圖 API: 影像和通道合成函式

詳細描述

gapi_colorconvert

函式
GMat	cv::gapi::concatHor (const GMat &src1, const GMat &src2)
	對給定矩陣進行水平連線。
GMat	cv::gapi::concatHor (const std::vector< GMat > &v)
GMat	cv::gapi::concatVert (const GMat &src1, const GMat &src2)
	對給定矩陣執行垂直連線。
GMat	cv::gapi::concatVert (const std::vector< GMat > &v)
GMat	cv::gapi::convertTo (const GMat &src, int rdepth, double alpha=1, double beta=0)
	將矩陣轉換為另一種資料深度，並可選擇縮放。
GFrame	cv::gapi::copy (const GFrame &in)
	建立輸入幀的副本。請注意，此副本可能不是真實的（未複製實際資料）。當圖形輸入需要直接傳遞到輸出時（例如在流模式下），請使用此函式來維護圖形契約。
GMat	cv::gapi::copy (const GMat &in)
	建立輸入影像的副本。請注意，此副本可能不是真實的（未複製實際資料）。當圖形輸入需要直接傳遞到輸出時（例如在流模式下），請使用此函式來維護圖形契約。
GMat	cv::gapi::crop (const GMat &src, const Rect &rect)
	裁剪二維矩陣。
GMat	cv::gapi::flip (const GMat &src, int flipCode)
	圍繞垂直、水平或兩個軸翻轉二維矩陣。
GMat	cv::gapi::LUT (const GMat &src, const Mat &lut)
	對矩陣執行查詢錶轉換。
GMat	cv::gapi::merge3 (const GMat &src1, const GMat &src2, const GMat &src3)
	從3個單通道矩陣建立一個3通道矩陣。
GMat	cv::gapi::merge4 (const GMat &src1, const GMat &src2, const GMat &src3, const GMat &src4)
	將 4 個單通道矩陣合併為一個 4 通道矩陣。
GMat	cv::gapi::normalize (const GMat &src, double alpha, double beta, int norm_type, int ddepth=-1)
	對陣列的範數或值範圍進行歸一化。
GMat	cv::gapi::remap (const GMat &src, const Mat &map1, const Mat &map2, int interpolation, int borderMode=BORDER_CONSTANT, const Scalar &borderValue=Scalar())
	對影像應用通用幾何變換。
GMat	cv::gapi::resize (const GMat &src, const Size &dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR)
	調整影像大小。
GMatP	cv::gapi::resizeP (const GMatP &src, const Size &dsize, int interpolation=cv::INTER_LINEAR)
	調整平面圖像大小。
std::tuple< GMat, GMat, GMat >	cv::gapi::split3 (const GMat &src)
	將3通道矩陣分成3個單通道矩陣。
std::tuple< GMat, GMat, GMat, GMat >	cv::gapi::split4 (const GMat &src)
	將一個4通道矩陣分割成4個單通道矩陣。
GMat	cv::gapi::warpAffine (const GMat &src, const Mat &M, const Size &dsize, int flags=cv::INTER_LINEAR, int borderMode=cv::BORDER_CONSTANT, const Scalar &borderValue=Scalar())
	對影像應用仿射變換。
GMat	cv::gapi::warpPerspective (const GMat &src, const Mat &M, const Size &dsize, int flags=cv::INTER_LINEAR, int borderMode=cv::BORDER_CONSTANT, const Scalar &borderValue=Scalar())
	對影像應用透視變換。

函式文件

concatHor() [1/2]

GMat cv::gapi::concatHor	(	const GMat &	src1,
		const GMat &	src2 )

Python
	cv.gapi.concatHor(	src1, src2	) ->	retval
	cv.gapi.concatHor(	v	) ->	retval

#include <opencv2/gapi/core.hpp>

對給定矩陣進行水平連線。

此函式將兩個 GMat 矩陣（具有相同行數）水平連線起來。

GMat A = { 1, 4,
           2, 5,
           3, 6 };
GMat B = { 7, 10,
           8, 11,
           9, 12 };
 
GMat C = gapi::concatHor(A, B);
//C
//[1, 4, 7, 10;
// 2, 5, 8, 11;
// 3, 6, 9, 12]

