名稱空間
名稱空間	rl

名稱空間	segmentation

類
類	自適應流形濾波器
	自適應流形濾波器實現的介面。更多...

結構體	Box

類	ContourFitting
	用於輪廓擬合演算法的類。輪廓擬合透過最小化距離來匹配兩個輪廓 \( z_a \) 和 \( z_b \)。更多...

類	DisparityFilter（視差濾波器）
	所有視差圖濾波器的主要介面。更多...

類	DisparityWLSFilter（視差WLS濾波器）
	基於加權最小二乘濾波器（以快速全域性平滑器形式，比傳統加權最小二乘濾波器實現快得多）的視差圖濾波器，並可選地使用基於左右一致性的置信度來細化半遮擋和均勻區域的結果。更多...

類	DTFilter
	域變換濾波器實現的介面。更多...

類	EdgeAwareInterpolator
	基於[228]中修改的區域性加權仿射估計器和快速全域性平滑器作為後處理濾波器的稀疏匹配插值演算法。更多...

類	EdgeBoxes
	實現EdgeBoxes演算法的類，來自[325]：更多...

類	EdgeDrawing
	實現ED（EdgeDrawing）[275]、EDLines [4]、EDPF [5]、EDCircles [6]和ColorED [7]演算法的類。更多...

類	FastBilateralSolverFilter
	快速雙邊求解器實現的介面。更多...

類	快速全域性平滑濾波器
	快速全域性平滑器濾波器實現的介面。更多...

類	FastLineDetector
	實現FLD（快速線檢測器）演算法的類，該演算法在[158]中描述。更多...

類	GuidedFilter
	（快速）引導濾波器實現的介面。更多...

類	RFFeatureGetter

類	RICInterpolator
	基於修改的分段區域性加權仿射估計器（稱為相關性魯棒插值方法或RIC，來自[132]）和變分與快速全域性平滑器作為後處理濾波器的稀疏匹配插值演算法。RICInterpolator是EdgeAwareInterpolator的擴充套件。此擴充套件的主要概念是基於透過SLIC超畫素估計進行過分割的分段仿射模型。該方法包含一個有效的傳播機制，用於在分段模型之間進行估計。更多...

類	RidgeDetectionFilter
	將脊檢測濾波器應用於輸入影像。使用輸入影像Hessian矩陣的特徵值（透過Sobel導數）實現類似於Mathematica中的脊檢測。可以使用骨架化和二值化進行額外細化。改編自[81]和[189]。更多...

類	ScanSegment
	實現Loke SC等人提出的F-DBSCAN（使用並行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...

類	SparseMatchInterpolator
	所有濾波器的主要介面，它們以稀疏匹配作為輸入，並生成密集的逐畫素匹配（光流）作為輸出。更多...

類	StructuredEdgeDetection
	實現[72]中邊緣檢測演算法的類：更多...

類	SuperpixelLSC
	實現LSC（線性譜聚類）超畫素演算法的類，該演算法在[163]中描述。更多...

類	SuperpixelSEEDS
	實現SEEDS（透過能量驅動取樣提取超畫素）超畫素演算法的類，該演算法在[285]中描述。更多...

類	SuperpixelSLIC
	實現SLIC（簡單線性迭代聚類）超畫素演算法的類，該演算法在[1]中描述。更多...

型別定義
typedef std::vector< Box >	盒

列舉
列舉	角度範圍選項 { ARO_0_45 = 0 , ARO_45_90 = 1 , ARO_90_135 = 2 , ARO_315_0 = 3 , ARO_315_45 = 4 , ARO_45_135 = 5 , ARO_315_135 = 6 , ARO_CTR_HOR = 7 , ARO_CTR_VER = 8 }
	指定要計算的霍夫空間部分。更多...

列舉	邊緣感知濾波器列表 { DTF_NC , DTF_IC , DTF_RF , GUIDED_FILTER , AM_FILTER }

列舉	霍夫去偏選項 { HDO_RAW = 0 , HDO_DESKEW = 1 }
	指定是否對霍夫變換影像進行去偏斜處理。更多...

