        int templateWindowSize)
        Perform image denoising using Non-local Means Denoising algorithm <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational optimizations. Noise expected to be a gaussian white noise
        引数:
        src - 入力画像。8 ビットの 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。この関数はグレースケール画像への適用を想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の応用的な使い方として、異なる色空間でカラー画像を手動でノイズ除去することができる。fastNlMeansDenoisingColored ではこのアプローチを用い、画像を CIELAB 色空間に変換した後、L 成分と AB 成分を別々の h パラメータで個別にノイズ除去している。

      • fastNlMeansDenoising

        public static void fastNlMeansDenoising​(Mat src,
                                        Mat dst,
                                        float h)
        Perform image denoising using Non-local Means Denoising algorithm <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational optimizations. Noise expected to be a gaussian white noise
        引数:
        src - 入力画像。8 ビットの 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。この関数はグレースケール画像への適用を想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の応用的な使い方として、異なる色空間でカラー画像を手動でノイズ除去することができる。fastNlMeansDenoisingColored ではこのアプローチを用い、画像を CIELAB 色空間に変換した後、L 成分と AB 成分を別々の h パラメータで個別にノイズ除去している。

      • fastNlMeansDenoising

        public static void fastNlMeansDenoising​(Mat src,
                                        Mat dst)
        Perform image denoising using Non-local Means Denoising algorithm <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational optimizations. Noise expected to be a gaussian white noise
        引数:
        src - 入力画像。8 ビットの 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。この関数はグレースケール画像への適用を想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の応用的な使い方として、異なる色空間でカラー画像を手動でノイズ除去することができる。fastNlMeansDenoisingColored ではこのアプローチを用い、画像を CIELAB 色空間に変換した後、L 成分と AB 成分を別々の h パラメータで個別にノイズ除去している。

      • fastNlMeansDenoising

        public static void fastNlMeansDenoising​(Mat src,
                                        Mat dst,
                                        MatOfFloat h,
                                        int templateWindowSize,
                                        int searchWindowSize,
                                        int normType)
        Perform image denoising using Non-local Means Denoising algorithm <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational optimizations. Noise expected to be a gaussian white noise
        引数:
        src - 入力画像。8 ビットまたは 16 ビット（NORM_L1 の場合のみ）の 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。
        searchWindowSize - 指定したピクセルに対する加重平均の計算に使用するウィンドウのサイズ（ピクセル単位）。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータの配列。全チャンネルに適用する 1 つのパラメータ、または dst の各チャンネルに 1 つずつのパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。
        normType - 重みの計算に使用するノルムの種類。NORM_L2 または NORM_L1 のいずれか。この関数はグレースケール画像への適用を想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の応用的な使い方として、異なる色空間でカラー画像を手動でノイズ除去することができる。fastNlMeansDenoisingColored ではこのアプローチを用い、画像を CIELAB 色空間に変換した後、L 成分と AB 成分を別々の h パラメータで個別にノイズ除去している。

      • fastNlMeansDenoising

        public static void fastNlMeansDenoising​(Mat src,
                                        Mat dst,
                                        MatOfFloat h,
                                        int templateWindowSize,
                                        int searchWindowSize)
        Perform image denoising using Non-local Means Denoising algorithm <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational optimizations. Noise expected to be a gaussian white noise
        引数:
        src - 入力画像。8 ビットまたは 16 ビット（NORM_L1 の場合のみ）の 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。
        searchWindowSize - 指定したピクセルに対する加重平均の計算に使用するウィンドウのサイズ（ピクセル単位）。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータの配列。全チャンネルに適用する 1 つのパラメータ、または dst の各チャンネルに 1 つずつのパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。この関数はグレースケール画像への適用を想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の応用的な使い方として、異なる色空間でカラー画像を手動でノイズ除去することができる。fastNlMeansDenoisingColored ではこのアプローチを用い、画像を CIELAB 色空間に変換した後、L 成分と AB 成分を別々の h パラメータで個別にノイズ除去している。

      • fastNlMeansDenoising

        public static void fastNlMeansDenoising​(Mat src,
                                        Mat dst,
                                        MatOfFloat h,
                                        int templateWindowSize)
        Perform image denoising using Non-local Means Denoising algorithm <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational optimizations. Noise expected to be a gaussian white noise
        引数:
        src - 入力画像。8 ビットまたは 16 ビット（NORM_L1 の場合のみ）の 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータの配列。全チャンネルに適用する 1 つのパラメータ、または dst の各チャンネルに 1 つずつのパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。この関数はグレースケール画像への適用を想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の応用的な使い方として、異なる色空間でカラー画像を手動でノイズ除去することができる。fastNlMeansDenoisingColored ではこのアプローチを用い、画像を CIELAB 色空間に変換した後、L 成分と AB 成分を別々の h パラメータで個別にノイズ除去している。

      • fastNlMeansDenoising

        public static void fastNlMeansDenoising​(Mat src,
                                        Mat dst,
                                        MatOfFloat h)
        Perform image denoising using Non-local Means Denoising algorithm <http://www.ipol.im/pub/algo/bcm_non_local_means_denoising/> with several computational optimizations. Noise expected to be a gaussian white noise
        引数:
        src - 入力画像。8 ビットまたは 16 ビット（NORM_L1 の場合のみ）の 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータの配列。全チャンネルに適用する 1 つのパラメータ、または dst の各チャンネルに 1 つずつのパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。この関数はグレースケール画像への適用を想定している。カラー画像については fastNlMeansDenoisingColored を参照。この関数の応用的な使い方として、異なる色空間でカラー画像を手動でノイズ除去することができる。fastNlMeansDenoisingColored ではこのアプローチを用い、画像を CIELAB 色空間に変換した後、L 成分と AB 成分を別々の h パラメータで個別にノイズ除去している。

