詳細說明

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

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中。

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中。

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)
	該函式計算二維 Hanning 窗係數。

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

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

Point2d	cv::phaseCorrelateIterative (InputArray src1, InputArray src2, int L2size=7, int maxIters=10)
	迭代地檢測兩幅影像之間的平移偏差。

函式文件 (Function Documentation)

◆ 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中。

該函式將src或其部分元素加到dst中

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

該函式支援多通道影像。每個通道獨立處理。

該函式cv::accumulate可用於例如收集靜態攝像機拍攝場景的背景統計資訊，並用於進一步的前背景分割。

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。

另請參閱: 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中。

該函式將兩個影像或其選定區域的乘積加到累加器dst中

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

該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通道或3通道，8位或32位浮點。
src2	第二個輸入影像，型別與src1相同，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。
mask	可選操作掩碼。

另請參閱: 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中。

該函式將輸入影像src或其選定區域的平方加到累加器dst中

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

該函式支援多通道影像。每個通道獨立處理。

引數

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

另請參閱: 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。

該函式計算輸入影像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調節更新速度（累加器“遺忘”早期影像的速度）。該函式支援多通道影像。每個通道獨立處理。

引數

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

另請參閱: accumulate、accumulateSquare、accumulateProduct

◆ createHanningWindow()

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

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

#include <opencv2/imgproc.hpp>

該函式計算二維 Hanning 窗係數。

下面是一個示例

// 建立一個100x100的Hanning視窗，型別為CV_32F
Mat hann;
createHanningWindow(hann, Size(100, 100), CV_32F);

引數

dst	用於放置Hanning係數的目標陣列
winSize	視窗大小的規格（寬度和高度都必須大於1）
type	建立的陣列型別

◆ divSpectrums()

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

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

#include <opencv2/imgproc.hpp>

執行第一個傅立葉頻譜與第二個傅立葉頻譜的逐元素除法。

函式cv::divSpectrums對第一個陣列除以第二個陣列執行逐元素除法。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，與src1大小和型別相同。
c	輸出陣列，與src1大小和型別相同。
flags (標誌)	操作標誌；目前唯一支援的標誌是cv::DFT_ROWS，它表示src1和src2的每一行都是一個獨立的1D傅立葉頻譜。如果您不想使用此標誌，則只需新增`0`作為值。
conjB	可選標誌，在乘法之前共軛第二個輸入陣列（true）或不共軛（false）。

◆ phaseCorrelate()

Point2d cv::phaseCorrelate	(	InputArray	src1,
		InputArray	src2,
		InputArray	window=noArray(),
		double *	response=0 )

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

#include <opencv2/imgproc.hpp>

該函式用於檢測兩幅影像之間發生的平移偏差。

該操作利用傅立葉移位定理在頻域中檢測平移。它可以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，陣列將使用getOptimalDFTSize進行填充。

該函式執行以下方程：

首先，它對每個影像應用Hanning視窗以消除可能的邊緣效應，如果使用者提供了該視窗。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，以加快處理速度。
接下來，它計算每個頻域陣列的傅立葉變換
\[\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\]
其中\(\mathcal{F}\)是前向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將互相關轉換為時域
\[r = \mathcal{F}^{-1}\{R\}\]
最後，它計算峰值位置，並圍繞峰值計算一個5x5的加權質心，以實現亞畫素精度。
\[(\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\]
如果響應引數非零，則計算為r在峰值周圍5x5質心內的元素之和。它被歸一化為最大值為1（表示存在單個峰值），並且當存在多個峰值時會減小。

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	用於減少邊緣效應的加窗係數的浮點陣列（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）。

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

◆ phaseCorrelateIterative()

Point2d cv::phaseCorrelateIterative	(	InputArray	src1,
		InputArray	src2,
		int	L2size=7,
		int	maxIters=10 )

Python
	cv.phaseCorrelateIterative(	src1, src2[, L2size[, maxIters]]	) ->	retval

#include <opencv2/imgproc.hpp>

迭代地檢測兩幅影像之間的平移偏差。

此函式透過在相位相關空間中進行迭代移位細化來改進亞畫素精度，從而擴充套件了標準的phaseCorrelate方法，如[133]中所述。

引數

src1	源浮點陣列（CV_32FC1或CV_64FC1）
src2	源浮點陣列（CV_32FC1或CV_64FC1）
L2size	迭代移位細化演算法使用的相關鄰域的大小。
maxIters	迭代細化演算法將執行的最大迭代次數。

返回: 檢測到的陣列之間的亞畫素移位。

另請參閱: phaseCorrelate、dft、idft、createHanningWindow