列舉	霍夫操作 { FHT_MIN = 0 , FHT_MAX = 1 , FHT_ADD = 2 , FHT_AVE = 3 }
	指定二元操作。更多...

列舉	區域性二值化方法 { BINARIZATION_NIBLACK = 0 , BINARIZATION_SAUVOLA = 1 , BINARIZATION_WOLF = 2 , BINARIZATION_NICK = 3 }
	指定在cv::ximgproc::niBlackThreshold中使用的二值化方法。更多...

列舉	規則選項 { RO_STRICT = 0x00 , RO_IGNORE_BORDERS = 0x01 }
	指定規則驗證的程度。更多...

列舉	SLIC型別 { SLIC = 100 , SLICO = 101 , MSLIC = 102 }

列舉	細化型別 { THINNING_ZHANGSUEN = 0 , THINNING_GUOHALL = 1 }

列舉	WMF權重型別 { WMF_EXP = 1 , WMF_IV1 = 1 << 1 , WMF_IV2 = 1 << 2 , WMF_COS = 1 << 3 , WMF_JAC = 1 << 4 , WMF_OFF = 1 << 5 }
	指定加權中值濾波器的權重型別。更多...

函式
void	amFilter (InputArray joint, InputArray src, OutputArray dst, double sigma_s, double sigma_r, bool adjust_outliers=false)
	簡單的單行自適應流形濾波器呼叫。

void	anisotropicDiffusion (InputArray src, OutputArray dst, float alpha, float K, int niters)
	對影像執行各向異性擴散。

void	bilateralTextureFilter (InputArray src, OutputArray dst, int fr=3, int numIter=1, double sigmaAlpha=-1., double sigmaAvg=-1.)
	將雙邊紋理濾波器應用於影像。它執行結構保留紋理濾波。有關此濾波器的更多詳細資訊，請參見[58]。

void	BrightEdges (Mat &_original, Mat &_edgeview, int contrast=1, int shortrange=3, int longrange=9)

void	colorMatchTemplate (InputArray img, InputArray templ, OutputArray result)
	將彩色模板與重疊的彩色影像區域進行比較。

double	computeBadPixelPercent (InputArray GT, InputArray src, Rect ROI, int thresh=24)
	用於計算視差圖中“壞”畫素百分比（誤差高於指定閾值的畫素）的函式

double	computeMSE (InputArray GT, InputArray src, Rect ROI)
	用於計算視差圖的均方誤差的函式。

void	contourSampling (InputArray src, OutputArray out, int nbElt)
	輪廓取樣。

void	covarianceEstimation (InputArray src, OutputArray dst, int windowRows, int windowCols)
	使用滑動視窗公式計算影像的估計協方差矩陣。

Ptr< AdaptiveManifoldFilter >	createAMFilter (double sigma_s, double sigma_r, bool adjust_outliers=false)
	工廠方法，建立AdaptiveManifoldFilter例項並執行一些初始化例程。

Ptr< ContourFitting >	createContourFitting (int ctr=1024, int fd=16)
	建立ContourFitting演算法物件

Ptr< DisparityWLSFilter >	createDisparityWLSFilter (Ptr< StereoMatcher > matcher_left)
	便捷的工廠方法，建立DisparityWLSFilter例項，並根據匹配器例項自動設定所有相關濾波器引數。目前僅支援StereoBM和StereoSGBM。

Ptr< DisparityWLSFilter >	createDisparityWLSFilterGeneric (bool use_confidence)
	更通用的工廠方法，建立DisparityWLSFilter例項並執行基本初始化例程。使用此方法時，您需要自行設定ROI、匹配器和其他引數。

Ptr< DTFilter >	createDTFilter (InputArray guide, double sigmaSpatial, double sigmaColor, int mode=DTF_NC, int numIters=3)
	工廠方法，建立DTFilter例項並執行初始化例程。

