cv::optflow::GPCForest< T > 類模板參考

#include <opencv2/optflow/sparse_matching_gpc.hpp>

cv::optflow::GPCForest< T > 的協作圖

公共成員函式
void	findCorrespondences (InputArray imgFrom, InputArray imgTo, std::vector< std::pair< Point2i, Point2i > > &corr, const GPCMatchingParams params=GPCMatchingParams()) const
	查詢兩幅影像之間的對應關係。
void	read (const FileNode &fn) CV_OVERRIDE
	從檔案儲存中讀取演算法引數。
void	train (const std::vector< String > &imagesFrom, const std::vector< String > &imagesTo, const std::vector< String > &gt, const GPCTrainingParams params=GPCTrainingParams())
	使用每個樹的單個樣本訓練森林。 通常最好使用此方法而不是第一種方法。
void	train (GPCTrainingSamples &samples, const GPCTrainingParams params=GPCTrainingParams())
	使用每棵樹的一個樣本集來訓練森林。 請考慮使用下一種方法來代替此方法，以獲得更好的質量。
void	train (InputArrayOfArrays imagesFrom, InputArrayOfArrays imagesTo, InputArrayOfArrays gt, const GPCTrainingParams params=GPCTrainingParams())
void	write (FileStorage &fs) const CV_OVERRIDE
	將演算法引數儲存到檔案儲存中。
從 cv::Algorithm 繼承的公共成員函式
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除演算法狀態。
virtual bool	empty () const
	如果 Algorithm 為空（例如，在剛開始時或讀取不成功後），則返回 true。
virtual String	getDefaultName () const
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
void	write (FileStorage &fs, const String &name) const

靜態公共成員函式
static Ptr< GPCForest >	create ()
從 cv::Algorithm 繼承的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。

附加的繼承成員
從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

成員函式文件

create()

template<int T>

static Ptr< GPCForest > cv::optflow::GPCForest< T >::create ( )

inlinestatic

此函式的呼叫圖如下

read()

template<int T>

void cv::optflow::GPCForest< T >::read ( const FileNode & fn )

inlinevirtual

從檔案儲存中讀取演算法引數。

從 cv::Algorithm 重新實現。

此函式的呼叫圖如下

train() [1/3]

template<int T>

void cv::optflow::GPCForest< T >::train ( const std::vector< String > & imagesFrom, const std::vector< String > & imagesTo, const std::vector< String > & gt, const GPCTrainingParams params = GPCTrainingParams() )

inline

使用每個樹的單個樣本訓練森林。 通常最好使用此方法而不是第一種方法。

此函式的呼叫圖如下

train() [2/3]

template<int T>

void cv::optflow::GPCForest< T >::train ( GPCTrainingSamples & samples, const GPCTrainingParams params = GPCTrainingParams() )

inline

使用每棵樹的一個樣本集來訓練森林。 請考慮使用下一種方法來代替此方法，以獲得更好的質量。

此函式的呼叫圖如下

train() [3/3]

template<int T>

void cv::optflow::GPCForest< T >::train ( InputArrayOfArrays imagesFrom, InputArrayOfArrays imagesTo, InputArrayOfArrays gt, const GPCTrainingParams params = GPCTrainingParams() )

inline

此函式的呼叫圖如下

write()

template<int T>

void cv::optflow::GPCForest< T >::write ( FileStorage & fs ) const

inlinevirtual

將演算法引數儲存到檔案儲存中。

從 cv::Algorithm 重新實現。

此函式的呼叫圖如下

---

此類文件由以下檔案生成

• opencv2/optflow/sparse_matching_gpc.hpp