cv::Algorithm 類參考

這是OpenCV中所有或多或少複雜演算法的基類。 更多...

#include <opencv2/core.hpp>

cv::Algorithm 協作圖

公共成員函式
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除演算法狀態。
virtual bool	empty () const
	如果演算法為空（例如，在開始時或讀取不成功後），則返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	從檔案儲存中讀取演算法引數。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	將演算法引數儲存到檔案儲存中。
void	write (FileStorage &fs, const String &name) const

靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。

保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

這是OpenCV中所有或多或少複雜演算法的基類。

特別是對於演算法類，可以有多種實現。例如立體匹配（有塊匹配、半全域性塊匹配、圖割等演算法）、背景減除（可以使用高斯混合模型、碼本演算法等完成）、光流（塊匹配、Lucas-Kanade、Horn-Schunck等）。

以下是透過 Algorithm 介面在您的應用程式中使用 SimpleBlobDetector 的示例

    Ptr<Feature2D> sbd = SimpleBlobDetector::create();
    FileStorage fs_read("SimpleBlobDetector_params.xml", FileStorage::READ);
 
    if (fs_read.isOpened()) // 如果我們有引數檔案，則讀取它們
    {
sbd->read(fs_read.root());
fs_read.release();
    }
    else // 否則修改引數並存儲它們；使用者以後可以編輯檔案以使用不同的引數
    {
fs_read.release();
        FileStorage fs_write("SimpleBlobDetector_params.xml", FileStorage::WRITE);
sbd->write(fs_write);
fs_write.release();
    }
 
    Mat result, image = imread("../data/detect_blob.png", IMREAD_COLOR);
vector<KeyPoint> keypoints;
sbd->detect(image, keypoints, Mat());
 
    drawKeypoints(image, keypoints, result);
    for (vector<KeyPoint>::iterator k = keypoints.begin(); k != keypoints.end(); ++k)
        circle(result, k->pt, (int)k->size, Scalar(0, 0, 255), 2);
 
    imshow("result", result);
    waitKey(0);

建構函式 & 解構函式文件

Algorithm()

cv::Algorithm::Algorithm

(

)

~Algorithm()

virtual cv::Algorithm::~Algorithm ( )

virtual

成員函式文件

clear()

virtual void cv::Algorithm::clear ( )

inlinevirtual

Python
	cv.Algorithm.clear(		) ->	無

清除演算法狀態。

在 cv::cuda::DescriptorMatcher, cv::DescriptorMatcher, cv::FlannBasedMatcher, cv::line_descriptor::BinaryDescriptorMatcher, cv::quality::QualityBase, cv::quality::QualityGMSD, cv::quality::QualityMSE, cv::quality::QualityPSNR 和 cv::quality::QualitySSIM 中重新實現。

empty()

virtual bool cv::Algorithm::empty ( ) const

inlinevirtual

Python
	cv.Algorithm.empty(		) ->	retval

如果演算法為空（例如，在開始時或讀取不成功後），則返回 true。

在 cv::BaseCascadeClassifier, cv::cuda::DescriptorMatcher, cv::DescriptorMatcher, cv::face::BasicFaceRecognizer, cv::face::FaceRecognizer, cv::Feature2D, cv::ml::StatModel, cv::quality::QualityBase, cv::quality::QualityGMSD, cv::quality::QualityMSE, cv::quality::QualityPSNR 和 cv::quality::QualitySSIM 中重新實現。

getDefaultName()

virtual String cv::Algorithm::getDefaultName ( ) const

virtual

Python
	cv.Algorithm.getDefaultName(		) ->	retval

返回演算法字串識別符號。當物件儲存到檔案或字串時，此字串用作頂層 xml/yml 節點標籤。

在 cv::AffineFeature, cv::AgastFeatureDetector, cv::AKAZE, cv::BRISK, cv::FastFeatureDetector, cv::Feature2D, cv::GFTTDetector, cv::KAZE, cv::MSER, cv::ORB, cv::SIFT, cv::SimpleBlobDetector, cv::xfeatures2d::BEBLID, cv::xfeatures2d::BoostDesc, cv::xfeatures2d::BriefDescriptorExtractor, cv::xfeatures2d::DAISY, cv::xfeatures2d::FREAK, cv::xfeatures2d::HarrisLaplaceFeatureDetector, cv::xfeatures2d::LATCH, cv::xfeatures2d::LUCID, cv::xfeatures2d::MSDDetector, cv::xfeatures2d::StarDetector, cv::xfeatures2d::SURF, cv::xfeatures2d::TBMR, cv::xfeatures2d::TEBLID 和 cv::xfeatures2d::VGG 中重新實現。

load()

template<typename _Tp >

static Ptr< _Tp > cv::Algorithm::load ( const String & filename, const String & objname = String() )

inlinestatic

從檔案中載入演算法。

引數

filename	要讀取的檔名。
objname	要讀取的節點的可選名稱（如果為空，將使用第一個頂層節點）

這是 Algorithm 的靜態模板方法。其用法如下（以 SVM 為例）

Ptr<SVM> svm = Algorithm::load<SVM>("my_svm_model.xml");