      • fastNlMeansDenoisingColored

        public static void fastNlMeansDenoisingColored​(Mat src,
                                               Mat dst,
                                               float h,
                                               float hColor,
                                               int templateWindowSize,
                                               int searchWindowSize)
        Modification of fastNlMeansDenoising function for colored images
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。
        searchWindowSize - 指定したピクセルに対する加重平均の計算に使用するウィンドウのサイズ（ピクセル単位）。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - 輝度成分に対するフィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。
        hColor - h と同様だが、色成分に対するもの。ほとんどの画像では 10 程度の値で色ノイズの除去には十分であり、色が歪むこともない。この関数は画像を CIELAB 色空間に変換した後、指定された h パラメータを用いて fastNlMeansDenoising 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingColored

        public static void fastNlMeansDenoisingColored​(Mat src,
                                               Mat dst,
                                               float h,
                                               float hColor,
                                               int templateWindowSize)
        Modification of fastNlMeansDenoising function for colored images
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - 輝度成分に対するフィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。
        hColor - h と同様だが、色成分に対するもの。ほとんどの画像では 10 程度の値で色ノイズの除去には十分であり、色が歪むこともない。この関数は画像を CIELAB 色空間に変換した後、指定された h パラメータを用いて fastNlMeansDenoising 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingColored

        public static void fastNlMeansDenoisingColored​(Mat src,
                                               Mat dst,
                                               float h,
                                               float hColor)
        Modification of fastNlMeansDenoising function for colored images
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - 輝度成分に対するフィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。
        hColor - h と同様だが、色成分に対するもの。ほとんどの画像では 10 程度の値で色ノイズの除去には十分であり、色が歪むこともない。この関数は画像を CIELAB 色空間に変換した後、指定された h パラメータを用いて fastNlMeansDenoising 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingColored

        public static void fastNlMeansDenoisingColored​(Mat src,
                                               Mat dst,
                                               float h)
        Modification of fastNlMeansDenoising function for colored images
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - 輝度成分に対するフィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。色ノイズの除去には十分であり、色が歪むこともない。この関数は画像を CIELAB 色空間に変換した後、指定された h パラメータを用いて fastNlMeansDenoising 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingColored

        public static void fastNlMeansDenoisingColored​(Mat src,
                                               Mat dst)
        Modification of fastNlMeansDenoising function for colored images
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。ノイズは除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。色ノイズの除去には十分であり、色が歪むこともない。この関数は画像を CIELAB 色空間に変換した後、指定された h パラメータを用いて fastNlMeansDenoising 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingMulti

        public static void fastNlMeansDenoisingMulti​(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             float h,
                                             int templateWindowSize,
                                             int searchWindowSize)
        Modification of fastNlMeansDenoising function for images sequence where consecutive images have been captured in small period of time. For example video. This version of the function is for grayscale images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
        引数:
        srcImgs - 入力画像列。8 ビットの 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。
        searchWindowSize - 指定したピクセルに対する加重平均の計算に使用するウィンドウのサイズ（ピクセル単位）。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。

      • fastNlMeansDenoisingMulti

        public static void fastNlMeansDenoisingMulti​(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             float h,
                                             int templateWindowSize)
        Modification of fastNlMeansDenoising function for images sequence where consecutive images have been captured in small period of time. For example video. This version of the function is for grayscale images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
        引数:
        srcImgs - 入力画像列。8 ビットの 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。

      • fastNlMeansDenoisingMulti

        public static void fastNlMeansDenoisingMulti​(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             float h)
        Modification of fastNlMeansDenoising function for images sequence where consecutive images have been captured in small period of time. For example video. This version of the function is for grayscale images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
        引数:
        srcImgs - 入力画像列。8 ビットの 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。

      • fastNlMeansDenoisingMulti

        public static void fastNlMeansDenoisingMulti​(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize)
        Modification of fastNlMeansDenoising function for images sequence where consecutive images have been captured in small period of time. For example video. This version of the function is for grayscale images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
        引数:
        srcImgs - 入力画像列。8 ビットの 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。ノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。

      • fastNlMeansDenoisingMulti

        public static void fastNlMeansDenoisingMulti​(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             MatOfFloat h,
                                             int templateWindowSize,
                                             int searchWindowSize,
                                             int normType)
        Modification of fastNlMeansDenoising function for images sequence where consecutive images have been captured in small period of time. For example video. This version of the function is for grayscale images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
        引数:
        srcImgs - 入力画像列。8 ビットまたは 16 ビット（NORM_L1 の場合のみ）の 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。
        searchWindowSize - 指定したピクセルに対する加重平均の計算に使用するウィンドウのサイズ（ピクセル単位）。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータの配列。全チャンネルに適用する 1 つのパラメータ、または dst の各チャンネルに 1 つずつのパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。
        normType - 重みの計算に使用するノルムの種類。NORM_L2 または NORM_L1 のいずれか。

      • fastNlMeansDenoisingMulti

        public static void fastNlMeansDenoisingMulti​(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             MatOfFloat h,
                                             int templateWindowSize,
                                             int searchWindowSize)
        Modification of fastNlMeansDenoising function for images sequence where consecutive images have been captured in small period of time. For example video. This version of the function is for grayscale images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
        引数:
        srcImgs - 入力画像列。8 ビットまたは 16 ビット（NORM_L1 の場合のみ）の 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。
        searchWindowSize - 指定したピクセルに対する加重平均の計算に使用するウィンドウのサイズ（ピクセル単位）。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータの配列。全チャンネルに適用する 1 つのパラメータ、または dst の各チャンネルに 1 つずつのパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。

      • fastNlMeansDenoisingMulti

        public static void fastNlMeansDenoisingMulti​(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             MatOfFloat h,
                                             int templateWindowSize)
        Modification of fastNlMeansDenoising function for images sequence where consecutive images have been captured in small period of time. For example video. This version of the function is for grayscale images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
        引数:
        srcImgs - 入力画像列。8 ビットまたは 16 ビット（NORM_L1 の場合のみ）の 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータの配列。全チャンネルに適用する 1 つのパラメータ、または dst の各チャンネルに 1 つずつのパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。

