;
;   hspcv4.hs - HSP Help Manager 用ヘルプソース
;   hspcv4 プラグイン (OpenCV 4.x) のコマンドリファレンス
;

%type
拡張命令
%ver
0.1
%note
hspcv4.as をインクルードすること。
OpenCV 4.12.0 を静的リンクした 32bit / 64bit DLL です。

%date
2026/04/12
%author
HNWorks / IronHSP
%dll
hspcv4
%url
https://github.com/
%port
Win



;==========================================================================
; 画像の基本操作
;==========================================================================

%group
hspcv4 (OpenCV 4.x)

%index
cv4load
画像ファイルの読み込み
%group
hspcv4 基本命令
%prm
id, filename
id : 画像ハンドル ID (int)
filename : 読み込むファイル名 (string)
%inst
画像ファイルを読み込んで int ハンドル ID に格納します。
ファイル形式は PNG / JPEG / BMP / TIFF / WebP / OpenJPEG が
静的リンクで利用可能です。
読み込み後の画像は元ファイルに従います。アルファ付き PNG 等は 4ch BGRA に、
JPEG など不透明画像は 3ch BGR になります (cv::IMREAD_UNCHANGED 使用)。
従来の常に 3ch BGR 動作が欲しい場合は cv4_imread_flags に 1 を渡してください。
同じ ID に再度 cv4load すると上書きされます。
失敗時は stat に非 0 のエラーコードが入ります。
%href
cv4save,cv4del,cv4info



%index
cv4save
画像ファイルの保存
%group
hspcv4 基本命令
%prm
id, filename
id : 画像ハンドル ID (int)
filename : 保存先ファイル名 (string)
%inst
ハンドル ID の画像を指定したファイルに保存します。
拡張子 (.png / .jpg / .bmp 等) で自動的にフォーマットが決まります。
失敗時は stat に非 0 のエラーコードが入ります。
%href
cv4load



%index
cv4del
画像ハンドルの解放
%group
hspcv4 基本命令
%prm
id
id : 解放するハンドル ID
%inst
指定したハンドル ID に割り当てられていた画像リソースを解放します。
存在しない ID を指定しても害はありません (no-op)。
%href
cv4reset



%index
cv4reset
全ハンドルの解放
%group
hspcv4 基本命令
%inst
すべての画像ハンドルを解放し、開いている OpenCV ウィンドウを
すべて閉じます。プログラム終了時やリセット時に使用します。
%href
cv4del



%index
cv4info
画像情報の取得
%group
hspcv4 基本命令
%prm
id, var_sx, var_sy, var_ch
id : 画像ハンドル ID
var_sx : 幅を受け取る int 変数
var_sy : 高さを受け取る int 変数
var_ch : チャンネル数を受け取る int 変数
%inst
画像ハンドルの幅・高さ・チャンネル数を 3 つの int 変数に格納します。
チャンネル数は通常 1 (グレースケール) または 3 (BGR カラー)。



;==========================================================================
; 色空間・サイズ変換
;==========================================================================

%index
cv4cvt
色空間の変換
%group
hspcv4 基本命令
%prm
dst_id, src_id, code
dst_id : 変換結果を格納するハンドル ID
src_id : 変換元のハンドル ID
code : 変換コード (CV4_BGR2GRAY 等)
%inst
src_id の画像を指定した色空間コードで変換し、結果を dst_id に格納します。
dst_id と src_id は同じハンドルでも構いません。
利用できる変換コードの例:
^p
CV4_BGR2GRAY  : BGR -> グレースケール
CV4_GRAY2BGR  : グレー -> BGR (3ch 化)
CV4_BGR2HSV   : BGR -> HSV
CV4_HSV2BGR   : HSV -> BGR
CV4_BGR2RGB   : BGR -> RGB
CV4_BGR2BGRA  : BGR -> BGRA (4ch 化)
CV4_BGRA2BGR  : BGRA -> BGR
^p



%index
cv4resize
画像のリサイズ
%group
hspcv4 基本命令
%prm
dst_id, src_id, new_w, new_h
dst_id : リサイズ結果を格納するハンドル ID
src_id : リサイズ元のハンドル ID
new_w : 新しい幅 (int)
new_h : 新しい高さ (int)
%inst
src_id の画像を new_w x new_h にリサイズして dst_id に格納します。
補間は双線形 (INTER_LINEAR) 固定です。



