詳細描述

函式
void	cv::accumulate (InputArray src, InputOutputArray dst, InputArray mask=noArray())
	將影像新增到累加器影像。

void	cv::accumulateProduct (InputArray src1, InputArray src2, InputOutputArray dst, InputArray mask=noArray())
	將兩個輸入影像的逐元素乘積新增到累加器影像。

void	cv::accumulateSquare (InputArray src, InputOutputArray dst, InputArray mask=noArray())
	將源影像的平方新增到累加器影像。

void	cv::accumulateWeighted (InputArray src, InputOutputArray dst, double alpha, InputArray mask=noArray())
	更新執行平均值。

void	cv::createHanningWindow (OutputArray dst, Size winSize, int type)
	此函式計算二維的漢寧窗係數。

void	cv::divSpectrums (InputArray a, InputArray b, OutputArray c, int flags, bool conjB=false)
	執行第一個傅立葉譜除以第二個傅立葉譜的逐元素除法。

Point2d	cv::phaseCorrelate (InputArray src1, InputArray src2, InputArray window=noArray(), double *response=0)
	此函式用於檢測兩幅影像之間發生的平移偏差。

函式文件

◆ accumulate()

void cv::accumulate	(	InputArray	src,
		InputOutputArray	dst,
		InputArray	mask = noArray() )

Python
	cv.accumulate(	src, dst[, mask]	) ->	dst

#include <opencv2/imgproc.hpp>

將影像新增到累加器影像。

此函式將 src 或其部分元素新增到 dst

\[\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y) \quad \text{如果} \quad \texttt{mask} (x,y) \ne 0\]

此函式支援多通道影像。每個通道獨立處理。

例如，cv::accumulate 函式可用於收集靜止相機拍攝的場景背景統計資料，並用於進一步的前景-背景分割。

引數

src	輸入影像型別為 CV_8UC(n)、CV_16UC(n)、CV_32FC(n) 或 CV_64FC(n)，其中 n 為正整數。
dst	累加器影像，通道數與輸入影像相同，深度為 CV_32F 或 CV_64F。
mask	可選操作掩碼。

另請參見: accumulateSquare、accumulateProduct、accumulateWeighted

◆ accumulateProduct()

void cv::accumulateProduct	(	InputArray	src1,
		InputArray	src2,
		InputOutputArray	dst,
		InputArray	mask = noArray() )

Python
	cv.accumulateProduct(	src1, src2, dst[, mask]	) ->	dst

#include <opencv2/imgproc.hpp>

將兩個輸入影像的逐元素乘積新增到累加器影像。

此函式將兩個影像或其選定區域的乘積新增到累加器 dst

\[\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src1} (x,y) \cdot \texttt{src2} (x,y) \quad \text{如果} \quad \texttt{mask} (x,y) \ne 0\]

此函式支援多通道影像。每個通道獨立處理。

引數

src1	第一個輸入影像，1 或 3 通道，8 位或 32 位浮點型。
src2	第二個輸入影像，型別和大小與 src1 相同。
dst	累加器影像，通道數與輸入影像相同，32 位或 64 位浮點型。
mask	可選操作掩碼。

另請參見: accumulate、accumulateSquare、accumulateWeighted

◆ accumulateSquare()

void cv::accumulateSquare	(	InputArray	src,
		InputOutputArray	dst,
		InputArray	mask = noArray() )

Python
	cv.accumulateSquare(	src, dst[, mask]	) ->	dst

#include <opencv2/imgproc.hpp>

將源影像的平方新增到累加器影像。

此函式將輸入影像 src 或其選定區域（2 次冪）新增到累加器 dst

\[\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y)^2 \quad \text{如果} \quad \texttt{mask} (x,y) \ne 0\]

此函式支援多通道影像。每個通道獨立處理。

引數

src	輸入影像為 1 或 3 通道，8 位或 32 位浮點型。
dst	累加器影像，通道數與輸入影像相同，32 位或 64 位浮點型。
mask	可選操作掩碼。

另請參見: accumulateSquare、accumulateProduct、accumulateWeighted

◆ accumulateWeighted()

void cv::accumulateWeighted	(	InputArray	src,
		InputOutputArray	dst,
		double	alpha,
		InputArray	mask = noArray() )

Python
	cv.accumulateWeighted(	src, dst, alpha[, mask]	) ->	dst

#include <opencv2/imgproc.hpp>

更新執行平均值。

此函式計算輸入影像 src 和累加器 dst 的加權和，使 dst 成為幀序列的執行平均值

\[\texttt{dst} (x,y) \leftarrow (1- \texttt{alpha} ) \cdot \texttt{dst} (x,y) + \texttt{alpha} \cdot \texttt{src} (x,y) \quad \text{如果} \quad \texttt{mask} (x,y) \ne 0\]