      • fastNlMeansDenoisingMulti

        public static void fastNlMeansDenoisingMulti​(java.util.List<Mat> srcImgs,
                                             Mat dst,
                                             int imgToDenoiseIndex,
                                             int temporalWindowSize,
                                             MatOfFloat h)
        Modification of fastNlMeansDenoising function for images sequence where consecutive images have been captured in small period of time. For example video. This version of the function is for grayscale images or for manual manipulation with colorspaces. See CITE: Buades2005DenoisingIS for more details (open access [here](https://static.aminer.org/pdf/PDF/000/317/196/spatio_temporal_wiener_filtering_of_image_sequences_using_a_parametric.pdf)).
        引数:
        srcImgs - 入力画像列。8 ビットまたは 16 ビット（NORM_L1 の場合のみ）の 1 チャンネル、2 チャンネル、3 チャンネル、または 4 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - フィルタ強度を調整するパラメータの配列。全チャンネルに適用する 1 つのパラメータ、または dst の各チャンネルに 1 つずつのパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。

      • fastNlMeansDenoisingColoredMulti

        public static void fastNlMeansDenoisingColoredMulti​(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize,
                                                    float h,
                                                    float hColor,
                                                    int templateWindowSize,
                                                    int searchWindowSize)
        Modification of fastNlMeansDenoisingMulti function for colored images sequences
        引数:
        srcImgs - 入力画像列。8 ビットの 3 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。
        searchWindowSize - 指定したピクセルに対する加重平均の計算に使用するウィンドウのサイズ（ピクセル単位）。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - 輝度成分に対するフィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。
        hColor - h と同様だが、色成分に対するもの。この関数は画像を CIELAB 色空間に変換した後、指定された h パラメータを用いて fastNlMeansDenoisingMulti 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingColoredMulti

        public static void fastNlMeansDenoisingColoredMulti​(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize,
                                                    float h,
                                                    float hColor,
                                                    int templateWindowSize)
        Modification of fastNlMeansDenoisingMulti function for colored images sequences
        引数:
        srcImgs - 入力画像列。8 ビットの 3 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。
        templateWindowSize - 重みの計算に使用するテンプレートパッチのサイズ（ピクセル単位）。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - 輝度成分に対するフィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。
        hColor - h と同様だが、色成分に対するもの。この関数は画像を CIELAB 色空間に変換した後、指定された h パラメータを用いて fastNlMeansDenoisingMulti 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingColoredMulti

        public static void fastNlMeansDenoisingColoredMulti​(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize,
                                                    float h,
                                                    float hColor)
        Modification of fastNlMeansDenoisingMulti function for colored images sequences
        引数:
        srcImgs - 入力画像列。8 ビットの 3 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - 輝度成分に対するフィルタ強度を調整するパラメータ。h の値が大きいとノイズは完全に除去されるが画像のディテールも失われ、h の値が小さいとディテールは保持されるがノイズも一部残る。
        hColor - h と同様だが、色成分に対するもの。この関数は画像を CIELAB 色空間に変換した後、指定された h パラメータを用いて fastNlMeansDenoisingMulti 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingColoredMulti

        public static void fastNlMeansDenoisingColoredMulti​(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize,
                                                    float h)
        Modification of fastNlMeansDenoisingMulti function for colored images sequences
        引数:
        srcImgs - 入力画像列。8 ビットの 3 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズ・型の出力画像。奇数であること。推奨値は 7 ピクセル。指定したピクセルに対して。奇数であること。性能に線形に影響する。searchWindowsSize が大きいほどノイズ除去にかかる時間も長くなる。推奨値は 21 ピクセル。
        h - 輝度成分に対するフィルタの強さを調整する引数。h の値を大きくするとノイズは完全に除去されるが画像の細部も失われ、小さくすると細部は保たれるがノイズも一部残る。この関数は画像を CIELAB 色空間に変換し、与えられた h 引数を用いて fastNlMeansDenoisingMulti 関数で L 成分と AB 成分を別々にノイズ除去する。

      • fastNlMeansDenoisingColoredMulti

        public static void fastNlMeansDenoisingColoredMulti​(java.util.List<Mat> srcImgs,
                                                    Mat dst,
                                                    int imgToDenoiseIndex,
                                                    int temporalWindowSize)
        Modification of fastNlMeansDenoisingMulti function for colored images sequences
        引数:
        srcImgs - 入力画像列。8 ビットの 3 チャンネル画像のシーケンス。すべての画像は同じ型・サイズでなければならない。
        imgToDenoiseIndex - srcImgs シーケンス内でノイズ除去の対象とする画像のインデックス。
        temporalWindowSize - 対象画像のノイズ除去に使用する周辺画像の枚数。奇数であること。srcImgs のうち imgToDenoiseIndex - temporalWindowSize / 2 から imgToDenoiseIndex + temporalWindowSize / 2 までの画像が srcImgs[imgToDenoiseIndex] 画像のノイズ除去に使用される。
        dst - srcImgs の画像と同じサイズおよび型を持つ出力画像。奇数でなければならない。推奨値は7ピクセル。奇数でなければならない。性能に対して線形に影響する。searchWindowsSize を大きくするほどノイズ除去に時間がかかる。推奨値は21ピクセル。ノイズは除去されるが画像の細部も失われ、h の値を小さくすると細部は保たれるがノイズも一部残る。この関数は画像を CIELAB 色空間に変換し、与えられた h 引数を用いて fastNlMeansDenoisingMulti 関数で L 成分と AB 成分を別々にノイズ除去する。