;==========================================================================
; HSP 画面との相互転送
;==========================================================================

%index
cv4getimg
HSP画面への転送
%group
hspcv4 基本命令
%prm
id
id : 転送元のハンドル ID
%inst
ハンドル ID の画像を HSP のカレントウィンドウの左上 (0,0) に
貼り付けます。pos 命令の位置は無視されます。
グレースケールや BGRA は自動で 3ch BGR に変換されます。
HSP の DIB 形式 (bottom-up) に合わせて上下反転も自動で行います。
^p
描画後は必ず redraw 0 / redraw 1 で挟むか、
あらかじめ redraw 0 にしてから呼んで redraw 1 で反映してください。
^p
%href
cv4putimg



%index
cv4putimg
HSP画面からの取り込み
%group
hspcv4 基本命令
%prm
id
id : 取り込み先のハンドル ID
%inst
HSP のカレントウィンドウの内容をそのまま BGR カラー画像として
id に取り込みます。HSP の DIB 形式 (bottom-up) は自動で
上下反転され、OpenCV 側では top-down な通常の cv::Mat になります。
%href
cv4getimg



;==========================================================================
; 描画命令
;==========================================================================

%index
cv4line
直線の描画
%group
hspcv4 描画命令
%prm
id, x1, y1, x2, y2, b, g, r, thickness
id : 描画先のハンドル ID
x1, y1, x2, y2 : 始点と終点の座標
b, g, r : 色 (0〜255、OpenCV 慣習で B, G, R の順)
thickness : 線の太さ (省略時 1)
%inst
ハンドル ID の画像に直線を描画します。
色は OpenCV の慣習に合わせて B, G, R の順で指定してください。



%index
cv4rect
矩形の描画
%group
hspcv4 描画命令
%prm
id, x, y, w, h, b, g, r, thickness
id : 描画先のハンドル ID
x, y : 矩形の左上座標
w, h : 矩形の幅と高さ
b, g, r : 色
thickness : 線の太さ (-1 を指定すると塗りつぶし)
%inst
ハンドル ID の画像に矩形を描画します。
thickness に -1 を渡すと塗りつぶしになります。



%index
cv4circle
円の描画
%group
hspcv4 描画命令
%prm
id, cx, cy, radius, b, g, r, thickness
id : 描画先のハンドル ID
cx, cy : 中心の座標
radius : 半径
b, g, r : 色
thickness : 線の太さ (-1 で塗りつぶし)
%inst
ハンドル ID の画像に円を描画します。



%index
cv4text
テキストの描画
%group
hspcv4 描画命令
%prm
id, "text", x, y, scale, b, g, r, thickness
id : 描画先のハンドル ID
text : 描画する文字列 (ASCII のみ)
x, y : ベースライン左端の座標
scale : フォントの倍率 (double、1.0 で標準サイズ)
b, g, r : 色
thickness : 線の太さ (省略時 1)
%inst
ハンドル ID の画像に文字列を描画します。
フォントは HERSHEY_SIMPLEX 固定です。
日本語などの非 ASCII 文字は表示できません (文字化けします)。
LINE_AA によるアンチエイリアスが有効になっています。



;==========================================================================
; フィルタ命令
;==========================================================================

%index
cv4blur
平均ぼかし
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, ksize
dst_id, src_id : ハンドル ID (同一可)
ksize : ぼかしのカーネルサイズ (int、正方形)
%inst
cv::blur を呼んで画像を平均ぼかしします。
dst_id と src_id は同じハンドルでも構いません。



%index
cv4gauss
ガウシアンぼかし
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, ksize, sigma
dst_id, src_id : ハンドル ID
ksize : カーネルサイズ (奇数推奨、偶数は自動で +1)
sigma : ガウス分布の標準偏差 (double、0.0 で自動)
%inst
cv::GaussianBlur によるガウシアンぼかし。
ksize が偶数だった場合は自動的に奇数に補正されます。



%index
cv4median
メジアンフィルタ
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, ksize
dst_id, src_id : ハンドル ID
ksize : カーネルサイズ (3 以上の奇数)
%inst
cv::medianBlur によるメジアンフィルタ。
ごま塩ノイズの除去に効果があります。