Ptr< EdgeAwareInterpolator >	建立邊緣感知插值器 ()
	建立EdgeAwareInterpolator例項的工廠方法。

Ptr< EdgeBoxes >	createEdgeBoxes (float alpha=0.65f, float beta=0.75f, float eta=1, float minScore=0.01f, int maxBoxes=10000, float edgeMinMag=0.1f, float edgeMergeThr=0.5f, float clusterMinMag=0.5f, float maxAspectRatio=3, float minBoxArea=1000, float gamma=2, float kappa=1.5f)
	建立 Edgeboxes。

Ptr< EdgeDrawing >	建立邊緣繪製 ()
	建立指向EdgeDrawing物件的智慧指標並初始化。

Ptr< FastBilateralSolverFilter >	createFastBilateralSolverFilter (InputArray guide, double sigma_spatial, double sigma_luma, double sigma_chroma, double lambda=128.0, int num_iter=25, double max_tol=1e-5)
	工廠方法，建立FastBilateralSolverFilter例項並執行初始化例程。

Ptr< FastGlobalSmootherFilter >	createFastGlobalSmootherFilter (InputArray guide, double lambda, double sigma_color, double lambda_attenuation=0.25, int num_iter=3)
	工廠方法，建立FastGlobalSmootherFilter例項並執行初始化例程。

Ptr< FastLineDetector >	createFastLineDetector (int length_threshold=10, float distance_threshold=1.414213562f, double canny_th1=50.0, double canny_th2=50.0, int canny_aperture_size=3, bool do_merge=false)
	建立指向FastLineDetector物件的智慧指標並初始化。

Ptr< GuidedFilter >	createGuidedFilter (InputArray guide, int radius, double eps, double scale=1.0)
	工廠方法，建立GuidedFilter例項並執行初始化例程。

void	createQuaternionImage (InputArray img, OutputArray qimg)
	建立四元數影像。

Ptr< RFFeatureGetter >	建立RFFeatureGetter ()

Ptr< RICInterpolator >	建立RIC插值器 ()
	建立RICInterpolator例項的工廠方法。

Ptr< StereoMatcher >	createRightMatcher (Ptr< StereoMatcher > matcher_left)
	用於設定匹配器以計算右檢視視差圖的便捷方法，在進行置信度過濾時需要此視差圖。

cv::Ptr< ScanSegment >	createScanSegment (int image_width, int image_height, int num_superpixels, int slices=8, bool merge_small=true)
	初始化一個 ScanSegment 物件。

Ptr< StructuredEdgeDetection >	createStructuredEdgeDetection (const String &model, Ptr< const RFFeatureGetter > howToGetFeatures=Ptr< RFFeatureGetter >())

Ptr< SuperpixelLSC >	createSuperpixelLSC (InputArray image, int region_size=10, float ratio=0.075f)
	實現 LSC（線性譜聚類）超畫素的類。

Ptr< SuperpixelSEEDS >	createSuperpixelSEEDS (int image_width, int image_height, int image_channels, int num_superpixels, int num_levels, int prior=2, int histogram_bins=5, bool double_step=false)
	初始化一個 SuperpixelSEEDS 物件。

Ptr< SuperpixelSLIC >	createSuperpixelSLIC (InputArray image, int algorithm=SLICO, int region_size=10, float ruler=10.0f)
	初始化一個 SuperpixelSLIC 物件。

void	dtFilter (InputArray guide, InputArray src, OutputArray dst, double sigmaSpatial, double sigmaColor, int mode=DTF_NC, int numIters=3)
	簡單的一行域變換濾波器呼叫。如果您有多個影像需要使用相同的引導影像進行過濾，請使用 DTFilter 介面，以避免在初始化階段進行額外計算。

void	edgePreservingFilter (InputArray src, OutputArray dst, int d, double threshold)
	使用邊緣保留濾波器平滑影像。