為了使此方法生效，派生類必須重寫 Algorithm::read(const FileNode& fn)。

此函式的呼叫圖如下

loadFromString()

template<typename _Tp >

static Ptr< _Tp > cv::Algorithm::loadFromString ( const String & strModel, const String & objname = String() )

inlinestatic

從字串載入演算法。

引數

strModel	包含要載入模型的字串變數。
objname	要讀取的節點的可選名稱（如果為空，將使用第一個頂層節點）

這是 Algorithm 的靜態模板方法。其用法如下（以 SVM 為例）

Ptr<SVM> svm = Algorithm::loadFromString<SVM>(myStringModel);

此函式的呼叫圖如下

read() [1/2]

virtual void cv::Algorithm::read ( const FileNode & fn )

inlinevirtual

Python
	cv.Algorithm.read(	fn	) ->	無

從檔案儲存中讀取演算法引數。

在 cv::aruco::ArucoDetector, cv::DescriptorMatcher, cv::face::BasicFaceRecognizer, cv::face::FaceRecognizer, cv::Feature2D, cv::FlannBasedMatcher, cv::legacy::Tracker, cv::line_descriptor::BinaryDescriptor, cv::optflow::GPCForest< T >, cv::optflow::GPCTree 和 cv::saliency::StaticSaliencySpectralResidual 中重新實現。

read() [2/2]

template<typename _Tp >

static Ptr< _Tp > cv::Algorithm::read ( const FileNode & fn )

inlinestatic

Python
	cv.Algorithm.read(	fn	) ->	無

從檔案節點讀取演算法。

這是 Algorithm 的靜態模板方法。其用法如下（以 SVM 為例）

cv::FileStorage fsRead("example.xml", FileStorage::READ);
Ptr<SVM> svm = Algorithm::read<SVM>(fsRead.root());

為了使此方法生效，派生類必須重寫 Algorithm::read(const FileNode& fn) 並且還必須有一個不帶引數（或帶所有可選引數）的靜態 create() 方法

save()

virtual void cv::Algorithm::save ( const String & filename ) const

virtual

Python
	cv.Algorithm.save(	filename	) ->	無

將演算法儲存到檔案。為了使此方法生效，派生類必須實現 Algorithm::write(FileStorage& fs)。

write() [1/3]

void cv::Algorithm::write	(	const Ptr< FileStorage > &	fs,
		const String &	name = String() ) const

Python
	cv.Algorithm.write(	fs	) ->	無
	cv.Algorithm.write(	fs, name	) ->	無

已棄用

write() [2/3]

virtual void cv::Algorithm::write ( FileStorage & fs ) const

inlinevirtual

Python
	cv.Algorithm.write(	fs	) ->	無
	cv.Algorithm.write(	fs, name	) ->	無

將演算法引數儲存到檔案儲存中。

在 cv::aruco::ArucoDetector, cv::bioinspired::Retina, cv::bioinspired::TransientAreasSegmentationModule, cv::DescriptorMatcher, cv::face::BasicFaceRecognizer, cv::face::FaceRecognizer, cv::Feature2D, cv::FlannBasedMatcher, cv::legacy::Tracker, cv::line_descriptor::BinaryDescriptor, cv::optflow::GPCForest< T >, cv::optflow::GPCTree 和 cv::saliency::StaticSaliencySpectralResidual 中重新實現。

write() [3/3]

void cv::Algorithm::write	(	FileStorage &	fs,
		const String &	name ) const

Python
	cv.Algorithm.write(	fs	) ->	無
	cv.Algorithm.write(	fs, name	) ->	無

這是一個過載成員函式，為方便起見提供。它與上述函式的區別僅在於其接受的引數。

writeFormat()

void cv::Algorithm::writeFormat ( FileStorage & fs ) const

保護

---

此類的文件生成自以下檔案

• opencv2/core.hpp