也就是說，alpha 控制更新速度（累加器“遺忘”早期影像的速度）。此函式支援多通道影像。每個通道獨立處理。

引數

src	輸入影像為 1 或 3 通道，8 位或 32 位浮點型。
dst	累加器影像，通道數與輸入影像相同，32 位或 64 位浮點型。
alpha	輸入影像的權重。
mask	可選操作掩碼。

另請參見: accumulate、accumulateSquare、accumulateProduct

◆ createHanningWindow()

void cv::createHanningWindow	(	OutputArray	dst,
		Size	winSize,
		int	type )

Python
	cv.createHanningWindow(	winSize, type[, dst]	) ->	dst

#include <opencv2/imgproc.hpp>

此函式計算二維的漢寧窗係數。

有關更多資訊，請參閱 (https://en.wikipedia.org/wiki/Hann_function) 和 (https://en.wikipedia.org/wiki/Window_function)。

示例如下

// 建立大小為 100x100 且型別為 CV_32F 的漢寧窗
Mat hann;
createHanningWindow(hann, Size(100, 100), CV_32F);

引數

dst	用於放置漢寧係數的目標陣列
winSize	視窗大小規格（寬度和高度都必須 > 1）
type	建立的陣列型別

◆ divSpectrums()

void cv::divSpectrums	(	InputArray	a,
		InputArray	b,
		OutputArray	c,
		int	flags,
		bool	conjB = false )

Python
	cv.divSpectrums(	a, b, flags[, c[, conjB]]	) ->	c

#include <opencv2/imgproc.hpp>

執行第一個傅立葉譜除以第二個傅立葉譜的逐元素除法。

cv::divSpectrums 函式執行第一個陣列除以第二個陣列的逐元素除法。這些陣列是 CCS 打包的或複數矩陣，它們是實數或複數傅立葉變換的結果。

引數

a	第一個輸入陣列。
b	第二個輸入陣列，其大小和型別與 src1 相同。
c	輸出陣列，其大小和型別與 src1 相同。
flags	操作標誌；目前，唯一支援的標誌是 cv::DFT_ROWS，它表示 src1 和 src2 的每一行都是獨立的 1D 傅立葉譜。如果您不想使用此標誌，則只需新增 `0` 作為值。
conjB	可選標誌，在乘法前是否對第二個輸入陣列進行共軛運算（true）或不進行（false）。

◆ phaseCorrelate()

Point2d cv::phaseCorrelate	(	InputArray	src1,
		InputArray	src2,
		InputArray	window = noArray(),
		如果傳入NULL，則假定尺度引數c為1.0。否則，指向的變數將被設定為最優尺度。	response = 0 )

Python
	cv.phaseCorrelate(	src1, src2[, window]	) ->	retval, response

#include <opencv2/imgproc.hpp>

此函式用於檢測兩幅影像之間發生的平移偏差。

此操作利用傅立葉平移定理來檢測頻域中的平移偏差。它可用於快速影像配準和運動估計。更多資訊請參閱 https://en.wikipedia.org/wiki/Phase_correlation

計算兩個提供的源陣列的互功率譜。如果需要，陣列會使用 getOptimalDFTSize 進行填充。

此函式執行以下方程

首先，如果使用者提供，它會對每個影像應用漢寧窗以消除可能的邊緣效應。請參閱 createHanningWindow 和 https://en.wikipedia.org/wiki/Hann_function。此視窗可以被快取，直到陣列大小改變，以加快處理時間。
接下來，它計算每個源陣列的正向 DFT
\[\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\]
其中 \(\mathcal{F}\) 是正向 DFT。
然後它計算每個頻域陣列的互功率譜
\[R = \frac{ \mathbf{G}_a \mathbf{G}_b^*}{|\mathbf{G}_a \mathbf{G}_b^*|}\]
接下來，透過逆 DFT 將互相關轉換回時域
\[r = \mathcal{F}^{-1}\{R\}\]
最後，它計算峰值位置並計算峰值周圍的 5x5 加權質心以實現亞畫素精度。
\[(\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\]
如果非零，則響應引數計算為 r 在峰值位置周圍 5x5 質心內的元素之和。它被歸一化為最大值 1（表示只有一個峰值），當有多個峰值時會更小。

引數

src1	源浮點陣列 (CV_32FC1 或 CV_64FC1)
src2	源浮點陣列 (CV_32FC1 或 CV_64FC1)
window	帶有窗函式係數的浮點陣列，用於減少邊緣效應（可選）。
response	峰值周圍 5x5 質心內的訊號功率，介於 0 和 1 之間（可選）。

返回: 檢測到的兩個陣列之間的相位偏移（亞畫素）。

另請參見: dft、getOptimalDFTSize、idft、mulSpectrums createHanningWindow