void	fastBilateralSolverFilter (InputArray guide, InputArray src, InputArray confidence, OutputArray dst, double sigma_spatial=8, double sigma_luma=8, double sigma_chroma=8, double lambda=128.0, int num_iter=25, double max_tol=1e-5)
	簡單的一行快速雙邊求解器濾波器呼叫。如果您有多個影像需要使用相同的引導影像進行過濾，請使用 FastBilateralSolverFilter 介面，以避免額外計算。

void	fastGlobalSmootherFilter (InputArray guide, InputArray src, OutputArray dst, double lambda, double sigma_color, double lambda_attenuation=0.25, int num_iter=3)
	簡單的一行快速全域性平滑器濾波器呼叫。如果您有多個影像需要使用相同的引導影像進行過濾，請使用 FastGlobalSmootherFilter 介面，以避免額外計算。

void	FastHoughTransform (InputArray src, OutputArray dst, int dstMatDepth, int angleRange=ARO_315_135, int op=FHT_ADD, int makeSkew=HDO_DESKEW)
	計算影像的 2D 快速霍夫變換。

void	findEllipses (InputArray image, OutputArray ellipses, float scoreThreshold=0.7f, float reliabilityThreshold=0.5f, float centerDistanceThreshold=0.05f)
	使用投影不變修剪法在影像中快速查詢橢圓。

void	fourierDescriptor (InputArray src, OutputArray dst, int nbElt=-1, int nbFD=-1)
	平面閉合曲線的傅立葉描述子。

void	getDisparityVis (InputArray src, OutputArray dst, double scale=1.0)
	用於建立視差圖視覺化（鉗制到CV_8U影像）的函式。

void	GradientDericheX (InputArray op, OutputArray dst, double alpha, double omega)
	將 X Deriche 濾波器應用於影像。

void	GradientDericheY (InputArray op, OutputArray dst, double alpha, double omega)
	將 Y Deriche 濾波器應用於影像。

void	GradientPaillouX (InputArray op, OutputArray _dst, double alpha, double omega)

void	GradientPaillouY (InputArray op, OutputArray _dst, double alpha, double omega)
	將 Paillou 濾波器應用於影像。

void	guidedFilter (InputArray guide, InputArray src, OutputArray dst, int radius, double eps, int dDepth=-1, double scale=1.0)
	簡單的單行(快速)引導濾波器呼叫。

Vec4i	HoughPoint2Line (const Point &houghPoint, InputArray srcImgInfo, int angleRange=ARO_315_135, int makeSkew=HDO_DESKEW, int rules=RO_IGNORE_BORDERS)
	計算霍夫空間中點對應的線段座標。

void	jointBilateralFilter (InputArray joint, InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)
	將聯合雙邊濾波器應用於影像。

void	l0Smooth (InputArray src, OutputArray dst, double lambda=0.02, double kappa=2.0)
	透過 L0 梯度最小化進行全域性影像平滑。

void	niBlackThreshold (InputArray _src, OutputArray _dst, double maxValue, int type, int blockSize, double k, int binarizationMethod=BINARIZATION_NIBLACK, double r=128)
	使用 Niblack 技術或受其啟發的一些流行變體對輸入影像執行閾值處理。

Matx23d	PeiLinNormalization (InputArray I)
	使用 Pei&Lin 歸一化方法計算對給定影像進行歸一化的仿射變換。

void	PeiLinNormalization (InputArray I, OutputArray T)

void	qconj (InputArray qimg, OutputArray qcimg)
	計算四元數影像的共軛。

void	qdft (InputArray img, OutputArray qimg, int flags, bool sideLeft)
	對二維四元數陣列執行正向或逆向離散四元數傅立葉變換。

void	qmultiply (InputArray src1, InputArray src2, OutputArray dst)
	計算兩個陣列的逐元素四元數乘積。

void	qunitary (InputArray qimg, OutputArray qnimg)
	將每個元素除以其模數。

void	RadonTransform (InputArray src, OutputArray dst, double theta=1, double start_angle=0, double end_angle=180, bool crop=false, bool norm=false)
	計算影像的 Radon 變換。

