ISP模块之色彩增强算法--HSV空间Saturation通道调整 .

色彩增强不同于彩色图像增强，图像增强的一般处理方式为直方图均衡化等，目的是为了增强图像局部以及整体对比度。而色彩增强的目的是为了使的原有的不饱和的色彩信息变得饱和、丰富起来。对应于Photoshop里面的“色相/饱和度”调节选项里面对饱和度的操作。色彩增强的过程，并不改变原有彩色图像的颜色以及亮度信息。

在我的色彩增强算法模块里面，始终只针对色彩饱和度(Saturation)信息做研究，调整。这样的话，那就不得不介绍HSV颜色空间了，H代表Hue（色彩），S代表Saturation（饱和度），V代表Value，也可用B表示（Brightness，明度），HSV空间也可称作HSB空间。

HSV空间在wikipedia上的介绍，https://en.wikipedia.org/wiki/HSL_and_HSV

下面根据自己的理解介绍一下HSV空间，以及其各通道在Matlab和OpenCV中的不同。

HSV的圆柱模型

HSV的圆锥模型

从上图可以看出，在HSV空间中，Hue通道的取值从0-360°变化时，颜色从红->黄->绿->青->蓝逐步变化。Saturation从0->1变化时，色彩逐渐加深变成纯色（pure）。Value值从0->1变化时，图像整体亮度增加，V值为0时，图像为全黑，V值为1时，图像为全白。

Matlab RGB色彩空间向HSV转换，采用函数rgb2hsv,转换后的hsv各通道的元素取值范围为[0,1];OpenCV中彩色图像向HSV空间中转换，cvtColor(src,srcHsv,CV_BGR2HSV),转换后H的取值范围为[0,180],S,V的取值范围为[0,255].

下面介绍自己的算法处理思路，后面会给出完整的Matlab代码：

步骤一、给出一张原图src，用PS进行饱和度(Saturation)+40处理后另存为src_40;

步骤二、将以上两张图像分别转换到hsv空间，提取出饱和度信息，分别为S，S_40;

步骤三、统计饱和度增加40后，原色彩饱和度与饱和度增量之间的对应关系，即S -- (S_40-S);

步骤四、对关系S -- (S_40-S)进行二次多项式曲线拟合，得到二次曲线f(x) = p1*x^2 + p2*x + p3；

为什么是二次？1.对应关系呈现出抛物线形状；2.更高次曲线并没有明显改善拟合性能，且计算消耗会变高。

步骤五、任意给定输出图像input，根据其色彩饱和度信息，即可进行色彩增强40处理，新的饱和度信息可以表示为S'(x) = S(x) + f(x),得到增强后的色彩信息后返回RGB图像输出；

步骤六、分别对原图+20，+40，+60后进行饱和度信息统计，并得到相应拟合参数，设置为色彩增强的低、中、高三挡，在实际处理过程中，根据输入图像input自身色彩饱和度信息(均值)自适应选取相应参数进行色彩增强；

步骤七、按需对某一单独颜色通道进行色彩增强处理，例如绿色范围为105°-135°，在对该范围进行增强的同时，还需对75°-105°,135°-165°进行一半强度的增强，这样才会保证色彩的连续性，不会出现色斑；

步骤八、按需对色彩(Hue)进行转换；

代码部分：第一部分用作估计拟合参数，在Curve fitting tool里面对X，Y进行拟合，得到曲线参数。

% Color Enhancement
clc,clear,close all
src1 = imread('src.bmp');
src2 = imread('src_40.bmp');
src1_hsv = rgb2hsv(src1);
src2_hsv = rgb2hsv(src2);
h1 = src1_hsv(:,:,1);
s1 = src1_hsv(:,:,2);
v1 = src1_hsv(:,:,3);
h2 = src2_hsv(:,:,1);
s2 = src2_hsv(:,:,2);
v2 = src2_hsv(:,:,3);
%
meanS1 = mean(s1(:));
varS1 = std2(s1);
%
meanS2 = mean(s2(:));
varS2 = std2(s2);
%
deltaS = s2 - s1;
deltaV = v2 - v1;
%% test1 : 观测“原饱和度-饱和度调整增量”的关系 saturation and delta saturation
figure;
oriS = zeros(101,2);
s3 = s1;
j = 1;
for i = 0: 0.01 : 1
oriS(j,1) = i + 0.01;
oriS(j,2) = mean(deltaS(find(s1 > i & s1< i + 0.01)));
j = j + 1;
end
X = oriS(:,1);
Y = oriS(:,2);
XX = oriS(:,1) * 255;
YY = oriS(:,2) * 255;
plot(XX,YY)