%index
cv4canny
Canny エッジ検出
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, thresh1, thresh2, aperture
dst_id, src_id : ハンドル ID
thresh1, thresh2 : 2 つのしきい値 (int)
aperture : Sobel の開口サイズ (省略時 3)
%inst
cv::Canny によるエッジ検出。
src はあらかじめ cv4cvt で CV4_BGR2GRAY によりグレースケール化
しておくことを推奨します。
出力は 1ch の 2 値画像 (エッジ = 255、それ以外 = 0) になります。



%index
cv4thresh
2値化
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, thresh, maxval, type
dst_id, src_id : ハンドル ID
thresh : しきい値 (int)
maxval : 2 値化後の最大値 (通常 255)
type : 変換タイプ (CV4_THRESH_BINARY 等)
%inst
cv::threshold による 2 値化。
type に指定できる定数:
^p
CV4_THRESH_BINARY      : 標準の 2 値化
CV4_THRESH_BINARY_INV  : 反転 2 値化
CV4_THRESH_TRUNC       : しきい値で切り捨て
CV4_THRESH_TOZERO      : しきい値未満を 0 に
CV4_THRESH_TOZERO_INV  : しきい値以上を 0 に
CV4_THRESH_OTSU        : 大津の方法 (自動しきい値、BINARY 等と OR する)
CV4_THRESH_TRIANGLE    : トライアングル法 (同上)
^p
使用例: cv4thresh dst, src, 0, 255, CV4_THRESH_BINARY | CV4_THRESH_OTSU



;==========================================================================
; 幾何変換
;==========================================================================

%index
cv4flip
画像の反転
%group
hspcv4 幾何変換
%prm
dst_id, src_id, flipcode
dst_id, src_id : ハンドル ID
flipcode : 0=上下反転、1=左右反転、-1=両方
%inst
cv::flip による反転。



%index
cv4rotate
中心回転
%group
hspcv4 幾何変換
%prm
dst_id, src_id, angle, scale
dst_id, src_id : ハンドル ID
angle : 回転角 (double、度単位、反時計回り)
scale : 倍率 (double、省略時 1.0)
%inst
画像の中心を軸として angle 度の回転 + scale 倍の拡縮を行います。
出力サイズは入力と同じ (はみ出した部分は切り捨て)。



%index
cv4crop
画像の切り抜き
%group
hspcv4 幾何変換
%prm
dst_id, src_id, x, y, w, h
dst_id, src_id : ハンドル ID
x, y, w, h : 切り抜く矩形 (ROI)
%inst
src_id の (x, y) から (w x h) の矩形を切り抜き、dst_id に独立な
Mat として格納します。範囲外を指定した場合はエラーになります。



%index
cv4warp
アフィン変換
%group
hspcv4 幾何変換
%prm
dst_id, src_id, m00, m01, m02, m10, m11, m12, out_w, out_h
dst_id, src_id : ハンドル ID
m00〜m12 : 2x3 アフィン行列の要素 (double)
out_w, out_h : 出力画像のサイズ
%inst
2x3 のアフィン行列を直接指定して cv::warpAffine を呼びます。
任意の出力サイズを指定できるので、平行移動やせん断にも使えます。



;==========================================================================
; 玄人向け: OpenCV ウィンドウ
;==========================================================================

%index
cv4_show
OpenCVウィンドウに表示
%group
hspcv4 玄人向け
%prm
id, "window_name"
id : ハンドル ID
window_name : ウィンドウタイトル (同名ならそのウィンドウを更新)
%inst
ハンドル ID の画像を OpenCV のウィンドウに表示します (非ブロッキング)。
ウィンドウが存在しなければ cv::namedWindow で新規作成されます。
内部で cv::pollKey を 1 回呼んで即座に描画更新します。
%href
cv4_wait_key,cv4_close_window



%index
cv4_wait_key
キー入力の待機
%group
hspcv4 玄人向け
%prm
var_key, ms
var_key : キーコードを受け取る int 変数 (未押下は -1)
ms : タイムアウト (ミリ秒、0 で無限)
%inst
OpenCV ウィンドウ上でのキー入力を待ちます。
cv::pollKey を 10ms 周期でポーリングする実装のため、HSP の
メインウィンドウのメッセージポンプとは競合しません。
^p
stat = 0 : キーが押された (var_key にキーコード)
stat = 1 : タイムアウト (var_key = -1)
^p
cv::waitKey と違い、HSP の GUI と安全に共存できます。
%href
cv4_show,cv4_close_window



