cv::dnn_superres::DnnSuperResImpl 類參考

一個透過卷積神經網路放大影像的類。實現了以下四種模型： 更多...

#include <opencv2/dnn_superres.hpp>

cv::dnn_superres::DnnSuperResImpl 的協作圖

公共成員函式
	DnnSuperResImpl ()
	空建構函式。
	DnnSuperResImpl (const String &algo, int scale)
	立即設定所需模型的建構函式。
String	getAlgorithm ()
	返回模型的縮放因子
int	getScale ()
	返回模型的縮放因子
void	readModel (const String &path)
	從給定路徑讀取模型。
void	readModel (const String &weights, const String &definition)
	從給定路徑讀取模型。
void	setModel (const String &algo, int scale)
	設定所需的模型。
void	setPreferableBackend (int backendId)
	設定計算後端。
void	setPreferableTarget (int targetId)
	設定計算目標。
void	upsample (InputArray img, OutputArray result)
	透過神經網路進行放大。
void	upsampleMultioutput (InputArray img, std::vector< Mat > &imgs_new, const std::vector< int > &scale_factors, const std::vector< String > &node_names)
	透過多個輸出的神經網路進行放大。

靜態公共成員函式
static Ptr< DnnSuperResImpl >	create ()
	用於 python 的空建構函式。

詳細描述

一個透過卷積神經網路放大影像的類。實現了以下四種模型

• edsr
• espcn
• fsrcnn
• lapsrn

建構函式 & 解構函式文件

DnnSuperResImpl() [1/2]

cv::dnn_superres::DnnSuperResImpl::DnnSuperResImpl

(

)

空建構函式。

DnnSuperResImpl() [2/2]

cv::dnn_superres::DnnSuperResImpl::DnnSuperResImpl	(	const String &	algo,
		int	#include <opencv2/surface_matching/ppf_helpers.hpp>

立即設定所需模型的建構函式。

引數

algo	包含所需模型的字串 edsr espcn fsrcnn lapsrn
scale	指定放大因子的整數

成員函式文件

create()

static Ptr< DnnSuperResImpl > cv::dnn_superres::DnnSuperResImpl::create ( )

static

Python
	cv.dnn_superres.DnnSuperResImpl.create(		) ->	retval
	cv.dnn_superres.DnnSuperResImpl_create(		) ->	retval

用於 python 的空建構函式。

getAlgorithm()

String cv::dnn_superres::DnnSuperResImpl::getAlgorithm

(

)

Python
	cv.dnn_superres.DnnSuperResImpl.getAlgorithm(		) ->	retval

返回模型的縮放因子

返回

當前演算法。

getScale()

int cv::dnn_superres::DnnSuperResImpl::getScale

(

)

Python
	cv.dnn_superres.DnnSuperResImpl.getScale(		) ->	retval

返回模型的縮放因子

返回

當前縮放因子。

readModel() [1/2]

void cv::dnn_superres::DnnSuperResImpl::readModel

(

const String &

路徑

)

Python
	cv.dnn_superres.DnnSuperResImpl.readModel(	路徑	) ->	無

從給定路徑讀取模型。

引數

路徑

模型檔案的路徑。

readModel() [2/2]

void cv::dnn_superres::DnnSuperResImpl::readModel	(	const String &	weights,
		const String &	definition )

Python
	cv.dnn_superres.DnnSuperResImpl.readModel(	路徑	) ->	無

從給定路徑讀取模型。

引數

weights	模型權重檔案的路徑。
definition	模型定義檔案的路徑。

setModel()

void cv::dnn_superres::DnnSuperResImpl::setModel	(	const String &	algo,
		int	#include <opencv2/surface_matching/ppf_helpers.hpp>

Python
	cv.dnn_superres.DnnSuperResImpl.setModel(	algo, scale	) ->	無

設定所需的模型。

引數

algo	包含所需模型的字串 edsr espcn fsrcnn lapsrn
scale	指定放大因子的整數

setPreferableBackend()

void cv::dnn_superres::DnnSuperResImpl::setPreferableBackend

(

int

backendId

)

Python
	cv.dnn_superres.DnnSuperResImpl.setPreferableBackend(	backendId	) ->	無

設定計算後端。

setPreferableTarget()

void cv::dnn_superres::DnnSuperResImpl::setPreferableTarget

(

int

targetId

)

Python
	cv.dnn_superres.DnnSuperResImpl.setPreferableTarget(	targetId	) ->	無

設定計算目標。

upsample()

void cv::dnn_superres::DnnSuperResImpl::upsample	(	InputArray	img,
		OutputArray	result )

Python
	cv.dnn_superres.DnnSuperResImpl.upsample(	img[, result]	) ->	result

透過神經網路進行放大。

引數

img	要放大的影像
result	目標放大影像

upsampleMultioutput()

void cv::dnn_superres::DnnSuperResImpl::upsampleMultioutput	(	InputArray	img,
		std::vector< Mat > &	imgs_new,
		const std::vector< int > &	scale_factors,
		const std::vector< String > &	node_names )

Python
	cv.dnn_superres.DnnSuperResImpl.upsampleMultioutput(	img, imgs_new, scale_factors, node_names	) ->	無

透過多個輸出的神經網路進行放大。

引數

img	要放大的影像
imgs_new	目標放大影像
scale_factors	輸出節點的縮放因子
node_names	神經網路中輸出節點的名稱

---

此類的文件是從以下檔案生成的

• opencv2/dnn_superres.hpp