      • denoise_TVL1

        public static void denoise_TVL1​(java.util.List<Mat> observations,
                                Mat result,
                                double lambda,
                                int niters)
        Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, finding a function to minimize some functional). As the image denoising, in particular, may be seen as the variational problem, primal-dual algorithm then can be used to perform denoising and this is exactly what is implemented. It should be noted, that this implementation was taken from the July 2013 blog entry CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end of July 2013 and finally it was slightly adapted by later authors. Although the thorough discussion and justification of the algorithm involved may be found in CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin with, we consider the 1-byte gray-level images as the functions from the rectangular domain of pixels (it may be seen as set \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with this view, given some image \(x\) of the same size, we may measure how bad it is by the formula \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our image to be smooth (ideally, having zero gradient, thus being constant) and the second states that we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play.
        引数:
        observations - この配列には、復元対象となる画像のノイズ付きバージョンを1つ以上含める必要がある。
        result - ノイズ除去後の画像がここに格納される。必要に応じて自動的に確保されるため、記憶領域を事前に確保する必要はない。
        lambda - 上記の式における \(\lambda\) に対応する。これを大きくすると、滑らかな(ぼけた)画像が、細部のある(しかし場合によってはノイズの多い)画像よりも優先的に扱われる。大まかに言うと、小さくするほど結果はよりぼけるが、より大きな外れ値が除去される。
        niters - アルゴリズムを実行する反復回数。当然、反復回数が多いほど良いが、これを定量的に厳密化するのは難しいため、デフォルト値を使い、結果が悪い場合に増やすとよい。

      • denoise_TVL1

        public static void denoise_TVL1​(java.util.List<Mat> observations,
                                Mat result,
                                double lambda)
        Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, finding a function to minimize some functional). As the image denoising, in particular, may be seen as the variational problem, primal-dual algorithm then can be used to perform denoising and this is exactly what is implemented. It should be noted, that this implementation was taken from the July 2013 blog entry CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end of July 2013 and finally it was slightly adapted by later authors. Although the thorough discussion and justification of the algorithm involved may be found in CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin with, we consider the 1-byte gray-level images as the functions from the rectangular domain of pixels (it may be seen as set \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with this view, given some image \(x\) of the same size, we may measure how bad it is by the formula \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our image to be smooth (ideally, having zero gradient, thus being constant) and the second states that we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play.
        引数:
        observations - この配列には、復元対象となる画像のノイズ付きバージョンを1つ以上含める必要がある。
        result - ノイズ除去後の画像がここに格納される。必要に応じて自動的に確保されるため、記憶領域を事前に確保する必要はない。
        lambda - 上記の式における \(\lambda\) に対応する。これを大きくすると、滑らかな(ぼけた)画像が、細部のある(しかし場合によってはノイズの多い)画像よりも優先的に扱われる。大まかに言うと、小さくするほど結果はよりぼけるが、より大きな外れ値が除去される。良くなるが、これを定量的に厳密化するのは難しいため、デフォルト値を使い、結果が悪い場合に増やすとよい。

      • denoise_TVL1

        public static void denoise_TVL1​(java.util.List<Mat> observations,
                                Mat result)
        Primal-dual algorithm is an algorithm for solving special types of variational problems (that is, finding a function to minimize some functional). As the image denoising, in particular, may be seen as the variational problem, primal-dual algorithm then can be used to perform denoising and this is exactly what is implemented. It should be noted, that this implementation was taken from the July 2013 blog entry CITE: MA13 , which also contained (slightly more general) ready-to-use source code on Python. Subsequently, that code was rewritten on C++ with the usage of openCV by Vadim Pisarevsky at the end of July 2013 and finally it was slightly adapted by later authors. Although the thorough discussion and justification of the algorithm involved may be found in CITE: ChambolleEtAl, it might make sense to skim over it here, following CITE: MA13 . To begin with, we consider the 1-byte gray-level images as the functions from the rectangular domain of pixels (it may be seen as set \(\left\{(x,y)\in\mathbb{N}\times\mathbb{N}\mid 1\leq x\leq n,\;1\leq y\leq m\right\}\) for some \(m,\;n\in\mathbb{N}\)) into \(\{0,1,\dots,255\}\). We shall denote the noised images as \(f_i\) and with this view, given some image \(x\) of the same size, we may measure how bad it is by the formula \(\left\|\left\|\nabla x\right\|\right\| + \lambda\sum_i\left\|\left\|x-f_i\right\|\right\|\) \(\|\|\cdot\|\|\) here denotes \(L_2\)-norm and as you see, the first addend states that we want our image to be smooth (ideally, having zero gradient, thus being constant) and the second states that we want our result to be close to the observations we've got. If we treat \(x\) as a function, this is exactly the functional what we seek to minimize and here the Primal-Dual algorithm comes into play.
        引数:
        observations - この配列には、復元対象となる画像のノイズ付きバージョンを1つ以上含める必要がある。
        result - ノイズ除去後の画像がここに格納される。必要に応じて自動的に確保されるため、記憶領域を事前に確保する必要はない。(ぼけた)画像が、細部のある(しかし場合によってはノイズの多い)画像よりも優先的に扱われる。大まかに言うと、小さくするほど結果はよりぼけるが、より大きな外れ値が除去される。良くなるが、これを定量的に厳密化するのは難しいため、デフォルト値を使い、結果が悪い場合に増やすとよい。

      • createTonemap

        public static Tonemap createTonemap​(float gamma)
        Creates simple linear mapper with gamma correction
        引数:
        gamma - ガンマ補正に用いる正の値。ガンマ値 1.0 は補正なしを意味し、2.2f は多くのディスプレイに適している。一般にガンマ > 1 は画像を明るくし、ガンマ < 1 は暗くする。
        戻り値:
        自動生成

      • createTonemap

        public static Tonemap createTonemap()
        Creates simple linear mapper with gamma correction equal to 2.2f is suitable for most displays. Generally gamma > 1 brightens the image and gamma < 1 darkens it.
        戻り値:
        自動生成

      • createTonemapDrago

        public static TonemapDrago createTonemapDrago​(float gamma,
                                              float saturation,
                                              float bias)
        Creates TonemapDrago object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。
        saturation - 彩度を強調する正の値。1.0 は彩度を保持し、1 より大きい値は彩度を上げ、1 より小さい値は下げる。
        bias - バイアス関数に用いる [0, 1] 範囲の値。通常 0.7 から 0.9 が最良の結果を与え、デフォルト値は 0.85 である。
        戻り値:
        自動生成

      • createTonemapDrago

        public static TonemapDrago createTonemapDrago​(float gamma,
                                              float saturation)
        Creates TonemapDrago object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。
        saturation - 彩度を強調する正の値。1.0 は彩度を保持し、1 より大きい値は彩度を上げ、1 より小さい値は下げる。結果、デフォルト値は 0.85 である。
        戻り値:
        自動生成