%index
cv4_close_window
OpenCVウィンドウを閉じる
%group
hspcv4 玄人向け
%prm
"window_name"
window_name : 閉じるウィンドウのタイトル
%inst
cv::destroyWindow で指定ウィンドウを閉じます。
%href
cv4_close_all



%index
cv4_close_all
全てのOpenCVウィンドウを閉じる
%group
hspcv4 玄人向け
%inst
cv::destroyAllWindows で開いているすべての OpenCV ウィンドウを
閉じます。
%href
cv4_close_window



;==========================================================================
; 玄人向け: 顔検出
;==========================================================================

%index
cv4_cascade_load
カスケード分類器の読み込み
%group
hspcv4 玄人向け
%prm
cid, "xmlpath"
cid : カスケードハンドル ID (int)
xmlpath : Haar / LBP cascade の XML ファイルパス
%inst
cv::CascadeClassifier::load を呼んでカスケード分類器をロードします。
標準の Haar cascade XML は OpenCV の
build/opencv_install_XX/etc/haarcascades/ ディレクトリに入っています。
%href
cv4_detect,cv4_cascade_free



%index
cv4_cascade_free
カスケード分類器の解放
%group
hspcv4 玄人向け
%prm
cid
cid : カスケードハンドル ID
%inst
カスケードハンドルを解放します。



%index
cv4_detect
物体検出の実行
%group
hspcv4 玄人向け
%prm
cid, img_id, rects_array, var_count, scale, min_neighbors
cid : カスケードハンドル ID
img_id : 検出対象の画像ハンドル ID
rects_array : cv_rect 構造体の配列 (stdim で確保)
var_count : 検出数を受け取る int 変数
scale : スケールファクタ (double、省略時 1.1)
min_neighbors : 近傍検出数 (int、省略時 3)
%inst
cascade.detectMultiScale を呼んで物体検出を実行します。
検出結果の矩形を rects_array に書き込み、検出数を var_count に
格納します。rects_array のサイズを超えた分は切り捨てられます。
^p
使い方の例:
    #include "hspcv4.as"
    stdim rects, cv_rect, 64
    cv4_cascade_load 0, "haarcascade_frontalface_default.xml"
    cv4load 0, "photo.jpg"
    cv4_detect 0, 0, rects, n, 1.1, 3
    repeat n
        cv4rect 0, rects(cnt)->x, rects(cnt)->y, rects(cnt)->w, rects(cnt)->h, 0,255,0, 2
    loop
    cv4save 0, "out.jpg"
^p
%href
cv4_cascade_load



;==========================================================================
; 玄人向け: 動画 I/O
;==========================================================================

%index
cv4_video_open
動画ソースを開く
%group
hspcv4 玄人向け
%prm
vid, "path_or_index"
vid : VideoCapture ハンドル ID
path_or_index : カメラ index (数字文字列) またはファイルパス
%inst
cv::VideoCapture::open でカメラまたは動画ファイルを開きます。
"0" / "1" のように数字のみの文字列を指定するとカメラ index として
扱われ、それ以外はファイルパスとして扱われます。
%href
cv4_video_read,cv4_video_close



%index
cv4_video_read
1フレームを読み出す
%group
hspcv4 玄人向け
%prm
vid, frame_id
vid : VideoCapture ハンドル ID
frame_id : 読み出したフレームを格納する Mat ハンドル ID
%inst
1 フレームを読み出して frame_id に格納します。
stat = 0 で成功、stat = 1 で終端 (ファイル終了や読込失敗) です。



%index
cv4_video_info
動画情報の取得
%group
hspcv4 玄人向け
%prm
vid, var_w, var_h, var_fps, var_total
vid : VideoCapture ハンドル ID
var_w, var_h, var_fps, var_total : 情報を格納する int 変数
%inst
VideoCapture の幅・高さ・fps・総フレーム数を 4 つの int 変数に
格納します。カメラなど一部のソースでは var_total = 0 になります。



%index
cv4_video_close
動画ソースを閉じる
%group
hspcv4 玄人向け
%prm
vid
vid : VideoCapture ハンドル ID
%inst
VideoCapture を解放します。



%index
cv4_writer_open
動画ファイルへの書き出し開始
%group
hspcv4 玄人向け
%prm
wid, "path", "fourcc", fps, w, h
wid : VideoWriter ハンドル ID
path : 出力ファイルパス
fourcc : 4 文字のコーデック指定 ("MJPG", "XVID", "mp4v" 等)
fps : フレームレート (double)
w, h : フレームサイズ
%inst
cv::VideoWriter::open で動画ファイルを書き出し用に開きます。
注意: OpenCV 静的ビルドで FFmpeg を含まない場合、利用できる
コーデックが限られます (MJPG が動かない環境もあります)。