int	readGT (String src_path, OutputArray dst)
	用於讀取真實視差圖的函式。支援基本的 Middlebury 和 MPI-Sintel 格式。請注意，生成的視差圖已按 16 倍縮放。

void	rollingGuidanceFilter (InputArray src, OutputArray dst, int d=-1, double sigmaColor=25, double sigmaSpace=3, int numOfIter=4, int borderType=BORDER_DEFAULT)
	將滾動引導濾波器應用於影像。

void	thinning (InputArray src, OutputArray dst, int thinningType=THINNING_ZHANGSUEN)
	應用二值斑點細化操作，以實現輸入影像的骨架化。

void	transformFD (InputArray src, InputArray t, OutputArray dst, bool fdContour=true)
	變換輪廓

void	weightedMedianFilter (InputArray joint, InputArray src, OutputArray dst, int r, double sigma=25.5, int weightType=WMF_EXP, InputArray mask=noArray())
	將加權中值濾波器應用於影像。

列舉型別文件

◆ 角度範圍選項

enum cv::ximgproc::AngleRangeOption

指定要計算的霍夫空間部分。

該列舉指定了要計算的霍夫空間部分。每個成員主要指定線的方向（水平或垂直）和角度變化的方向。角度變化的方向是從 90 度的倍數到 45 度的奇數倍。影像被視為從上到下、從左到右書寫。角度從垂直線開始，順時針方向。獨立的四分之一和二分之一部分以它們在完整霍夫空間中應有的方向書寫。

列舉器
ARO_0_45 Python: cv.ximgproc.ARO_0_45
ARO_45_90 Python: cv.ximgproc.ARO_45_90
ARO_90_135 Python: cv.ximgproc.ARO_90_135
ARO_315_0 Python: cv.ximgproc.ARO_315_0
ARO_315_45 Python: cv.ximgproc.ARO_315_45
ARO_45_135 Python: cv.ximgproc.ARO_45_135
ARO_315_135 Python: cv.ximgproc.ARO_315_135
ARO_CTR_HOR Python: cv.ximgproc.ARO_CTR_HOR
ARO_CTR_VER Python: cv.ximgproc.ARO_CTR_VER

◆ 霍夫去偏斜選項

enum cv::ximgproc::HoughDeskewOption

指定是否對霍夫變換影像進行去偏斜。

該列舉指定是否對霍夫變換影像進行去偏斜，從而避免霍夫變換影像透過影像邊界發生迴圈。

列舉器
HDO_RAW Python: cv.ximgproc.HDO_RAW
HDO_DESKEW Python: cv.ximgproc.HDO_DESKEW

◆ 霍夫操作

enum cv::ximgproc::HoughOp

指定二元運算。

該列舉指定了二元運算，即涉及兩個運算元的運算。形式上，集合 \( S \) 上的二元運算 \( f \) 是一個二元關係，它將笛卡爾積 \( S \times S \) 的元素對映到 \( S \)

\[ f: S \times S \to S \]

列舉器
FHT_MIN Python: cv.ximgproc.FHT_MIN
FHT_MAX Python: cv.ximgproc.FHT_MAX
FHT_ADD Python: cv.ximgproc.FHT_ADD
FHT_AVE Python: cv.ximgproc.FHT_AVE

◆ 規則選項

enum cv::ximgproc::RulesOption

指定規則驗證的程度。

該列舉指定了規則驗證的程度。例如，這可以用於選擇合適的輸入引數驗證方式。

列舉器
RO_STRICT	以適當的方式驗證每條規則。
RO_IGNORE_BORDERS	跳過影像邊界的驗證。

◆ 加權中值濾波器權重型別

enum cv::ximgproc::WMFWeightType

指定加權中值濾波器的權重型別。

列舉器
WMF_EXP Python: cv.ximgproc.WMF_EXP	\(exp(-\|I1-I2\|^2/(2*sigma^2))\)
WMF_IV1 Python: cv.ximgproc.WMF_IV1	\((\|I1-I2\|+sigma)^-1\)
WMF_IV2 Python: cv.ximgproc.WMF_IV2	\((\|I1-I2\|^2+sigma^2)^-1\)
WMF_COS Python: cv.ximgproc.WMF_COS	\(dot(I1,I2)/(\|I1\|*\|I2\|)\)
WMF_JAC Python: cv.ximgproc.WMF_JAC	\((min(r1,r2)+min(g1,g2)+min(b1,b2))/(max(r1,r2)+max(g1,g2)+max(b1,b2))\)
WMF_OFF Python: cv.ximgproc.WMF_OFF	未加權的