      • createTonemapDrago

        public static TonemapDrago createTonemapDrago​(float gamma)
        Creates TonemapDrago object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。1 より大きい値は彩度を上げ、1 より小さい値は下げる。結果、デフォルト値は 0.85 である。
        戻り値:
        自動生成

      • createTonemapDrago

        public static TonemapDrago createTonemapDrago()
        Creates TonemapDrago object than 1 increase saturation and values less than 1 decrease it. results, default value is 0.85.
        戻り値:
        自動生成

      • createTonemapReinhard

        public static TonemapReinhard createTonemapReinhard​(float gamma,
                                                    float intensity,
                                                    float light_adapt,
                                                    float color_adapt)
        Creates TonemapReinhard object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。
        intensity - [-8, 8] 範囲の結果の強度。強度が大きいほど結果は明るくなる。
        light_adapt - [0, 1] 範囲の明るさ適応。1 の場合はピクセル値のみに基づき、0 の場合はグローバルとなり、それ以外の場合はこの2つの加重平均となる。
        color_adapt - [0, 1] 範囲の色適応。1 の場合は各チャンネルが独立して扱われ、0 の場合は適応レベルが全チャンネルで同一となる。
        戻り値:
        自動生成

      • createTonemapReinhard

        public static TonemapReinhard createTonemapReinhard​(float gamma,
                                                    float intensity,
                                                    float light_adapt)
        Creates TonemapReinhard object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。
        intensity - [-8, 8] 範囲の結果の強度。強度が大きいほど結果は明るくなる。
        light_adapt - [0, 1] 範囲の明るさ適応。1 の場合はピクセル値のみに基づき、0 の場合はグローバルとなり、それ以外の場合はこの2つの加重平均となる。0 の場合は適応レベルが各チャンネルで同一となる。
        戻り値:
        自動生成

      • createTonemapReinhard

        public static TonemapReinhard createTonemapReinhard​(float gamma,
                                                    float intensity)
        Creates TonemapReinhard object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。
        intensity - [-8, 8] 範囲の結果の強度。強度が大きいほど結果は明るくなる。値の場合、0 の場合はグローバルとなり、それ以外の場合はこの2つの加重平均となる。0 の場合は適応レベルが各チャンネルで同一となる。
        戻り値:
        自動生成

      • createTonemapReinhard

        public static TonemapReinhard createTonemapReinhard​(float gamma)
        Creates TonemapReinhard object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。値の場合、0 の場合はグローバルとなり、それ以外の場合はこの2つの加重平均となる。0 の場合は適応レベルが各チャンネルで同一となる。
        戻り値:
        自動生成

      • createTonemapReinhard

        public static TonemapReinhard createTonemapReinhard()
        Creates TonemapReinhard object value, if 0 it's global, otherwise it's a weighted mean of this two cases. if 0 adaptation level is the same for each channel.
        戻り値:
        自動生成

      • createTonemapMantiuk

        public static TonemapMantiuk createTonemapMantiuk​(float gamma,
                                                  float scale,
                                                  float saturation)
        Creates TonemapMantiuk object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。
        scale - コントラストのスケール係数。HVS 応答にこの引数が乗算され、ダイナミックレンジが圧縮される。0.6 から 0.9 の値が最良の結果を生む。
        saturation - 彩度を強調する値。createTonemapDrago を参照。
        戻り値:
        自動生成

      • createTonemapMantiuk

        public static TonemapMantiuk createTonemapMantiuk​(float gamma,
                                                  float scale)
        Creates TonemapMantiuk object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。
        scale - コントラストのスケール係数。HVS 応答にこの引数が乗算され、ダイナミックレンジが圧縮される。0.6 から 0.9 の値が最良の結果を生む。
        戻り値:
        自動生成

      • createTonemapMantiuk

        public static TonemapMantiuk createTonemapMantiuk​(float gamma)
        Creates TonemapMantiuk object
        引数:
        gamma - ガンマ補正に用いるガンマ値。createTonemap を参照。ダイナミックレンジ。0.6 から 0.9 の値が最良の結果を生む。
        戻り値:
        自動生成

      • createTonemapMantiuk

        public static TonemapMantiuk createTonemapMantiuk()
        Creates TonemapMantiuk object dynamic range. Values from 0.6 to 0.9 produce best results.
        戻り値:
        自動生成

      • createAlignMTB

        public static AlignMTB createAlignMTB​(int max_bits,
                                      int exclude_range,
                                      boolean cut)
        Creates AlignMTB object
        引数:
        max_bits - 各次元における最大シフト量の2を底とする対数。通常 5 や 6 の値で十分である(それぞれ 31 ピクセルおよび 63 ピクセルのシフトに相当)。
        exclude_range - 中央値付近のノイズを抑制するために構築される除外ビットマップの範囲。
        cut - true の場合は画像を切り取り、そうでない場合は新たな領域をゼロで埋める。
        戻り値:
        自動生成

      • createAlignMTB

        public static AlignMTB createAlignMTB​(int max_bits,
                                      int exclude_range)
        Creates AlignMTB object
        引数:
        max_bits - 各次元における最大シフト量の2を底とする対数。通常 5 や 6 の値で十分である(それぞれ 31 ピクセルおよび 63 ピクセルのシフトに相当)。
        exclude_range - 中央値付近のノイズを抑制するために構築される除外ビットマップの範囲。
        戻り値:
        自動生成

      • createAlignMTB

        public static AlignMTB createAlignMTB​(int max_bits)
        Creates AlignMTB object
        引数:
        max_bits - 各次元における最大シフト量の2を底とする対数。通常 5 や 6 の値で十分である(それぞれ 31 ピクセルおよび 63 ピクセルのシフトに相当)。中央値。
        戻り値:
        自動生成

      • createAlignMTB

        public static AlignMTB createAlignMTB()
        Creates AlignMTB object usually good enough (31 and 63 pixels shift respectively). median value.
        戻り値:
        自動生成