輸出矩陣的行數和深度必須與 src1 和 src2 相同，且列數等於 src1 和 src2 的列數之和。支援的矩陣資料型別為 CV_8UC1, CV_8UC3, CV_16UC1, CV_16SC1, CV_32FC1。

注意

函式文字ID為 "org.opencv.imgproc.transform.concatHor"

引數

src1	用於水平連線的第一個輸入矩陣。
src2	用於水平連線的第二個輸入矩陣。

另請參見

concatVert

concatHor() [2/2]

GMat cv::gapi::concatHor

(

const std::vector< GMat > &

v

)

Python
	cv.gapi.concatHor(	src1, src2	) ->	retval
	cv.gapi.concatHor(	v	) ->	retval

#include <opencv2/gapi/core.hpp>

這是一個過載成員函式，為方便起見而提供。它與上述函式僅在接受的引數方面有所不同。此函式水平連線給定數量的 GMat 矩陣（具有相同列數）。輸出矩陣的列數和深度必須與輸入矩陣相同，且行數等於所有輸入矩陣的行數之和。

引數

v	要水平連線的輸入矩陣向量。

concatVert() [1/2]

GMat cv::gapi::concatVert	(	const GMat &	src1,
		const GMat &	src2 )

Python
	cv.gapi.concatVert(	src1, src2	) ->	retval
	cv.gapi.concatVert(	v	) ->	retval

#include <opencv2/gapi/core.hpp>

對給定矩陣執行垂直連線。

此函式將兩個 GMat 矩陣（具有相同列數）垂直連線起來。

GMat A = { 1, 7,
           2, 8,
           3, 9 };
GMat B = { 4, 10,
           5, 11,
           6, 12 };
 
GMat C = gapi::concatVert(A, B);
//C
//[1, 7;
// 2, 8;
// 3, 9;
// 4, 10;
// 5, 11;
// 6, 12]

輸出矩陣的列數和深度必須與 src1 和 src2 相同，且行數等於 src1 和 src2 的行數之和。支援的矩陣資料型別為 CV_8UC1, CV_8UC3, CV_16UC1, CV_16SC1, CV_32FC1。

注意

函式文字ID為 "org.opencv.imgproc.transform.concatVert"

引數

src1	用於垂直連線的第一個輸入矩陣。
src2	用於垂直連線的第二個輸入矩陣。

另請參見

concatHor

concatVert() [2/2]

GMat cv::gapi::concatVert

(

const std::vector< GMat > &

v

)

Python
	cv.gapi.concatVert(	src1, src2	) ->	retval
	cv.gapi.concatVert(	v	) ->	retval

#include <opencv2/gapi/core.hpp>

這是一個過載成員函式，為方便起見而提供。它與上述函式僅在接受的引數方面有所不同。此函式垂直連線給定數量的 GMat 矩陣（具有相同列數）。輸出矩陣的列數和深度必須與輸入矩陣相同，且行數等於所有輸入矩陣的行數之和。

引數

v	要垂直連線的輸入矩陣向量。

convertTo()

GMat cv::gapi::convertTo	(	const GMat &	src,
		int	rdepth,
		double	alpha = 1,
		double	beta = 0 )

Python
	cv.gapi.convertTo(	src, rdepth[, alpha[, beta]]	) ->	retval

#include <opencv2/gapi/core.hpp>

將矩陣轉換為另一種資料深度，並可選擇縮放。

此方法將源畫素值轉換為目標資料深度。最後應用 saturate_cast<> 以避免可能的溢位。

\[m(x,y) = saturate \_ cast<rType>( \alpha (*this)(x,y) + \beta )\]

輸出矩陣的尺寸必須與輸入矩陣相同。

注意

函式文字ID為 "org.opencv.core.transform.convertTo"

引數

src	要轉換的輸入矩陣。
rdepth	所需的輸出矩陣深度，或者，由於通道數與輸入相同，因此是深度；如果 rdepth 為負，則輸出矩陣將與輸入具有相同的深度。
alpha	可選的比例因子。
beta	新增到縮放值的可選增量。

copy() [1/2]

GFrame cv::gapi::copy

(

const GFrame &

in

)

Python
	cv.gapi.copy(	in_	) ->	retval

#include <opencv2/gapi/streaming/format.hpp>

建立輸入幀的副本。請注意，此副本可能不是真實的（未複製實際資料）。當圖形輸入需要直接傳遞到輸出時（例如在流模式下），請使用此函式來維護圖形契約。

注意

函式文字ID為 "org.opencv.streaming.copy"