%index
cv4_writer_write
1フレームを書き込む
%group
hspcv4 玄人向け
%prm
wid, frame_id
wid : VideoWriter ハンドル ID
frame_id : 書き込むフレームの Mat ハンドル ID
%inst
指定フレームを動画ファイルに書き込みます。
フレームのサイズは cv4_writer_open で指定したサイズと一致する
必要があります。



%index
cv4_writer_close
動画ファイルへの書き出し終了
%group
hspcv4 玄人向け
%prm
wid
wid : VideoWriter ハンドル ID
%inst
VideoWriter を解放し、動画ファイルを閉じます。



;==========================================================================
; 玄人向け: DNN (ONNX 推論)
;==========================================================================

%index
cv4_dnn_load
ONNXモデルの読み込み
%group
hspcv4 玄人向け
%prm
nid, "model.onnx"
nid : DNN ハンドル ID
model.onnx : ONNX 形式のモデルファイルパス
%inst
cv::dnn::readNetFromONNX で ONNX モデルを読み込みます。
%href
cv4_dnn_free,cv4_dnn_set_input



%index
cv4_dnn_free
DNNモデルの解放
%group
hspcv4 玄人向け
%prm
nid
nid : DNN ハンドル ID



%index
cv4_dnn_set_input
入力画像の前処理とセット
%group
hspcv4 玄人向け
%prm
nid, img_id, scale, mean_b, mean_g, mean_r, w, h, swap_rb
nid : DNN ハンドル ID
img_id : 入力画像の Mat ハンドル ID
scale : 画素値のスケール (例: 1.0/255.0 で [0,1] 正規化)
mean_b, mean_g, mean_r : チャンネルごとの平均値 (引き算で正規化)
w, h : 入力サイズ
swap_rb : 非 0 で BGR→RGB スワップ
%inst
cv::dnn::blobFromImage で画像を 4D テンソル (1, C, H, W) に変換し、
Net::setInput で入力レイヤにセットします。
OpenCV 由来のモデルは BGR のままが多いので swap_rb=0、
PyTorch/TensorFlow からエクスポートしたモデルは多くの場合 RGB
なので swap_rb=1 を指定します。



%index
cv4_dnn_forward
推論の実行
%group
hspcv4 玄人向け
%prm
nid, out_id
nid : DNN ハンドル ID
out_id : 出力 blob を格納する Mat ハンドル ID
%inst
cv::dnn::Net::forward を呼んで推論を実行し、結果の blob を
Mat ハンドルとして保存します。
分類タスクの場合は出力 blob は通常 [1, N] (N = クラス数) で、
続けて cv4_dnn_argmax で最大スコアのクラスを取得できます。



%index
cv4_dnn_argmax
分類結果のargmax取得
%group
hspcv4 玄人向け
%prm
out_id, var_class, var_score
out_id : 出力 blob のハンドル ID
var_class : 最大スコアのクラス index を受け取る int 変数
var_score : 最大スコア (x10000 固定小数点) を受け取る int 変数
%inst
出力 blob を 1 行に reshape して argmax を計算し、最大値のクラス
index をスコアを返します。
^p
スコアは HSP の int に収まるよう スコア×10000 の固定小数点で
返されます。HSP 側で /10000.0 することで float 相当のスコアを
得られます。
^p
使い方:
    cv4_dnn_argmax 2, cls, score_x10000
    score = double(score_x10000) / 10000.0
    mes strf("class=%d score=%.4f", cls, score)



;==========================================================================
; Phase 3 : morphology / gradient / histogram / thresholding / hough /
;           template matching / pyramids / Mat accessors
;==========================================================================

%index
cv4_erode
モルフォロジー収縮
%group
hspcv4 モルフォロジー
%prm
dst_id, src_id, shape, ksize, iterations
dst_id, src_id : ハンドル ID
shape : 構造要素形状 (CV4_MORPH_RECT / CROSS / ELLIPSE)
ksize : 構造要素サイズ (int、奇数推奨)
iterations : 繰り返し回数 (省略時 1)
%inst
cv::erode による収縮フィルタ。前景 (明るい領域) が縮みます。
ノイズ除去、対象の輪郭分離などに使います。
%href
cv4_dilate,cv4_morph_open,cv4_morph_close