      • createCalibrateDebevec

        public static CalibrateDebevec createCalibrateDebevec​(int samples,
                                                      float lambda,
                                                      boolean random)
        Creates CalibrateDebevec object
        引数:
        samples - 使用するピクセル位置の数
        lambda - 平滑化項の重み。値が大きいほど結果は滑らかになるが、応答が変化する可能性がある。
        random - true の場合はサンプルとなるピクセル位置がランダムに選ばれ、そうでない場合は矩形グリッドを形成する。
        戻り値:
        自動生成

      • createCalibrateDebevec

        public static CalibrateDebevec createCalibrateDebevec​(int samples,
                                                      float lambda)
        Creates CalibrateDebevec object
        引数:
        samples - 使用するピクセル位置の数
        lambda - 平滑化項の重み。値が大きいほど結果は滑らかになるが、応答が変化する可能性がある。矩形グリッド。
        戻り値:
        自動生成

      • createCalibrateDebevec

        public static CalibrateDebevec createCalibrateDebevec​(int samples)
        Creates CalibrateDebevec object
        引数:
        samples - 使用するピクセル位置の数。応答。矩形グリッド。
        戻り値:
        自動生成

      • createCalibrateDebevec

        public static CalibrateDebevec createCalibrateDebevec()
        Creates CalibrateDebevec object response. rectangular grid.
        戻り値:
        自動生成

      • createCalibrateRobertson

        public static CalibrateRobertson createCalibrateRobertson​(int max_iter,
                                                          float threshold)
        Creates CalibrateRobertson object
        引数:
        max_iter - Gauss-Seidel ソルバの最大反復回数。
        threshold - 最小化の連続する2ステップの結果間の目標差分。
        戻り値:
        自動生成

      • createCalibrateRobertson

        public static CalibrateRobertson createCalibrateRobertson​(int max_iter)
        Creates CalibrateRobertson object
        引数:
        max_iter - Gauss-Seidel ソルバの最大反復回数。
        戻り値:
        自動生成

      • createCalibrateRobertson

        public static CalibrateRobertson createCalibrateRobertson()
        Creates CalibrateRobertson object
        戻り値:
        自動生成

      • createMergeDebevec

        public static MergeDebevec createMergeDebevec()
        Creates MergeDebevec object
        戻り値:
        自動生成

      • createMergeMertens

        public static MergeMertens createMergeMertens​(float contrast_weight,
                                              float saturation_weight,
                                              float exposure_weight)
        Creates MergeMertens object
        引数:
        contrast_weight - コントラスト指標の重み。MergeMertens を参照。
        saturation_weight - 彩度指標の重み
        exposure_weight - 適正露出度指標の重み
        戻り値:
        自動生成

      • createMergeMertens

        public static MergeMertens createMergeMertens​(float contrast_weight,
                                              float saturation_weight)
        Creates MergeMertens object
        引数:
        contrast_weight - コントラスト指標の重み。MergeMertens を参照。
        saturation_weight - 彩度指標の重み
        戻り値:
        自動生成

      • createMergeMertens

        public static MergeMertens createMergeMertens​(float contrast_weight)
        Creates MergeMertens object
        引数:
        contrast_weight - コントラスト指標の重み。MergeMertens を参照。
        戻り値:
        自動生成

      • createMergeMertens

        public static MergeMertens createMergeMertens()
        Creates MergeMertens object
        戻り値:
        自動生成

      • createMergeRobertson

        public static MergeRobertson createMergeRobertson()
        Creates MergeRobertson object
        戻り値:
        自動生成

      • decolor

        public static void decolor​(Mat src,
                           Mat grayscale,
                           Mat color_boost)
        Transforms a color image to a grayscale image. It is a basic tool in digital printing, stylized black-and-white photograph rendering, and in many single channel image processing applications CITE: CL12 .
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        grayscale - 出力 8 ビット 1 チャンネル画像。
        color_boost - 出力 8 ビット 3 チャンネル画像。この関数はカラー画像に適用される。

      • seamlessClone

        public static void seamlessClone​(Mat src,
                                 Mat dst,
                                 Mat mask,
                                 Point p,
                                 Mat blend,
                                 int flags)
        Performs seamless cloning to blend a region from a source image into a destination image. This function is designed for local image editing, allowing changes restricted to a region (manually selected as the ROI) to be applied effortlessly and seamlessly. These changes can range from slight distortions to complete replacement by novel content CITE: PM03.
        引数:
        src - 入力画像(8 ビット 3 チャンネル)。ここから領域が抽出され、出力先に合成される。
        dst - 出力先画像(8 ビット 3 チャンネル)。ここに src 画像が合成される。
        mask - 入力画像のうち合成する領域を指定するバイナリマスク(8 ビット、1、3、または 4 チャンネル)。非ゼロのピクセルが合成対象の領域を示す。空の Mat が与えられた場合、すべてのピクセルが非ゼロのマスクが内部で生成される。
        p - dst 画像内で src 画像の中心が配置される点。
        blend - シームレスクローニングの結果を格納する出力画像。dst と同じサイズおよび型を持つ。
        flags - クローニング手法の種類を制御するフラグ。cv::SeamlessCloneFlags の値を取りうる。

      • colorChange

        public static void colorChange​(Mat src,
                               Mat mask,
                               Mat dst,
                               float red_mul,
                               float green_mul,
                               float blue_mul)
        Given an original color image, two differently colored versions of this image can be mixed seamlessly.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        red_mul - R チャンネルの乗算係数。
        green_mul - G チャンネルの乗算係数。
        blue_mul - B チャンネルの乗算係数。乗算係数は .5 から 2.5 の間である。

      • colorChange

        public static void colorChange​(Mat src,
                               Mat mask,
                               Mat dst,
                               float red_mul,
                               float green_mul)
        Given an original color image, two differently colored versions of this image can be mixed seamlessly.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        red_mul - R チャンネルの乗算係数。
        green_mul - G チャンネルの乗算係数。乗算係数は .5 から 2.5 の間である。