% Color Enhancement

clc,clear,close all

src1 = imread('src.bmp');

src2 = imread('src_40.bmp');

src1_hsv = rgb2hsv(src1);

src2_hsv = rgb2hsv(src2);

h1 = src1_hsv(:,:,1);

s1 = src1_hsv(:,:,2);

v1 = src1_hsv(:,:,3);

h2 = src2_hsv(:,:,1);

s2 = src2_hsv(:,:,2);

v2 = src2_hsv(:,:,3);

%

meanS1 = mean(s1(:));

varS1  = std2(s1);

%

meanS2 = mean(s2(:));

varS2  = std2(s2);

%

deltaS = s2 - s1;

deltaV = v2 - v1;

%% test1 : 观测“原饱和度-饱和度调整增量”的关系 saturation and delta saturation

figure;

oriS = zeros(101,2);

s3 = s1;

j = 1;

for i = 0: 0.01 : 1

    oriS(j,1) = i + 0.01;

    oriS(j,2) =  mean(deltaS(find(s1 > i & s1< i + 0.01)));

    j = j + 1;

end

X  = oriS(:,1);

Y  = oriS(:,2);

XX = oriS(:,1) * 255;

YY = oriS(:,2) * 255;

plot(XX,YY)

第二部分，对输入图像进行高、中、低三级自适应增强处理

%% Color Enhancement Module -- Authored by HuangDao,08/17/2015
% functions: input a image of type BMP or PNG, the program will decide to
% do the Color Enhancement choice for you.There are four types of Enhanced
% intensity - 20,40,60,80.The larger number stands for stronger
% enhancement.
% And we can also choose the simple color channel(eg.R,G,B) to do the
% enhancement.There are also four different types of enhanced intensity.
%
% parameters table
% ------------------------------------------------------------------------
% | Enhanced | MATLAB params | OpenCV params |
% | intensity |p1 p2 p3 | p1 p2 p3 |
% | 20 |-0.1661 0.2639 -0.003626 |-0.0006512 0.2639 -0.9246|
% | 40 |-0.4025 0.6238 -0.0005937 |0.001578 0.6238 -0.1514|
% | 60 |1.332 1.473 -0.01155 |-0.005222 1.473 -2.946 |
% | 80 |-4.813 3.459 -0.004568 |-0.01887 3.459 -1.165 |
% ------------------------------------------------------------------------
clc; clear ;close all
% 载入文件夹
pathName = '.\';
fileType = '*.bmp';
files = dir([pathName fileType]);
len = length(files);
for pic = 5%1:1:len
srcName = files(pic).name;
srcImg = imread(srcName);
srcHSV = rgb2hsv(srcImg);
srcH = srcHSV(:,:,1);
srcS = srcHSV(:,:,2);
srcV = srcHSV(:,:,3);
meanS = mean(srcS(:));
varS = std2(srcS);
%图像整体进行色彩增强处理
if (meanS >= 0.5)
p1 = 0;p2 = 0;p3 = 0;
else if (meanS >= 0.35 && meanS < 0.5)
p1 = -0.1661;p2 = 0.2639;p3 = -0.003626;
else if (meanS >=0.2 && meanS <0.35)
p1 = -0.4025;p2 = 0.6238;p3 = -0.0005937;
else
p1 = 1.332;p2 = 1.473;p3 = -0.01155;
end
end
end
dstS = srcS + p1*srcS.*srcS + p2*srcS + p3 ;
dstHSV = srcHSV;
dstHSV(:,:,2) = dstS;
dstImg = hsv2rgb(dstHSV);
figure;imshow(srcImg);
figure;imshow(dstImg);
%指定R,G,B通道进行色彩增强处理,红色范围（[225-255]）,绿色范围（75-[105-135]-165）,蓝色范围（[-15-15]）
p11 = -0.4025;p21 = 0.6238;p31 = -0.0005937;%周边杂色调整系数，40
p12 = 1.332; p22 = 1.473; p32 = -0.01155; %纯色区域调整系数，60
compHue = srcH;
GcompS = dstS;
RcompS = dstS;
BcompS = dstS;
channel = 'B';
switch channel
case 'G'
I1 = find(compHue > 0.2083 & compHue <0.2917);
GcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;
I2 = find(compHue >= 0.2917 & compHue <= 0.3750);
GcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;