函式文件

◆ BrightEdges()

void cv::ximgproc::BrightEdges	(	Mat &	_original,
		Mat &	_edgeview,
		int	contrast = 1,
		int	shortrange = 3,
		int	longrange = 9 )

◆ 協方差估計()

void cv::ximgproc::covarianceEstimation	(	InputArray	src,
		OutputArray	dst,
		int	windowRows,
		int	windowCols )

Python
	cv.ximgproc.covarianceEstimation(	src, windowRows, windowCols[, dst]	) ->	dst

使用滑動視窗公式計算影像的估計協方差矩陣。

引數

src	源影像。輸入影像必須是複雜型別。
dst	目標估計協方差矩陣。輸出矩陣的大小將為 (windowRowswindowCols, windowRowswindowCols)。
windowRows	視窗中的行數。
windowCols	視窗中的列數。視窗大小引數控制估計的準確性。滑動視窗從影像的左上角移動到右下角。視窗的每個位置代表一個樣本。如果視窗與影像大小相同，則給出精確的協方差矩陣。對於所有其他情況，視窗的大小將影響樣本數量和估計協方差矩陣中的元素數量。

◆ createScanSegment()

cv::Ptr< ScanSegment > cv::ximgproc::createScanSegment	(	int	影像寬度,
		int	影像高度,
		int	num_superpixels,
		int	slices = 8,
		bool	merge_small = true )

Python
	cv.ximgproc.createScanSegment(	image_width, image_height, num_superpixels[, slices[, merge_small]]	) ->	retval

初始化一個 ScanSegment 物件。

該函式為輸入影像初始化一個 ScanSegment 物件。它儲存影像引數：image_width 和 image_height。它還設定 F-DBSCAN 超畫素演算法的引數：num_superpixels、threads 和 merge_small。

引數

影像寬度	影像寬度。
影像高度	影像高度。
num_superpixels	期望的超畫素數量。請注意，由於限制（取決於影像大小），實際數量可能會更小。使用 getNumberOfSuperpixels() 獲取實際數量。
slices	用於並行化的處理執行緒數。設定為 -1 表示使用最大執行緒數。實際上，對於較小的影像，四個執行緒就足夠了；對於較大的影像，八個執行緒就足夠了。
merge_small	合併小片段以獲得所需的超畫素數量。不合並時處理速度會快得多，但影像中會留下許多小片段。

◆ FastHoughTransform()

void cv::ximgproc::FastHoughTransform	(	InputArray	src,
		OutputArray	dst,
		int	dstMatDepth,
		int	angleRange = ARO_315_135,
		int	op = FHT_ADD,
		int	makeSkew = HDO_DESKEW )

Python
	cv.ximgproc.FastHoughTransform(	src, dstMatDepth[, dst[, angleRange[, op[, makeSkew]]]]	) ->	dst

計算影像的 2D 快速霍夫變換。

引數

dst	目標影像，變換結果。
src	源（輸入）影像。
dstMatDepth	目標影像的深度
op	要應用的操作，參見 cv::HoughOp
angleRange	要計算的霍夫空間部分，參見 cv::AngleRangeOption
makeSkew	指定是否對影像進行偏斜，參見 cv::HoughDeskewOption

該函式計算全形、半形或四分之一角度範圍的快速霍夫變換。

◆ HoughPoint2Line()

Vec4i cv::ximgproc::HoughPoint2Line	(	const Point &	houghPoint,
		InputArray	srcImgInfo,
		int	angleRange = ARO_315_135,
		int	makeSkew = HDO_DESKEW,
		int	rules = RO_IGNORE_BORDERS )