引數

in

輸入幀

返回

輸入的副本

copy() [2/2]

GMat cv::gapi::copy

(

const GMat &

in

)

Python
	cv.gapi.copy(	in_	) ->	retval

#include <opencv2/gapi/streaming/format.hpp>

建立輸入影像的副本。請注意，此副本可能不是真實的（未複製實際資料）。當圖形輸入需要直接傳遞到輸出時（例如在流模式下），請使用此函式來維護圖形契約。

注意

函式文字ID為 "org.opencv.streaming.copy"

引數

in

輸入影像

返回

輸入的副本

crop()

GMat cv::gapi::crop	(	const GMat &	src,
		const Rect &	rect )

Python
	cv.gapi.crop(	src, rect	) ->	retval

#include <opencv2/gapi/core.hpp>

裁剪二維矩陣。

此函式透過給定的 cv::Rect 裁剪矩陣。

輸出矩陣必須與輸入矩陣具有相同的深度，大小由給定矩形大小指定。

注意

函式文字ID為 "org.opencv.core.transform.crop"

引數

src	輸入矩陣。
rect	用於裁剪矩陣的矩形。

另請參見

resize

flip()

GMat cv::gapi::flip	(	const GMat &	src,
		int	flipCode )

Python
	cv.gapi.flip(	src, flipCode	) ->	retval

#include <opencv2/gapi/core.hpp>

圍繞垂直、水平或兩個軸翻轉二維矩陣。

此函式以三種不同方式之一翻轉矩陣（行和列索引從0開始）：

\[\texttt{dst} _{ij} = \left\{ \begin{array}{l l} \texttt{src} _{\texttt{src.rows}-i-1,j} & if\; \texttt{flipCode} = 0 \\ \texttt{src} _{i, \texttt{src.cols} -j-1} & if\; \texttt{flipCode} > 0 \\ \texttt{src} _{ \texttt{src.rows} -i-1, \texttt{src.cols} -j-1} & if\; \texttt{flipCode} < 0 \\ \end{array} \right.\]

使用此函式的示例場景如下：影像垂直翻轉 (flipCode == 0) 以在左上角和左下角影像原點之間切換。這是Microsoft Windows* 作業系統中影片處理的典型操作。影像水平翻轉，隨後進行水平移位和絕對差值計算，以檢查垂直軸對稱性 (flipCode > 0)。影像同時進行水平和垂直翻轉，隨後進行移位和絕對差值計算，以檢查中心對稱性 (flipCode < 0)。反轉點陣列的順序 (flipCode > 0 或 flipCode == 0)。輸出影像必須與輸入影像具有相同的深度，大小應與給定的 flipCode 匹配。

注意

函式文字ID為 "org.opencv.core.transform.flip"

引數

src	輸入矩陣。
flipCode	指定如何翻轉陣列的標誌；0表示繞x軸翻轉，正值（例如1）表示繞y軸翻轉。負值（例如-1）表示繞兩個軸翻轉。

另請參見

remap

LUT()

GMat cv::gapi::LUT	(	const GMat &	src,
		const Mat &	lut )

Python
	cv.gapi.LUT(	src, lut	) ->	retval

#include <opencv2/gapi/core.hpp>

對矩陣執行查詢錶轉換。

函式 LUT 用查詢表中的值填充輸出矩陣。條目的索引取自輸入矩陣。也就是說，該函式按如下方式處理 src 的每個元素：

\[\texttt{dst} (I) \leftarrow \texttt{lut(src(I))}\]

支援的矩陣資料型別為 CV_8UC1。輸出矩陣與 src 具有相同的大小和通道數，並與 lut 具有相同的深度。

注意

函式文字ID為 "org.opencv.core.transform.LUT"

引數

src	8位元素的輸入矩陣。
lut	包含256個元素的查詢表；在多通道輸入陣列的情況下，該表應具有單個通道（在這種情況下，所有通道使用相同的表）或與輸入矩陣相同的通道數。

merge3()

GMat cv::gapi::merge3	(	const GMat &	src1,
		const GMat &	src2,
		const GMat &	src3 )

