詳細描述

0 階模糊變換 ( \(F^0\) -變換) 將整個影像轉換為其分量的矩陣。這些分量用於後續計算，其中每個分量代表特定子區域的平均顏色。

函式
void	cv::ft::FT02D_components ( InputArray matrix, InputArray kernel, OutputArray components, InputArray mask=noArray() )
	使用直接 \(F^0\)-變換計算陣列的元件。

void	cv::ft::FT02D_FL_process ( InputArray matrix, const int radius, OutputArray output )
	稍微不太準確的 \(F^0\) -變換計算版本，針對更高的速度進行了最佳化。該方法採用線性基本函式進行計算。

void	cv::ft::FT02D_FL_process_float ( InputArray matrix, const int radius, OutputArray output )
	稍微不太準確的 \(F^0\) -變換計算版本，針對更高的速度進行了最佳化。該方法採用線性基本函式進行計算。

void	cv::ft::FT02D_inverseFT ( InputArray components, InputArray kernel, OutputArray output, int width, int height )
	計算逆 \(F^0\)-變換。

int	cv::ft::FT02D_iteration ( InputArray matrix, InputArray kernel, OutputArray output, InputArray mask, OutputArray maskOutput, bool firstStop )
	同時計算 \(F^0\) -變換和逆 \(F^0\) -變換並返回狀態。

void	cv::ft::FT02D_process ( InputArray matrix, InputArray kernel, OutputArray output, InputArray mask=noArray() )
	同時計算 \(F^0\) -變換和逆 \(F^0\) -變換。

函式文件

◆ FT02D_components()

void cv::ft::FT02D_components	(	InputArray	矩陣,
		InputArray	kernel,
		OutputArray	components,
		InputArray	mask = noArray() )

Python
	cv.ft.FT02D_components(	matrix, kernel[, components[, mask]]	) ->	components

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

使用直接 \(F^0\)-變換計算陣列的元件。

引數

矩陣	輸入陣列。
kernel	用於處理的核心。可以使用函式 `ft::createKernel`。
components	分量的輸出 32 位浮點陣列。
mask	掩碼可用於標記不需要的區域。

該函式使用預定義的核心和掩碼計算分量。

◆ FT02D_FL_process()

void cv::ft::FT02D_FL_process	(	InputArray	矩陣,
		const int	radius,
		OutputArray	output )

Python
	cv.ft.FT02D_FL_process(	matrix, radius[, output]	) ->	輸出

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

稍微不太準確的 \(F^0\) -變換計算版本，針對更高的速度進行了最佳化。該方法採用線性基本函式進行計算。

引數

矩陣	輸入 3 通道矩陣。
radius	`ft::LINEAR` 基本函式的半徑。
輸出	輸出陣列。

此函式一步計算 F-變換和逆 F-變換，使用線性基本函式。它比 ft::FT02D_process 方法快約 10 倍。

◆ FT02D_FL_process_float()

void cv::ft::FT02D_FL_process_float	(	InputArray	矩陣,
		const int	radius,
		OutputArray	output )

Python
	cv.ft.FT02D_FL_process_float(	matrix, radius[, output]	) ->	輸出

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

稍微不太準確的 \(F^0\) -變換計算版本，針對更高的速度進行了最佳化。該方法採用線性基本函式進行計算。

引數

矩陣	輸入 3 通道矩陣。
radius	`ft::LINEAR` 基本函式的半徑。
輸出	輸出陣列。

此函式一步計算 F-變換和逆 F-變換，使用線性基本函式。它比 ft::FT02D_process 方法快約 9 倍，並且比 ft::FT02D_FL_process 方法更準確。

◆ FT02D_inverseFT()

void cv::ft::FT02D_inverseFT	(	InputArray	components,
		InputArray	kernel,
		OutputArray	輸出,
		int	width,
		int	height )

Python
	cv.ft.FT02D_inverseFT(	分量，核，寬度，高度[, 輸出]	) ->	輸出

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

計算逆 \(F^0\)-變換。

引數

components	分量的輸入 32 位浮點單通道陣列。
kernel	用於處理的核心。可以使用函式 `ft::createKernel`。
輸出	輸出 32 位浮點陣列。
width	輸出陣列的寬度。
height	輸出陣列的高度。

逆 F-變換的計算。

◆ FT02D_iteration()

int cv::ft::FT02D_iteration	(	InputArray	矩陣,
		InputArray	kernel,
		OutputArray	輸出,
		InputArray	mask,
		OutputArray	maskOutput,
		bool	firstStop )

Python
	cv.ft.FT02D_iteration(	matrix, kernel, mask, firstStop[, output[, maskOutput]]	) ->	retval, output, maskOutput

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

同時計算 \(F^0\) -變換和逆 \(F^0\) -變換並返回狀態。

引數

矩陣	輸入矩陣。
kernel	用於處理的核心。可以使用函式 `ft::createKernel`。
輸出	輸出 32 位浮點陣列。
mask	用於標記不需要的區域的掩碼。
maskOutput	一次迭代後的掩碼。
firstStop	如果為 true，則函式在第一次出現問題時返回 -1。如果為 `false`，則完成該過程並返回所有問題的總和。

此函式計算 F-變換和逆 F-變換的迭代，並處理影像和掩碼更改。該函式在 ft::inpaint 函式中使用。

◆ FT02D_process()

void cv::ft::FT02D_process	(	InputArray	矩陣,
		InputArray	kernel,
		OutputArray	輸出,
		InputArray	mask = noArray() )

Python
	cv.ft.FT02D_process(	矩陣，核[, 輸出[, 掩碼]]	) ->	輸出

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

同時計算 \(F^0\) -變換和逆 \(F^0\) -變換。

引數

矩陣	輸入矩陣。
kernel	用於處理的核心。可以使用函式 `ft::createKernel`。
輸出	輸出 32 位浮點陣列。
mask	用於標記不需要的區域的掩碼。

此函式一步計算 F-變換和逆 F-變換。它對於 cv::Mat 是完全足夠的且經過最佳化。