%index
cv4_dilate
モルフォロジー膨張
%group
hspcv4 モルフォロジー
%prm
dst_id, src_id, shape, ksize, iterations
dst_id, src_id : ハンドル ID
shape : 構造要素形状 (CV4_MORPH_RECT / CROSS / ELLIPSE)
ksize : 構造要素サイズ
iterations : 繰り返し回数 (省略時 1)
%inst
cv::dilate による膨張フィルタ。前景が広がります。
細線のつながりを太らせる、輪郭の穴埋めなどに使います。
%href
cv4_erode



%index
cv4_morph_open
オープニング (収縮→膨張)
%group
hspcv4 モルフォロジー
%prm
dst_id, src_id, shape, ksize
%inst
cv::morphologyEx(MORPH_OPEN)。小さいノイズ点の除去に効果的。
%href
cv4_morph_close



%index
cv4_morph_close
クロージング (膨張→収縮)
%group
hspcv4 モルフォロジー
%prm
dst_id, src_id, shape, ksize
%inst
cv::morphologyEx(MORPH_CLOSE)。前景内の小さい穴の埋めに効果的。
%href
cv4_morph_open



%index
cv4_morph_gradient
モルフォロジー勾配
%group
hspcv4 モルフォロジー
%prm
dst_id, src_id, shape, ksize
%inst
cv::morphologyEx(MORPH_GRADIENT)。膨張と収縮の差分で輪郭を抽出。



%index
cv4_morph_tophat
トップハット変換
%group
hspcv4 モルフォロジー
%prm
dst_id, src_id, shape, ksize
%inst
cv::morphologyEx(MORPH_TOPHAT)。src とオープニングの差分。
明るい小さい物体を抽出するのに使います。



%index
cv4_morph_blackhat
ブラックハット変換
%group
hspcv4 モルフォロジー
%prm
dst_id, src_id, shape, ksize
%inst
cv::morphologyEx(MORPH_BLACKHAT)。クロージングと src の差分。
暗い小さい物体を抽出するのに使います。



%index
cv4_sobel
Sobel 勾配
%group
hspcv4 勾配オペレータ
%prm
dst_id, src_id, dx, dy, ksize
dx, dy : 微分次数 (0 か 1 を指定)
ksize : Sobel カーネルサイズ (省略時 3)
%inst
cv::Sobel で x / y 方向の勾配を計算。内部で convertScaleAbs により
CV_8U に正規化して返します。



%index
cv4_scharr
Scharr 勾配
%group
hspcv4 勾配オペレータ
%prm
dst_id, src_id, dx, dy
%inst
cv::Scharr で勾配を計算。ksize=3 の Sobel より精度の高い
オペレータです。内部で convertScaleAbs で正規化します。



%index
cv4_laplacian
ラプラシアン
%group
hspcv4 勾配オペレータ
%prm
dst_id, src_id, ksize
%inst
cv::Laplacian で 2 階微分のエッジを計算。convertScaleAbs で正規化。



%index
cv4_equalize_hist
ヒストグラム平坦化
%group
hspcv4 ヒストグラム
%prm
dst_id, src_id
%inst
cv::equalizeHist でグレースケール画像のコントラストを平坦化します。
入力がカラーの場合は内部でグレースケールに変換します。



%index
cv4_clahe
適応的ヒストグラム平坦化 (CLAHE)
%group
hspcv4 ヒストグラム
%prm
dst_id, src_id, clip_limit, grid
clip_limit : コントラスト制限値 (double、2.0 が標準)
grid : タイル分割数 (8 で 8x8 のグリッド)
%inst
cv::createCLAHE による適応的ヒストグラム平坦化。
画像を小さいタイルに分割し、各タイルで個別に平坦化を行うため、
明暗差の大きい画像でも局所的なコントラスト改善が期待できます。



%index
cv4_normalize
正規化
%group
hspcv4 ヒストグラム
%prm
dst_id, src_id, alpha, beta, norm_type
alpha, beta : 出力範囲 (double)
norm_type : 正規化タイプ (CV4_NORM_MINMAX / L1 / L2 / INF)
%inst
cv::normalize。MINMAX の場合は [alpha, beta] の範囲に線形スケーリング、
L1/L2 の場合は alpha をノルム値として正規化します。