Python
	cv.gapi.merge3(	src1, src2, src3	) ->	retval

#include <opencv2/gapi/core.hpp>

從3個單通道矩陣建立一個3通道矩陣。

此函式合併多個矩陣以生成單個多通道矩陣。也就是說，輸出矩陣的每個元素將是輸入矩陣元素的串聯，其中第 i 個輸入矩陣的元素被視為 mv[i].channels() 元素向量。輸出矩陣必須是 CV_8UC3 型別。

函式 split3 執行相反的操作。

注意

• 函式文字ID為 "org.opencv.core.transform.merge3"

引數

src1	要合併的第一個輸入 CV_8UC1 矩陣。
src2	要合併的第二個輸入 CV_8UC1 矩陣。
src3	要合併的第三個輸入 CV_8UC1 矩陣。

另請參見

merge4, split4, split3

merge4()

GMat cv::gapi::merge4	(	const GMat &	src1,
		const GMat &	src2,
		const GMat &	src3,
		const GMat &	src4 )

Python
	cv.gapi.merge4(	src1, src2, src3, src4	) ->	retval

#include <opencv2/gapi/core.hpp>

將 4 個單通道矩陣合併為一個 4 通道矩陣。

此函式合併多個矩陣以生成單個多通道矩陣。也就是說，輸出矩陣的每個元素將是輸入矩陣元素的串聯，其中第 i 個輸入矩陣的元素被視為 mv[i].channels() 元素向量。輸出矩陣必須是 CV_8UC4 型別。

函式 split4 執行相反的操作。

注意

• 函式文字ID為 "org.opencv.core.transform.merge4"

引數

src1	要合併的第一個輸入 CV_8UC1 矩陣。
src2	要合併的第二個輸入 CV_8UC1 矩陣。
src3	要合併的第三個輸入 CV_8UC1 矩陣。
src4	要合併的第四個輸入 CV_8UC1 矩陣。

另請參見

merge3, split4, split3

normalize()

GMat cv::gapi::normalize	(	const GMat &	src,
		double	alpha,
		double	beta,
		int	norm_type,
		int	ddepth = -1 )

Python
	cv.gapi.normalize(	src, alpha, beta, norm_type[, ddepth]	) ->	retval

#include <opencv2/gapi/core.hpp>

對陣列的範數或值範圍進行歸一化。

此函式對輸入陣列元素進行歸一化、縮放和移位，以使

\[\| \texttt{dst} \| _{L_p}= \texttt{alpha}\]

（其中 p=Inf、1 或 2）當 normType 分別為 NORM_INF、NORM_L1 或 NORM_L2 時；或者使得

\[\min _I \texttt{dst} (I)= \texttt{alpha} , \, \, \max _I \texttt{dst} (I)= \texttt{beta}\]

當 normType=NORM_MINMAX 時（僅適用於密集陣列）。

注意

函式文字ID為 "org.opencv.core.normalize"

引數

src	輸入陣列。
alpha	要歸一化的範數值或在範圍歸一化情況下的下限。
beta	範圍歸一化情況下的上限；不用於範數歸一化。
norm_type	歸一化型別（參見 cv::NormTypes）。
ddepth	當為負時，輸出陣列與 src 具有相同的型別；否則，它與 src 具有相同的通道數，並且深度為 ddepth。

另請參見

norm, Mat::convertTo

remap()

GMat cv::gapi::remap	(	const GMat &	src,
		const Mat &	map1,
		const Mat &	map2,
		int	interpolation,
		int	borderMode = BORDER_CONSTANT,
		const Scalar &	borderValue = Scalar() )

Python
	cv.gapi.remap(	src, map1, map2, interpolation[, borderMode[, borderValue]]	) ->	retval

#include <opencv2/gapi/core.hpp>

對影像應用通用幾何變換。

此函式使用指定的對映轉換源影像

\[\texttt{dst} (x,y) = \texttt{src} (map_x(x,y),map_y(x,y))\]

其中非整數座標的畫素值使用可用的插值方法之一計算。\(map_x\) 和 \(map_y\) 可以分別編碼為 \(map_1\) 和 \(map_2\) 中的單獨浮點對映，或 \(map_1\) 中交錯的 \((x,y)\) 浮點對映，或使用 convertMaps 建立的定點對映。您可能希望從浮點表示轉換為定點表示的原因是它們可以產生更快的（2倍）重對映操作。在轉換的情況下，\(map_1\) 包含對 (cvFloor(x), cvFloor(y))，\(map_2\) 包含插值係數表中的索引。輸出影像的尺寸和深度必須與輸入影像相同。

