slview_focus.h 5.8 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100
  1. #ifndef SLVIEW_FOCUS_H
  2. #define SLVIEW_FOCUS_H
  3. // =============================================================================
  4. // slview_focus.h
  5. // SLView.exe(PE32+/x64/MSVC,Qt5 + OpenCV 4.6.0)静态景深融合与对焦算法的
  6. // C++ / OpenCV 复现,用于替换本工程原有的"AGD 多尺度权重 + Laplacian 方差评分"
  7. // 对焦链路。
  8. //
  9. // ── 逆向依据(见 20260918165323/depth_fusion/算法说明.md)──────────────────
  10. // PicAnalyse::staticFusionProcess @RVA 0x1B83B0 调度入口
  11. // PicAnalyse::guideFilterFusion @RVA 0x1B5AB0 方法 A(默认)
  12. // PicAnalyse::getEdge @RVA 0x1B4870 焦点度量 core
  13. // PicAnalyse::multiScaleStaticFusion @RVA 0x1B6620 方法 B
  14. // PicAnalyse::absMaxFilter @RVA 0x1B2D40 逐像素幅值取胜
  15. //
  16. // ── 与本工程原实现的差异(有意为之)──────────────────────────────────────
  17. // 1) 原复现文件假定输入恒为 BGR 三通道 8bit;本工程实际输入可能是
  18. // BGRA(4ch) / GRAY(1ch) / 16bit,故 getEdge 内部统一规整到 8U 灰度。
  19. // 2) 原复现的引导滤波 fallback(无 ximgproc 时)把方差取成了 src 的方差,
  20. // 算法说明 §6 已指出这是坑:正确形式是 var(guide)+cov(guide,src)。
  21. // 本实现按正确形式写;有 opencv_contrib 时直接用 cv::ximgproc::guidedFilter。
  22. // 3) 原复现的 stage4 把 N 张权重全部上采样到原图尺寸后再融合 —— 5MP×12 帧时
  23. // 权重占 242MB,Android 工控机必 OOM。本实现改为"逐帧 引导滤波→上采样→
  24. // 累加→立刻释放",峰值只保留 1 张全分辨率权重。
  25. // 4) multiScaleFusion 改为"逐帧推进金字塔 + 逐层累加",不再同时持有 N 张
  26. // 金字塔(峰值从 N×80MB 降到约 2×80MB)。
  27. // 5) 融合结果按 float 累加后一次性 saturate_cast,而不是每项先 round 再相加
  28. // (差异 ≤ N/2 LSB,更精确)。
  29. // =============================================================================
  30. #include <opencv2/core.hpp>
  31. #include <vector>
  32. namespace slview {
  33. // 融合/评分算法选择(与 param::focus_algo 一一对应,数值不可随意改动:会落库)
  34. enum FocusAlgo {
  35. FocusAlgoGFF = 0, // 方法 A:引导滤波融合(默认,SLView 原程序默认方法)
  36. FocusAlgoMS = 1, // 方法 B:多尺度(拉普拉斯金字塔)融合
  37. FocusAlgoLegacy = 2 // 本工程原有算法:AGD 多尺度权重 + 三项加权评分
  38. };
  39. // 焦点度量的局部最大值窗口半径(SLView 的 detailClarity 滑块,默认 5)
  40. constexpr int kDefaultClarity = 5;
  41. // 焦点度量缩图的像素预算(SLView 的 this+0x210,原程序可配)
  42. // 原 CLI 默认 1920*1080;本工程跑在 RK3568/Android,取 1280*720 折中,
  43. // 焦点度量对分辨率不敏感,缩图只影响权重边界的细腻程度。
  44. constexpr double kDefaultMaxPixels = 1280.0 * 720.0;
  45. // -----------------------------------------------------------------------------
  46. // 焦点度量 getEdge(整个算法"谁更清晰"的判据)
  47. //
  48. // gray = cvtColor(src, BGR2GRAY) → CV_32F
  49. // mag = log(gray + 1) * (150 / ln 256) // ≈ ×27.0505,压动态范围
  50. // gx = Sobel(mag, dx=1, ksize=1) // 不平滑的 [-1 0 1]
  51. // gy = Sobel(mag, dy=1, ksize=1)
  52. // mag = |gx| + |gy| // L1 幅值
  53. // focus= GaussianBlur(dilate(mag, Rect(2r+1)), 9x9) // 局部最大 + 去孤立点
  54. //
  55. // 为什么要 log:孢子/菌丝这类弱纹理在暗背景下梯度极小,直接平方会全部落进
  56. // 噪声量级;log 把 0~255 压到 0~5.55 再拉到 0~150,暗部纹理才能参与层间比较。
  57. //
  58. // src : 任意通道/位深(内部统一转 8U 灰度)
  59. // mag : 输出,对数域 L1 梯度幅值(CV_32F,1 通道)——同时用作引导滤波的引导图
  60. // focus : 输出,焦点图(CV_32F,1 通道),值越大越清晰
  61. // radius: 局部最大值窗口半径,窗口边长 = 2*radius+1
  62. // -----------------------------------------------------------------------------
  63. void getEdge(const cv::Mat& src, cv::Mat& mag, cv::Mat& focus,
  64. int radius = kDefaultClarity);
  65. // 单帧对焦评分:焦点图 focus 的均值(越大越清晰)。
  66. // 用途:替代原 evaluateFocusScore 的 Combined 评分,为
  67. // findSharpestFrameIndex(选最清晰帧)/ selectFuseFrames(圈有效对焦区间)服务。
  68. // 与融合用的是同一套判据,帧选择与融合权重天然一致。
  69. double focusScore(const cv::Mat& src, int radius = kDefaultClarity);
  70. // 引导滤波(单通道浮点):q = a·guide + b,a = cov(g,p)/(var(g)+eps)
  71. // 有 opencv_contrib 时内部走 cv::ximgproc::guidedFilter(同样语义,SIMD 加速)。
  72. void guidedFilter(const cv::Mat& guide, const cv::Mat& src, cv::Mat& dst,
  73. int r = 5, double eps = 0.065025);
  74. // 方法 A:引导滤波融合
  75. // factor : 焦点度量的缩图比例(<1),用 computeFactor 计算
  76. // clarity: getEdge 的局部最大值半径
  77. // images: 已对齐尺寸与通道的输入帧(CV_8U,1 或 3 通道)
  78. void guideFilterFusion(const std::vector<cv::Mat>& images, cv::Mat& dst,
  79. double factor = 1.0, int clarity = kDefaultClarity);
  80. // 方法 B:多尺度(拉普拉斯金字塔)融合
  81. // levels : 金字塔层数,默认 3(原程序该分支的层数未逐字节还原)
  82. void multiScaleFusion(const std::vector<cv::Mat>& images, cv::Mat& dst,
  83. int levels = 3);
  84. // factor = min(1.0, sqrt(maxPixels / (w*h))) —— SLView 的调度算式
  85. double computeFactor(const cv::Size& sz, double maxPixels = kDefaultMaxPixels);
  86. } // namespace slview
  87. #endif // SLVIEW_FOCUS_H