      • colorChange

        public static void colorChange​(Mat src,
                               Mat mask,
                               Mat dst,
                               float red_mul)
        Given an original color image, two differently colored versions of this image can be mixed seamlessly.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズ・型の出力画像。
        red_mul - R チャンネルの乗算係数。乗算係数は .5 から 2.5 の間である。

      • colorChange

        public static void colorChange​(Mat src,
                               Mat mask,
                               Mat dst)
        Given an original color image, two differently colored versions of this image can be mixed seamlessly.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。乗算係数は .5 から 2.5 の間である。

      • illuminationChange

        public static void illuminationChange​(Mat src,
                                      Mat mask,
                                      Mat dst,
                                      float alpha,
                                      float beta)
        Applying an appropriate non-linear transformation to the gradient field inside the selection and then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        alpha - 値の範囲は 0〜2。
        beta - 値の範囲は 0〜2。これは露出不足の前景オブジェクトを強調したり、鏡面反射を抑えたりするのに有用である。

      • illuminationChange

        public static void illuminationChange​(Mat src,
                                      Mat mask,
                                      Mat dst,
                                      float alpha)
        Applying an appropriate non-linear transformation to the gradient field inside the selection and then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        alpha - 値の範囲は 0〜2。これは露出不足の前景オブジェクトを強調したり、鏡面反射を抑えたりするのに有用である。

      • illuminationChange

        public static void illuminationChange​(Mat src,
                                      Mat mask,
                                      Mat dst)
        Applying an appropriate non-linear transformation to the gradient field inside the selection and then integrating back with a Poisson solver, modifies locally the apparent illumination of an image.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。これは露出不足の前景オブジェクトを強調したり、鏡面反射を抑えたりするのに有用である。

      • textureFlattening

        public static void textureFlattening​(Mat src,
                                     Mat mask,
                                     Mat dst,
                                     float low_threshold,
                                     float high_threshold,
                                     int kernel_size)
        By retaining only the gradients at edge locations, before integrating with the Poisson solver, one washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        low_threshold - 0 から 100 までの%範囲。
        high_threshold - 100 より大きい値。
        kernel_size - 使用する Sobel カーネルのサイズ。覚え書き: このアルゴリズムは、入力画像の色が出力先画像の色に近いことを前提とする。この前提は、色が一致しない場合、入力画像の色が出力先画像の色の方へ色づくことを意味する。

      • textureFlattening

        public static void textureFlattening​(Mat src,
                                     Mat mask,
                                     Mat dst,
                                     float low_threshold,
                                     float high_threshold)
        By retaining only the gradients at edge locations, before integrating with the Poisson solver, one washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        low_threshold - 0 から 100 までの%範囲。
        high_threshold - 100 より大きい値。覚え書き: このアルゴリズムは、入力画像の色が出力先画像の色に近いことを前提とする。この前提は、色が一致しない場合、入力画像の色が出力先画像の色の方へ色づくことを意味する。

      • textureFlattening

        public static void textureFlattening​(Mat src,
                                     Mat mask,
                                     Mat dst,
                                     float low_threshold)
        By retaining only the gradients at edge locations, before integrating with the Poisson solver, one washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        low_threshold - 0 から 100 までの%範囲。覚え書き: このアルゴリズムは、入力画像の色が出力先画像の色に近いことを前提とする。この前提は、色が一致しない場合、入力画像の色が出力先画像の色の方へ色づくことを意味する。

      • textureFlattening

        public static void textureFlattening​(Mat src,
                                     Mat mask,
                                     Mat dst)
        By retaining only the gradients at edge locations, before integrating with the Poisson solver, one washes out the texture of the selected region, giving its contents a flat aspect. Here Canny Edge %Detector is used.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        mask - 入力 8 ビット 1 または 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。覚え書き: このアルゴリズムは、入力画像の色が出力先画像の色に近いことを前提とする。この前提は、色が一致しない場合、入力画像の色が出力先画像の色の方へ色づくことを意味する。

      • edgePreservingFilter

        public static void edgePreservingFilter​(Mat src,
                                        Mat dst,
                                        int flags,
                                        float sigma_s,
                                        float sigma_r)
        Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing filters are used in many different applications CITE: EM11 .
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - 出力する8ビット3チャンネル画像。
        flags - エッジ保存フィルタ: cv::RECURS_FILTER または cv::NORMCONV_FILTER
        sigma_s - 範囲は0から200。
        sigma_r - 範囲は0から1。

      • edgePreservingFilter

        public static void edgePreservingFilter​(Mat src,
                                        Mat dst,
                                        int flags,
                                        float sigma_s)
        Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing filters are used in many different applications CITE: EM11 .
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - 出力する8ビット3チャンネル画像。
        flags - エッジ保存フィルタ: cv::RECURS_FILTER または cv::NORMCONV_FILTER
        sigma_s - 範囲は0から200。

      • edgePreservingFilter

        public static void edgePreservingFilter​(Mat src,
                                        Mat dst,
                                        int flags)
        Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing filters are used in many different applications CITE: EM11 .
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - 出力する8ビット3チャンネル画像。
        flags - エッジ保存フィルタ: cv::RECURS_FILTER または cv::NORMCONV_FILTER

      • edgePreservingFilter

        public static void edgePreservingFilter​(Mat src,
                                        Mat dst)
        Filtering is the fundamental operation in image and video processing. Edge-preserving smoothing filters are used in many different applications CITE: EM11 .
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - 出力する8ビット3チャンネル画像。

      • detailEnhance

        public static void detailEnhance​(Mat src,
                                 Mat dst,
                                 float sigma_s,
                                 float sigma_r)
        This filter enhances the details of a particular image.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        sigma_s - 範囲は0から200。
        sigma_r - 範囲は0から1。

      • detailEnhance

        public static void detailEnhance​(Mat src,
                                 Mat dst,
                                 float sigma_s)
        This filter enhances the details of a particular image.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        sigma_s - 範囲は0から200。

      • detailEnhance

        public static void detailEnhance​(Mat src,
                                 Mat dst)
        This filter enhances the details of a particular image.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。

