模糊影像處理

詳細描述

基於模糊數學（即 F 變換）的影像處理。

函式
void	cv::ft::createKernel (InputArray A, InputArray B, OutputArray kernel, const int chn)
	從基本函式建立核心。
void	cv::ft::createKernel (int function, int radius, OutputArray kernel, const int chn)
	從通用函式建立核心。
void	cv::ft::filter (InputArray image, InputArray kernel, OutputArray output)
	影像濾波。
void	cv::ft::inpaint (InputArray image, InputArray mask, OutputArray output, int radius, int function, int algorithm)
	影像修復。

函式文件

createKernel() [1/2]

void cv::ft::createKernel	(	InputArray	A,
		InputArray	B,
		OutputArray	kernel,
		const int	通道數 )

Python
	cv.ft.createKernel(	function, radius, chn[, kernel]	) ->	kernel
	cv.ft.createKernel1(	A, B, chn[, kernel]	) ->	kernel

#include <opencv2/fuzzy/fuzzy_image.hpp>

從基本函式建立核心。

引數

A	軸 x 中使用的基本函式。
B	軸 y 中使用的基本函式。
kernel	從 A 和 B 派生的最終 32 位核心。
通道數	核心通道數。

該函式建立可用於後續模糊影像處理的核心。

createKernel() [2/2]

void cv::ft::createKernel	(	int	function,
		int	radius,
		OutputArray	kernel,
		const int	通道數 )

Python
	cv.ft.createKernel(	function, radius, chn[, kernel]	) ->	kernel
	cv.ft.createKernel1(	A, B, chn[, kernel]	) ->	kernel

#include <opencv2/fuzzy/fuzzy_image.hpp>

從通用函式建立核心。

引數

function	函式型別可以是以下之一 LINEAR 線性基本函式。
radius	基本函式的半徑。
kernel	最終 32 位核心。
通道數	核心通道數。

該函式從預定義函式建立核心。

filter()

void cv::ft::filter	(	InputArray	image,
		InputArray	kernel,
		OutputArray	output )

Python
	cv.ft.filter(	image, kernel[, output]	) ->	輸出

#include <opencv2/fuzzy/fuzzy_image.hpp>

影像濾波。

引數

image	輸入影像。
kernel	最終 32 位核心。
輸出	輸出 32 點陣圖像。

透過 F 變換對輸入影像進行濾波。

inpaint()

void cv::ft::inpaint	(	InputArray	image,
		InputArray	mask,
		OutputArray	輸出,
		int	radius,
		int	function,
		int	algorithm )

Python
	cv.ft.inpaint(	image, mask, radius, function, algorithm[, output]	) ->	輸出

#include <opencv2/fuzzy/fuzzy_image.hpp>

影像修復。

引數

image	輸入影像。
mask	用於標記不需要的區域的掩碼。
輸出	輸出 32 點陣圖像。
radius	基本函式的半徑。
function	函式型別可以是以下之一 ft::LINEAR 線性（三角形）形狀基本函式。
algorithm	Algorithm 可以是以下之一 ft::ONE_STEP 單步演算法。 ft::MULTI_STEP 此演算法自動增加基本函式的半徑。 ft::ITERATIVE 迭代演算法，使用部分計算在更多步驟中執行。

此函式提供基於模糊數學的修復技術。

注意

這些演算法在論文 [219] 中進行了描述。