I3 = find(compHue > 0.3750 & compHue <0.4583);
GcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;
compHSV = dstHSV;
compHSV(:,:,2) = GcompS;
dstImgG = hsv2rgb(compHSV);
figure;imshow(dstImgG);
case 'R'
I1 = find(compHue > 0.875 & compHue <0.9583);
RcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;
I2 = find(compHue >= 0.9583 | compHue <= 0.0417);
RcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;
I3 = find(compHue > 0.0417 & compHue <0.125);
RcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;
compHSV = dstHSV;
compHSV(:,:,2) = RcompS;
dstImgR = hsv2rgb(compHSV);
figure;imshow(dstImgR);
case 'B'
I1 = find(compHue > 0.5417 & compHue <0.625);
BcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;
I2 = find(compHue >= 0.625 & compHue <= 0.7083);
BcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;
I3 = find(compHue > 0.7083 & compHue <0.7917);
BcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;
compHSV = dstHSV;
compHSV(:,:,2) = BcompS;
dstImgB = hsv2rgb(compHSV);
figure;imshow(dstImgB);
end
%进行R,G,B通道之间的互换
convH = zeros(size(srcH,1),size(srcH,2)); %convert
deltaHue = 240;
switch deltaHue
case 120
disp('R -> G')
convH = srcH + 1/3;
convH(find(convH >= 1)) = convH(find(convH >= 1)) - 1;
case 240
disp('R -> B')
convH = srcH + 2/3;
convH(find(convH >= 1)) = convH(find(convH >= 1)) - 1;
end
convHSV = dstHSV;
convHSV(:,:,1) = convH;
convImg = hsv2rgb(convHSV);
figure;imshow(convImg)
pause();
end

%% Color Enhancement Module -- Authored by HuangDao,08/17/2015

% functions: input a image of type BMP or PNG, the program will decide to

% do the Color Enhancement choice for you.There are four types of Enhanced

% intensity - 20,40,60,80.The larger number stands for stronger

% enhancement.

% And we can also choose the simple color channel(eg.R,G,B) to do the

% enhancement.There are also four different types of enhanced intensity.

%

% parameters table

%  ------------------------------------------------------------------------

% | Enhanced  |     MATLAB params             |      OpenCV params         |

% | intensity |p1        p2        p3         | p1        p2        p3     |

% | 20        |-0.1661   0.2639    -0.003626  |-0.0006512 0.2639    -0.9246|

% | 40        |-0.4025   0.6238    -0.0005937 |0.001578   0.6238    -0.1514|

% | 60        |1.332     1.473     -0.01155   |-0.005222  1.473     -2.946 |

% | 80        |-4.813    3.459     -0.004568  |-0.01887   3.459     -1.165 |

%  ------------------------------------------------------------------------

clc; clear ;close all

% 载入文件夹

pathName = '.\';

fileType = '*.bmp';

files    = dir([pathName fileType]);

len      = length(files);

for pic = 5%1:1:len

    srcName = files(pic).name;

    srcImg  = imread(srcName);

    srcHSV  = rgb2hsv(srcImg);

    srcH    = srcHSV(:,:,1);

    srcS    = srcHSV(:,:,2);

    srcV    = srcHSV(:,:,3);

    meanS   = mean(srcS(:));

    varS    = std2(srcS);