Python
	cv.ximgproc.HoughPoint2Line(	houghPoint, srcImgInfo[, angleRange[, makeSkew[, rules]]]	) ->	retval

計算霍夫空間中點對應的線段座標。

引數

houghPoint	霍夫空間中的點。
srcImgInfo	霍夫變換的源（輸入）影像。
angleRange	點所在的霍夫空間部分，參見 cv::AngleRangeOption
makeSkew	指定是否對影像進行偏斜，參見 cv::HoughDeskewOption
rules	指定線段計算的嚴格性，參見 cv::RulesOption

返回值

[Vec4i] 霍夫空間中點對應的線段座標。

備註: 如果規則引數設定為 RO_STRICT，則返回的線將沿著源影像的邊界進行裁剪。; 如果規則引數設定為 RO_WEAK，則對於屬於霍夫影像不正確部分的點，返回的線將不會與源影像相交。

該函式計算霍夫空間中點對應的線段座標。

◆ RadonTransform()

void cv::ximgproc::RadonTransform	(	InputArray	src,
		OutputArray	dst,
		double	theta = 1,
		double	start_angle = 0,
		double	end_angle = 180,
		bool	crop = false,
		bool	norm = false )

Python
	cv.ximgproc.RadonTransform(	src[, dst[, theta[, start_angle[, end_angle[, crop[, norm]]]]]]	) ->	dst

計算影像的 Radon 變換。

引數

src	源（輸入）影像。
dst	目標影像，變換結果。
theta	變換的角度解析度（度）。
start_angle	變換的起始角度（度）。
end_angle	變換的結束角度（度）。
crop	將源影像裁剪成圓形。
norm	將輸出 Mat 歸一化為灰度並轉換為 CV_8U 型別。

此函式計算給定影像在任何範圍內的 Radon 變換。詳細資訊請參見 https://engineering.purdue.edu/~malcolm/pct/CTI_Ch03.pdf。如果輸入型別為 CV_8U，輸出將為 CV_32S。如果輸入型別為 CV_32F 或 CV_64F，輸出將為 CV_64F。輸出大小將為 num_of_integral x src_diagonal_length。如果選擇了裁剪，輸入影像將被裁剪成正方形，然後是圓形，輸出大小將為 num_of_integral x min_edge。

◆ weightedMedianFilter()

void cv::ximgproc::weightedMedianFilter	(	InputArray	joint,
		InputArray	src,
		OutputArray	dst,
		int	r,
		double	sigma = 25.5,
		int	weightType = WMF_EXP,
		InputArray	mask = noArray() )

Python
	cv.ximgproc.weightedMedianFilter(	joint, src, r[, dst[, sigma[, weightType[, mask]]]]	) ->	dst

將加權中值濾波器應用於影像。

有關此實現的更多詳細資訊，請參見 [320]

引數

joint	聯合的 8 位、1 通道或 3 通道影像。
src	源 8 位或浮點型、1 通道或 3 通道影像。
dst	目標影像。
r	濾波核的半徑，應為正整數。
sigma	聯合影像的濾波器範圍標準差。
weightType	weightType 權重定義的型別，參見 WMFWeightType
mask	一個與 I 具有相同大小的 0-1 掩膜。此掩膜用於忽略某些畫素的效果。如果掩膜上的畫素值為 0，則在維護聯合直方圖時將忽略該畫素。這對於光流遮擋處理等應用非常有用。

另請參見: medianBlur, jointBilateralFilter

名稱空間

類

型別定義

列舉

函式

列舉型別文件

◆ 角度範圍選項

◆ 霍夫去偏斜選項

◆ 霍夫操作

◆ 規則選項

◆ 加權中值濾波器權重型別

函式文件

◆ BrightEdges()

◆ 協方差估計()

◆ createScanSegment()

◆ FastHoughTransform()

◆ HoughPoint2Line()

◆ RadonTransform()

◆ weightedMedianFilter()