%index
cv4_lut
ルックアップテーブル変換
%group
hspcv4 ヒストグラム
%prm
dst_id, src_id, lut_var
lut_var : 256 要素の int 配列 (0〜255 の値)
%inst
cv::LUT による画素値変換。lut_var[入力値] が出力値になります。
γ補正、色反転、特定の色域調整などに使用します。
例: 色反転なら lut(i) = 255 - i



%index
cv4_adaptive_thresh
適応二値化
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, maxval, adaptive_method, thresh_type, block_size, C
maxval : 2 値化の最大値 (通常 255)
adaptive_method : CV4_ADAPTIVE_MEAN_C / CV4_ADAPTIVE_GAUSSIAN_C
thresh_type : CV4_THRESH_BINARY / CV4_THRESH_BINARY_INV
block_size : 局所領域のサイズ (奇数)
C : 局所平均から引く値 (double)
%inst
cv::adaptiveThreshold。画像全体で 1 つのしきい値ではなく、
局所領域ごとにしきい値を決めて 2 値化します。
照明ムラのある画像の 2 値化に強いです。



%index
cv4_distance_transform
距離変換
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, distance_type, mask_size
distance_type : CV4_DIST_L1 / L2 / C
mask_size : 3 か 5
%inst
cv::distanceTransform。src は 8-bit 1ch の 2 値画像を想定。
各前景ピクセルから最寄りの背景ピクセルまでの距離を計算して
0..255 に正規化します。



%index
cv4_hough_lines
Hough 直線検出
%group
hspcv4 Hough 変換
%prm
out_mat_id, src_id, rho, theta, threshold
src_id : 2 値エッジ画像 (cv4_canny の結果など)
rho : 動径分解能 (double、ピクセル単位)
theta : 角度分解能 (double、ラジアン)
threshold : 検出しきい値 (int)
%inst
cv::HoughLines で直線を検出します。結果は Nx2 の CV_32F Mat
(rho, theta の対) として返されます。cv4_mat_shape と
cv4_mat_getf で読んでください。



%index
cv4_hough_linesp
確率的 Hough 直線検出
%group
hspcv4 Hough 変換
%prm
out_mat_id, src_id, rho, theta, threshold, min_len, max_gap
min_len : 検出する線分の最小長
max_gap : 同一線分とみなす最大ギャップ
%inst
cv::HoughLinesP。通常の HoughLines より速く、結果は
Nx4 の CV_32S Mat (x1, y1, x2, y2) として返されます。



%index
cv4_hough_circles
Hough 円検出
%group
hspcv4 Hough 変換
%prm
out_mat_id, src_id, dp, min_dist, param1, param2, min_radius, max_radius
dp : アキュムレータ分解能 (1.0 で入力と同じ)
min_dist : 検出する円同士の最小距離
param1 : Canny の高しきい値
param2 : アキュムレータしきい値
min_radius, max_radius : 検出する円の半径範囲
%inst
cv::HoughCircles で円を検出します。結果は Nx3 の CV_32F Mat
(cx, cy, radius)。内部で HOUGH_GRADIENT モードを使用。



%index
cv4_match_template
テンプレートマッチング
%group
hspcv4 フィルタ命令
%prm
out_mat_id, src_id, templ_id, method
method : CV4_TM_SQDIFF / _NORMED / CCORR / CCORR_NORMED / CCOEFF / CCOEFF_NORMED
%inst
cv::matchTemplate。src の中で templ と一致する位置を探索します。
結果は類似度マップで、最大(または最小)値の座標を
cv4_min_max_loc で取得します。



%index
cv4_pyr_up
画像ピラミッド拡大
%group
hspcv4 幾何変換
%prm
dst_id, src_id
%inst
cv::pyrUp により src を 2 倍に拡大 (ガウシアンブラー経由)。



%index
cv4_pyr_down
画像ピラミッド縮小
%group
hspcv4 幾何変換
%prm
dst_id, src_id
%inst
cv::pyrDown により src を 1/2 に縮小 (ガウシアンブラー経由)。



%index
cv4_mat_shape
Mat のサイズ情報取得
%group
hspcv4 Mat アクセッサ
%prm
id, var_rows, var_cols, var_type, var_channels
%inst
Mat の行数、列数、型、チャネル数を 4 つの int 変数に格納します。
Hough 結果や DNN 出力など、何が入っているか分からない Mat の
形を調べるのに使います。