    %图像整体进行色彩增强处理

    if (meanS >= 0.5)

        p1 = 0;p2 = 0;p3 = 0;

    else if (meanS >= 0.35 && meanS < 0.5)

            p1 = -0.1661;p2 = 0.2639;p3 = -0.003626;

        else if (meanS >=0.2 && meanS <0.35)

                p1 = -0.4025;p2 = 0.6238;p3 = -0.0005937;

            else

                p1 = 1.332;p2 = 1.473;p3 = -0.01155;

            end

        end

    end

    dstS = srcS + p1*srcS.*srcS + p2*srcS + p3 ;

    dstHSV = srcHSV;

    dstHSV(:,:,2) = dstS;

    dstImg = hsv2rgb(dstHSV);

    figure;imshow(srcImg);

    figure;imshow(dstImg);

    %指定R,G,B通道进行色彩增强处理,红色范围（[225-255]）,绿色范围（75-[105-135]-165）,蓝色范围（[-15-15]）

    p11 = -0.4025;p21 = 0.6238;p31 = -0.0005937;%周边杂色调整系数，40

    p12 = 1.332;  p22 = 1.473; p32 = -0.01155;  %纯色区域调整系数，60

    compHue = srcH;

    GcompS  = dstS;

    RcompS  = dstS;

    BcompS  = dstS;

    channel = 'B';

    switch channel

        case 'G'

            I1 = find(compHue > 0.2083 & compHue <0.2917);

            GcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;

            I2 = find(compHue >= 0.2917 & compHue <= 0.3750);

            GcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;

            I3 = find(compHue > 0.3750 & compHue <0.4583);

            GcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;

            compHSV = dstHSV;

            compHSV(:,:,2) = GcompS;

            dstImgG = hsv2rgb(compHSV);

            figure;imshow(dstImgG);

        case 'R'

            I1 = find(compHue > 0.875 & compHue <0.9583);

            RcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;

            I2 = find(compHue >= 0.9583 | compHue <= 0.0417);

            RcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;

            I3 = find(compHue > 0.0417 & compHue <0.125);

            RcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;

            compHSV = dstHSV;

            compHSV(:,:,2) = RcompS;

            dstImgR = hsv2rgb(compHSV);

            figure;imshow(dstImgR);

        case 'B'

            I1 = find(compHue > 0.5417 & compHue <0.625);

            BcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;

            I2 = find(compHue >= 0.625 & compHue <= 0.7083);

            BcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;

            I3 = find(compHue > 0.7083 & compHue <0.7917);

            BcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;

            compHSV = dstHSV;

            compHSV(:,:,2) = BcompS;

            dstImgB = hsv2rgb(compHSV);

            figure;imshow(dstImgB);

    end

    %进行R,G,B通道之间的互换

    convH = zeros(size(srcH,1),size(srcH,2)); %convert

    deltaHue = 240;

    switch deltaHue

        case 120

            disp('R -> G')

            convH = srcH + 1/3;

            convH(find(convH >= 1)) = convH(find(convH >= 1)) - 1;

        case 240

            disp('R -> B')

            convH = srcH + 2/3;

            convH(find(convH >= 1)) = convH(find(convH >= 1)) - 1;

    end

    convHSV = dstHSV;

    convHSV(:,:,1) = convH;

    convImg = hsv2rgb(convHSV);

    figure;imshow(convImg)

    pause();