注意

• 函式文字ID為 "org.opencv.core.transform.remap"
• 由於當前的實現限制，輸入和輸出影像的大小應小於 32767x32767。

引數

src	源影像。
map1	第一個對映，可以是 (x,y) 點或僅 x 值，型別為 CV_16SC2, CV_32FC1, 或 CV_32FC2。
map2	第二個對映，y 值，型別為 CV_16UC1, CV_32FC1, 或無（如果 map1 是 (x,y) 點則為空對映）。
interpolation	插值方法（參見 cv::InterpolationFlags）。此函式不支援 INTER_AREA 和 INTER_LINEAR_EXACT 方法。
borderMode	畫素外推法（參見 cv::BorderTypes）。當 borderMode=BORDER_TRANSPARENT 時，表示目標影像中與源影像中的“異常值”對應的畫素不會被函式修改。
borderValue	常量邊界情況下使用的值。預設值為 0。

resize()

GMat cv::gapi::resize	(	const GMat &	src,
		const Size &	dsize,
		double	fx = 0,
		double	fy = 0,
		int	interpolation = INTER_LINEAR )

Python
	cv.gapi.resize(	src, dsize[, fx[, fy[, interpolation]]]	) ->	retval

#include <opencv2/gapi/imgproc.hpp>

調整影像大小。

此函式將影像 src 調整為指定的大小（縮小或放大）。

輸出影像的大小將是 dsize（當 dsize 非零時）或根據 src.size()、fx 和 fy 計算的大小；輸出的深度與 src 相同。

如果您想調整 src 的大小以適應預建立的 dst，您可以按如下方式呼叫函式：

// 顯式指定 dsize=dst.size()；fx 和 fy 將從中計算。
resize(src, dst, dst.size(), 0, 0, interpolation);

如果您想將影像在每個方向上縮小2倍，您可以這樣呼叫函式：

// 指定 fx 和 fy，讓函式計算目標影像大小。
resize(src, dst, Size(), 0.5, 0.5, interpolation);

縮小影像時，通常使用 cv::INTER_AREA 插值效果最佳，而放大影像時，通常使用 cv::INTER_CUBIC（慢）或 cv::INTER_LINEAR（更快但效果仍可接受）插值效果最佳。

注意

函式文字ID為 "org.opencv.imgproc.transform.resize"

引數

src	輸入影像。
dsize	輸出影像大小；如果它等於零，則計算為 \[\texttt{dsize = Size(round(fx*src.cols), round(fy*src.rows))}\] dsize 或 fx 和 fy 必須都非零。
fx	沿水平軸的縮放因子；當它等於0時，計算方式為 \[\texttt{(double)dsize.width/src.cols}\]
fy	沿垂直軸的縮放因子；當它等於0時，計算方式為 \[\texttt{(double)dsize.height/src.rows}\]
interpolation	插值方法，參見 cv::InterpolationFlags

另請參見

warpAffine, warpPerspective, remap, resizeP

resizeP()

GMatP cv::gapi::resizeP	(	const GMatP &	src,
		const Size &	dsize,
		int	interpolation = cv::INTER_LINEAR )

#include <opencv2/gapi/imgproc.hpp>

調整平面圖像大小。

此函式將影像 src 調整為指定的大小（縮小或放大）。平面圖像記憶體佈局是三個連續的記憶體平面，因此影像高度應為 plane_height*plane_number，影像型別為 CV_8UC1。

輸出影像的大小將是 dsize，輸出的深度與 src 相同。

注意

函式文字ID為 "org.opencv.imgproc.transform.resizeP"

引數

src	輸入影像，必須是 CV_8UC1 型別；
dsize	輸出影像大小；
interpolation	插值方法，目前僅支援 cv::INTER_LINEAR

另請參見

warpAffine, warpPerspective, remap, resize

split3()

std::tuple< GMat, GMat, GMat > cv::gapi::split3

(

const GMat &

src

)

