實現 Loke SC 等人提出的 F-DBSCAN（採用並行 DBSCAN 演算法加速超畫素影像分割）超畫素演算法的類。[173] 為原始論文。更多...

#include <opencv2/ximgproc/scansegment.hpp>

cv::ximgproc::ScanSegment 的協作圖

公共成員函式
virtual	~ScanSegment ()

virtual void	getLabelContourMask (OutputArray image, bool thick_line=false)=0
	返回儲存在 ScanSegment 物件中的超畫素分割的掩碼。

virtual void	getLabels (OutputArray labels_out)=0
	返回影像的分割標籤。

virtual int	getNumberOfSuperpixels ()=0
	從使用 iterate 處理的最後一個影像返回實際的超畫素分割。

virtual void	iterate (InputArray img)=0
	使用 ScanSegment 物件中的初始化引數計算給定影像上的超畫素分割。

從 cv::Algorithm 繼承的公共成員函式
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	清除演算法狀態。

virtual bool	empty () const
	如果 Algorithm 為空（例如，在最開始或在不成功的讀取之後），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

附加繼承成員
從 cv::Algorithm 繼承的靜態公共成員函式
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。

從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

實現 Loke SC 等人提出的 F-DBSCAN（採用並行 DBSCAN 演算法加速超畫素影像分割）超畫素演算法的類。[173] 為原始論文。

該演算法使用並行 DBSCAN 聚類搜尋，該搜尋具有抗噪聲能力，在分割質量方面具有競爭力，並且比現有的超畫素分割方法更快。在伯克利分割資料集上進行測試時，平均處理速度為 175 幀/秒，邊界召回率為 0.797，可實現的分割精度為 0.944。計算複雜度是二次 O(n2)，更適合較小的影像，但仍然可以比 OpenCV 中的 SEEDS 演算法更快地處理 2MP 彩色影像。當處理執行緒數固定時，輸出是確定性的，並且需要源影像採用 Lab 顏色格式。

建構函式 & 解構函式文件

◆ ~ScanSegment()

virtual cv::ximgproc::ScanSegment::~ScanSegment ( )

virtual

成員函式文件

◆ getLabelContourMask()

virtual void cv::ximgproc::ScanSegment::getLabelContourMask	(	OutputArray	image,
		bool	thick_line = false )

純虛擬函式

Python
	cv.ximgproc.ScanSegment.getLabelContourMask(	[, image[, thick_line]]	) ->	image

返回儲存在 ScanSegment 物件中的超畫素分割的掩碼。

該函式返回超畫素分割的邊界。

引數

image	返回：CV_8UC1 影像掩碼，其中 -1 表示畫素是超畫素邊界，否則為 0。
thick_line	如果為 false，則邊界僅為一個畫素寬，否則所有位於邊界的畫素都會被掩蓋。

◆ getLabels()

virtual void cv::ximgproc::ScanSegment::getLabels ( OutputArray labels_out )

純虛擬函式

Python
	cv.ximgproc.ScanSegment.getLabels(	[, labels_out]	) ->	labels_out

返回影像的分割標籤。

每個標籤代表一個超畫素，並且每個畫素被分配給一個超畫素標籤。

引數

labels_out 返回：一個 CV_32UC1 整數陣列，包含超畫素分割的標籤。標籤的範圍是 [0, getNumberOfSuperpixels()]。

◆ getNumberOfSuperpixels()

virtual int cv::ximgproc::ScanSegment::getNumberOfSuperpixels ( )

純虛擬函式

Python
	cv.ximgproc.ScanSegment.getNumberOfSuperpixels(		) ->	retval

從使用 iterate 處理的最後一個影像返回實際的超畫素分割。

如果沒有處理影像，則返回零。

◆ iterate()

virtual void cv::ximgproc::ScanSegment::iterate ( InputArray img )

純虛擬函式

Python
	cv.ximgproc.ScanSegment.iterate(	img	) ->	無

使用 ScanSegment 物件中的初始化引數計算給定影像上的超畫素分割。

可以為其他影像再次呼叫此函式，而無需使用 createScanSegment() 初始化演算法。這可以節省為演算法的所有結構分配記憶體的計算成本。

引數

img	輸入影像。支援的格式：CV_8UC3。影像大小必須與使用函式 createScanSegment() 初始化的影像大小匹配。它必須採用 Lab 顏色空間。

該類的文件是從以下檔案生成的

opencv2/ximgproc/scansegment.hpp

公共成員函式

附加繼承成員

詳細描述

建構函式 & 解構函式文件

◆ ~ScanSegment()

成員函式文件

◆ getLabelContourMask()

◆ getLabels()

◆ getNumberOfSuperpixels()

◆ iterate()