end

添加OpenCV代码段：

Mat srcHSV,sat,satAdj,dstMerge,dst; //sat - saturation饱和度分量
Mat imageAwb = imread("m_ImageAwb.bmp");
vector<Mat> channels,channels1;
double p1,p2,p3;
cvtColor(imageAwb,srcHSV,CV_BGR2HSV);
split(srcHSV,channels);
split(srcHSV,channels1);
sat = channels.at(1);
Scalar m = mean(sat);
if (m(0) <= 51.5)
{p1 = -0.002714 , p2 = 0.9498, p3 = -0.5073; AfxMessageBox("High Color Enhancement!"); }//高
else if (m(0) > 38.5 && m(0) <= 89.5)
{p1 = -0.001578 , p2 = 0.6238, p3 = -0.1514;AfxMessageBox("Middle Color Enhancement!"); }//中
else if (m(0) > 89.5 && m(0) <=127.5)
{p1 = -0.0006512, p2 = 0.2639, p3 = -0.9246;AfxMessageBox("Low Color Enhancement!");}//低
else
{p1 = 0,p2 = 0,p3 =0;AfxMessageBox("No Color Enhancement!");}
satAdj = sat;
for (int i = 0 ; i < sat.rows;i ++)
{
for (int j = 0;j < sat.cols;j ++)
{
uchar val = sat.at<uchar>(i,j);
satAdj.at<uchar>(i,j) = (val + p1 * val * val + p2 * val + p3) ;
}
}
channels1.at(1) = satAdj;
merge(channels1,dstMerge);
cvtColor(dstMerge,dst,CV_HSV2BGR);
imwrite("m_ImageCE.bmp",dst);

	Mat srcHSV,sat,satAdj,dstMerge,dst;     //sat - saturation饱和度分量

	Mat imageAwb = imread("m_ImageAwb.bmp");

	vector<Mat> channels,channels1;

	double p1,p2,p3;

	cvtColor(imageAwb,srcHSV,CV_BGR2HSV);

	split(srcHSV,channels);

	split(srcHSV,channels1);

	sat = channels.at(1);

	Scalar m = mean(sat);

	if (m(0) <= 51.5)

	{p1 = -0.002714 , p2 = 0.9498, p3 = -0.5073;  AfxMessageBox("High Color Enhancement!"); }//高

	else if (m(0) > 38.5 && m(0) <= 89.5)

	{p1 = -0.001578  , p2 = 0.6238, p3 = -0.1514;AfxMessageBox("Middle Color Enhancement!"); }//中

	else if (m(0) > 89.5 && m(0) <=127.5)

	{p1 = -0.0006512, p2 = 0.2639, p3 = -0.9246;AfxMessageBox("Low Color Enhancement!");}//低

	else

	{p1 = 0,p2 = 0,p3 =0;AfxMessageBox("No Color Enhancement!");}

	satAdj = sat;

	for (int i = 0 ; i < sat.rows;i ++)

	{

		for (int j = 0;j < sat.cols;j ++)

		{

			uchar val = sat.at<uchar>(i,j);

			satAdj.at<uchar>(i,j) = (val + p1 * val * val + p2 * val + p3) ;

		}

	}

	channels1.at(1) = satAdj;

	merge(channels1,dstMerge);

	cvtColor(dstMerge,dst,CV_HSV2BGR);

	imwrite("m_ImageCE.bmp",dst);