Python
	cv.gapi.split3(	src	) ->	retval

#include <opencv2/gapi/core.hpp>

將3通道矩陣分成3個單通道矩陣。

此函式將一個3通道矩陣拆分為3個單通道矩陣。

\[\texttt{mv} [c](I) = \texttt{src} (I)_c\]

所有輸出矩陣必須是 CV_8UC1 型別。

函式 merge3 執行相反的操作。

注意

• 函式文字ID為 "org.opencv.core.transform.split3"

引數

src	輸入 CV_8UC3 矩陣。

另請參見

split4, merge3, merge4

split4()

std::tuple< GMat, GMat, GMat, GMat > cv::gapi::split4

(

const GMat &

src

)

Python
	cv.gapi.split4(	src	) ->	retval

#include <opencv2/gapi/core.hpp>

將一個4通道矩陣分割成4個單通道矩陣。

此函式將一個4通道矩陣拆分為4個單通道矩陣。

\[\texttt{mv} [c](I) = \texttt{src} (I)_c\]

所有輸出矩陣必須是 CV_8UC1 型別。

函式 merge4 執行相反的操作。

注意

• 函式文字ID為 "org.opencv.core.transform.split4"

引數

src	輸入 CV_8UC4 矩陣。

另請參見

split3, merge3, merge4

warpAffine()

GMat cv::gapi::warpAffine	(	const GMat &	src,
		const Mat &	M,
		const Size &	dsize,
		int	flags = cv::INTER_LINEAR,
		int	borderMode = cv::BORDER_CONSTANT,
		const Scalar &	borderValue = Scalar() )

Python
	cv.gapi.warpAffine(	src, M, dsize[, flags[, borderMode[, borderValue]]]	) ->	retval

#include <opencv2/gapi/core.hpp>

對影像應用仿射變換。

函式 warpAffine 使用指定的矩陣變換源影像

\[\texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23})\]

當設定了標誌 WARP_INVERSE_MAP 時。否則，轉換會首先透過 invertAffineTransform 進行反轉，然後替換 M 放入上述公式中。此函式不能原地操作。

引數

src	輸入影像。
M	\(2\times 3\) 變換矩陣。
dsize	輸出影像的尺寸。
flags	插值方法（參見 InterpolationFlags）和可選標誌 WARP_INVERSE_MAP 的組合，表示 M 是逆變換 ( \(\texttt{dst}\rightarrow\texttt{src}\) )。
borderMode	畫素外推方法（參見 BorderTypes）；不支援 borderMode=BORDER_TRANSPARENT
borderValue	在常數邊界情況下使用的值；預設情況下，它是 0。

另請參見

warpPerspective, resize, remap, getRectSubPix, transform

warpPerspective()

GMat cv::gapi::warpPerspective	(	const GMat &	src,
		const Mat &	M,
		const Size &	dsize,
		int	flags = cv::INTER_LINEAR,
		int	borderMode = cv::BORDER_CONSTANT,
		const Scalar &	borderValue = Scalar() )

Python
	cv.gapi.warpPerspective(	src, M, dsize[, flags[, borderMode[, borderValue]]]	) ->	retval

#include <opencv2/gapi/core.hpp>

對影像應用透視變換。

函式 warpPerspective 使用指定的矩陣變換源影像

\[\texttt{dst} (x,y) = \texttt{src} \left ( \frac{M_{11} x + M_{12} y + M_{13}}{M_{31} x + M_{32} y + M_{33}} , \frac{M_{21} x + M_{22} y + M_{23}}{M_{31} x + M_{32} y + M_{33}} \right )\]

當設定了標誌 WARP_INVERSE_MAP 時。否則，轉換會首先透過 invert 進行反轉，然後替換 M 放入上述公式中。此函式不能原地操作。

引數

src	輸入影像。
M	\(3\times 3\) 變換矩陣。
dsize	輸出影像的尺寸。
flags	插值方法（INTER_LINEAR 或 INTER_NEAREST）和可選標誌 WARP_INVERSE_MAP 的組合，該標誌將 M 設定為逆變換 ( \(\texttt{dst}\rightarrow\texttt{src}\) )。
borderMode	畫素外推方法（BORDER_CONSTANT 或 BORDER_REPLICATE）。
borderValue	在常量邊界情況下使用的值；預設情況下，它等於0。

另請參見

warpAffine, resize, remap, getRectSubPix, perspectiveTransform