      • pencilSketch

        public static void pencilSketch​(Mat src,
                                Mat dst1,
                                Mat dst2,
                                float sigma_s,
                                float sigma_r,
                                float shade_factor)
        Pencil-like non-photorealistic line drawing
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst1 - 出力する8ビット1チャンネル画像。
        dst2 - srcと同じサイズおよび型の出力画像。
        sigma_s - 範囲は0から200。
        sigma_r - 範囲は0から1。
        shade_factor - 範囲は0から0.1。

      • pencilSketch

        public static void pencilSketch​(Mat src,
                                Mat dst1,
                                Mat dst2,
                                float sigma_s,
                                float sigma_r)
        Pencil-like non-photorealistic line drawing
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst1 - 出力する8ビット1チャンネル画像。
        dst2 - srcと同じサイズおよび型の出力画像。
        sigma_s - 範囲は0から200。
        sigma_r - 範囲は0から1。

      • pencilSketch

        public static void pencilSketch​(Mat src,
                                Mat dst1,
                                Mat dst2,
                                float sigma_s)
        Pencil-like non-photorealistic line drawing
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst1 - 出力する8ビット1チャンネル画像。
        dst2 - srcと同じサイズおよび型の出力画像。
        sigma_s - 範囲は0から200。

      • pencilSketch

        public static void pencilSketch​(Mat src,
                                Mat dst1,
                                Mat dst2)
        Pencil-like non-photorealistic line drawing
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst1 - 出力する8ビット1チャンネル画像。
        dst2 - srcと同じサイズおよび型の出力画像。

      • stylization

        public static void stylization​(Mat src,
                               Mat dst,
                               float sigma_s,
                               float sigma_r)
        Stylization aims to produce digital imagery with a wide variety of effects not focused on photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low contrast while preserving, or enhancing, high-contrast features.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        sigma_s - 範囲は0から200。
        sigma_r - 範囲は0から1。

      • stylization

        public static void stylization​(Mat src,
                               Mat dst,
                               float sigma_s)
        Stylization aims to produce digital imagery with a wide variety of effects not focused on photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low contrast while preserving, or enhancing, high-contrast features.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。
        sigma_s - 範囲は0から200。

      • stylization

        public static void stylization​(Mat src,
                               Mat dst)
        Stylization aims to produce digital imagery with a wide variety of effects not focused on photorealism. Edge-aware filters are ideal for stylization, as they can abstract regions of low contrast while preserving, or enhancing, high-contrast features.
        引数:
        src - 入力画像。8 ビットの 3 チャンネル画像。
        dst - src と同じサイズおよび型を持つ出力画像。

      • correctChromaticAberration

        public static void correctChromaticAberration​(Mat input_image,
                                              Mat coefficients,
                                              Mat output_image,
                                              Size image_size,
                                              int calib_degree,
                                              int bayer_pattern)
        Corrects lateral chromatic aberration in an image using polynomial distortion model. This function loads polynomial calibration data from the specified file and applies a channel‐specific warp to remove chromatic aberration. If input_image has one channel, it is assumed to be a raw Bayer image and is first demosaiced using bayer_pattern. If it has three channels, it is treated as a BGR image and bayer_pattern is ignored. Firstly, calibration needs to be done using apps/chromatic-aberration-calibration/ca_calibration.py on a photo of a pattern of black discs on white background, included in opencv_extra/testdata/cv/cameracalibration/chromatic_aberration/chromatic_aberration_pattern_a3.png Calibration and correction are based on the algorithm described in CITE: rudakova2013precise. The chromatic aberration is modeled as a polynomial of some degree in red and blue channels compared to green. In calibration, a photo of many black discs on white background is used, and the displacements between the centres of discs in red and blue channels compared to green are minimized. The coefficients are then saved in a yaml file which can be used with this function to correct lateral chromatic aberration.
        引数:
        input_image - 補正対象の入力BGR画像
        coefficients - 係数モデル
        output_image - 補正済みのBGR画像
        image_size - キャリブレーション係数モデルに対する画像のサイズ
        calib_degree - キャリブレーション係数モデルの次数
        bayer_pattern - input_image が1チャンネルの場合のデモザイク処理に使用するベイヤーパターンコード(例: cv::COLOR_BayerBG2BGR)。それ以外の場合は無視される。SEE: loadChromaticAberrationParams, demosaicing

      • correctChromaticAberration

        public static void correctChromaticAberration​(Mat input_image,
                                              Mat coefficients,
                                              Mat output_image,
                                              Size image_size,
                                              int calib_degree)
        Corrects lateral chromatic aberration in an image using polynomial distortion model. This function loads polynomial calibration data from the specified file and applies a channel‐specific warp to remove chromatic aberration. If input_image has one channel, it is assumed to be a raw Bayer image and is first demosaiced using bayer_pattern. If it has three channels, it is treated as a BGR image and bayer_pattern is ignored. Firstly, calibration needs to be done using apps/chromatic-aberration-calibration/ca_calibration.py on a photo of a pattern of black discs on white background, included in opencv_extra/testdata/cv/cameracalibration/chromatic_aberration/chromatic_aberration_pattern_a3.png Calibration and correction are based on the algorithm described in CITE: rudakova2013precise. The chromatic aberration is modeled as a polynomial of some degree in red and blue channels compared to green. In calibration, a photo of many black discs on white background is used, and the displacements between the centres of discs in red and blue channels compared to green are minimized. The coefficients are then saved in a yaml file which can be used with this function to correct lateral chromatic aberration.
        引数:
        input_image - 補正対象の入力BGR画像
        coefficients - 係数モデル
        output_image - 補正済みのBGR画像
        image_size - キャリブレーション係数モデルに対する画像のサイズ
        calib_degree - キャリブレーション係数モデルの次数。input_image が1チャンネルの場合のデモザイク処理に使用する。それ以外の場合は無視される。SEE: loadChromaticAberrationParams, demosaicing

      • gammaCorrection

        public static void gammaCorrection​(Mat src,
                                   Mat dst,
                                   double gamma)
        Applies gamma correction to the input image.
        引数:
        src - 入力画像。
        dst - 出力画像。
        gamma - 0より大きいガンマ補正値。