最后给出算法效果图：

Group1.原图->增强后

Group2.原图->R通道增强->颜色通道改变R2B

Group3.原图->增强后->颜色通道改变R2B

完！下篇讲Local Tone Mapping。

ISP模块之色彩增强算法--HSV空间Saturation通道调整 .的更多相关文章

ISP模块之RAW DATA去噪（二）--BM3D算法
在正式开始本篇文章之前,让我们一起回顾一下CFA图像去噪的一些基本思路与方法.接着我会详细地和大家分享自己学习理解的BM3D算法,操作过程,它的优缺点,最后会给出算法效果图供参考. 在ISP模块里,研 ...
ISP模块之彩色图像增强--ACE算法 .
ACE(Automatic Color Enhancement),自动色彩增强算法,是一种对于彩色图像增强十分行之有效的方法.它的改进算法以及快速实现在文章Automatic Color Enhanc ...
ISP基本框架及算法介绍
什么是ISP,他的工作原理是怎样的? ISP是Image Signal Processor的缩写,全称是影像处理器.在相机成像的整个环节中,它负责接收感光元件(Sensor)的原始信号数据,可以理解为 ...
运动目标检测中基于HSV空间的阴影去除算法
在运动目标检测中,常常会出现由于光线被遮挡,或场景其他物体的遮挡,在目标附近或场景里出现阴影,阴影的出现对后期目标的正确分割与处理带了很大的不便.如今,国内外已有不少文献来研究这个问题,并且提出了各种 ...
ISP模块之RAW DATA去噪（一）
ISP(Image Signal Processor),图像信号处理器,主要用来对前端图像传感器输出信号处理的单元,主要用于手机,监控摄像头等设备上. RAW DATA,可以理解为:RAW图像就是CM ...
[算法]检测空间三角形相交算法(Devillers & Guigue算法)
#pragma once //GYDevillersTriangle.h /* 快速检测空间三角形相交算法的代码实现(Devillers & Guigue算法) 博客原地址:http://bl ...
关于tarjan算法的空间优化
最近随着对tarjan算法理解的加深,我发现用另外一种途径实现tarjan的方法,且可以省去DFN数组,大大节省了空间.经过大量测试,已经无误.以下将分阶段阐述进行优化的过程. 第一阶段下面来说一下 ...
hsv空间
hsv在不同的软件中,有不同的阈值, 在描述阈值之前,看一下它的定义,按照标准的定义,hsv应该是从0°到360°的一个环,加上一个表示亮度的轴,重点就是那个环. 这个环如图一,0°一般为红色120° ...
pcl曲面重建模块-poisson重建算法示例
poisson曲面重建算法 pcl-1.8测试通过 #include <iostream> #include <pcl/common/common.h> #include &l ...

随机推荐

hdu 2553 N皇后问题 (DFS)
N皇后问题 Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others)Total Submi ...
[poj] 1066 Treasure Hunt || 判断直线相交
原题在金字塔内有一个宝藏p(x,y),现在要取出这个宝藏. 在金字塔内有许多墙,为了进入宝藏所在的房间必须把墙炸开,但是炸墙只能炸每个房间墙的中点. 求将宝藏运出城堡所需要的最小炸墙数. 判断点和直 ...
块元素包裹img空隙问题
解决方法 1.img设为block2.img对齐方式vertical-align:bottom(middle/top),不是baseline就行3.父容器font-size:0或line-height ...
python使用openpyxl操作excel
def initExcel(): file_path = "test.xlsx" file = load_workbook(file_path) table = file[&quo ...
em,rem
em rem 相对单位: 也可用于设置padding line-height等em相对当前容器的默认字体设置比如,所有浏览器默认字体都是16px,body{ font-size:62.5%}以后即1 ...
RSA加密/解密 Decryption error异常解决
RSA加密/解密 Decryption error异常解决 import java.io.ByteArrayOutputStream; import java.security.Key; import ...
CANO入门（三）
最好的学习方式是什么?模仿.有人会问,那不是山寨么?但是我认为,那是模仿的初级阶段,当把别人最好的设计已经融化到自己的血液里,变成自己的东西,而灵活运用的时候,才是真正高级阶段.正所谓画虎画皮难画骨. ...
蓝牙HC-05与HC-06对比指令集
高电平->AT命令响应工作状态低电平->蓝牙常规工作状态 <重新上电表示完成复位> HC-05 可以主从切换模式,但是HC-06虽然可以做主机也可以做从机,但是不能切 ...
laravel 学习笔记 —— 神奇的服务容器
转载自:https://www.insp.top/learn-laravel-container 容器,字面上理解就是装东西的东西.常见的变量.对象属性等都可以算是容器.一个容器能够装什么,全部取决于 ...
我们曾经心碎的C#之第一章.我的第一个C#程序
第一章． C#入门 1.1 .NET与C# 001．.NET是Microsoft.NET的简称,是基于Windows平台的一种技术 ...

ISP模块之色彩增强算法--HSV空间Saturation通道调整 .

ISP模块之色彩增强算法--HSV空间Saturation通道调整 .的更多相关文章

随机推荐

热门专题