%index
cv4_mat_geti
Mat の整数ピクセル値取得
%group
hspcv4 Mat アクセッサ
%prm
id, row, col, var_value
%inst
整数型 (CV_8U / CV_8S / CV_16U / CV_16S / CV_32S) の Mat から
(row, col) のピクセル値を int 変数に格納します。1ch 専用。



%index
cv4_mat_getf
Mat の浮動小数点ピクセル値取得
%group
hspcv4 Mat アクセッサ
%prm
id, row, col, var_value_x10000
%inst
浮動小数点型 (CV_32F / CV_64F) の Mat から (row, col) のピクセル値を
取得し、値 × 10000 の int 固定小数点として var_value_x10000 に格納します。
HSP 側で /10000.0 で double に戻してください。



%index
cv4_min_max_loc
Mat の最小値・最大値と位置
%group
hspcv4 Mat アクセッサ
%prm
id, var_min_x10000, var_max_x10000, var_min_x, var_min_y, var_max_x, var_max_y
%inst
cv::minMaxLoc で Mat の最小/最大値とその座標を取得します。
値は x10000 固定小数点 (HSP int)、座標は普通の int です。
cv4_match_template の結果から最適位置を求めるのに使います。



;==========================================================================
; Phase 4 : core Mat operations (arithmetic / bitwise / stats / channels)
;==========================================================================

%index
cv4_add
Mat の加算
%group
hspcv4 Mat 演算
%prm
dst_id, a_id, b_id
%inst
cv::add(a, b)。飽和演算付き (0..255 にクランプ)。



%index
cv4_sub
Mat の減算
%group
hspcv4 Mat 演算
%prm
dst_id, a_id, b_id
%inst
cv::subtract(a, b)。飽和演算付き。



%index
cv4_mul
Mat の乗算
%group
hspcv4 Mat 演算
%prm
dst_id, a_id, b_id, scale
scale : 乗算後のスケーリング係数 (double、省略時 1.0)
%inst
cv::multiply。要素ごとの乗算。



%index
cv4_div
Mat の除算
%group
hspcv4 Mat 演算
%prm
dst_id, a_id, b_id, scale
%inst
cv::divide。要素ごとの除算。



%index
cv4_abs_diff
Mat の絶対差分
%group
hspcv4 Mat 演算
%prm
dst_id, a_id, b_id
%inst
cv::absdiff(a, b)。|a - b| を計算。動体検知などに使用。



%index
cv4_add_weighted
重み付き加算
%group
hspcv4 Mat 演算
%prm
dst_id, a_id, alpha, b_id, beta, gamma
%inst
cv::addWeighted。dst = a * alpha + b * beta + gamma。
画像のブレンドやクロスフェードに。



%index
cv4_add_scalar
スカラーの加算
%group
hspcv4 Mat 演算
%prm
dst_id, src_id, s_b, s_g, s_r
%inst
cv::add(src, Scalar(b, g, r))。src の各画素に一様な値を加算。



%index
cv4_mul_scalar
スカラー倍
%group
hspcv4 Mat 演算
%prm
dst_id, src_id, scale
%inst
src の全画素を scale 倍します。convertTo を使用。



%index
cv4_bit_and
ビットごとの AND
%group
hspcv4 ビット演算
%prm
dst_id, a_id, b_id



%index
cv4_bit_or
ビットごとの OR
%group
hspcv4 ビット演算
%prm
dst_id, a_id, b_id



%index
cv4_bit_xor
ビットごとの XOR
%group
hspcv4 ビット演算
%prm
dst_id, a_id, b_id



%index
cv4_bit_not
ビットごとの NOT
%group
hspcv4 ビット演算
%prm
dst_id, src_id



%index
cv4_compare
要素ごとの比較
%group
hspcv4 Mat 演算
%prm
dst_id, a_id, b_id, cmp_op
cmp_op : CV4_CMP_EQ / GT / GE / LT / LE / NE
%inst
cv::compare。条件を満たす画素は 255、それ以外は 0 の Mat を返します。



%index
cv4_mean
平均値
%group
hspcv4 統計
%prm
id, var_mean_b_x10000, var_mean_g_x10000, var_mean_r_x10000
%inst
cv::mean。チャネルごとの平均値を x10000 固定小数点で返します。
1ch 画像の場合は var_mean_b にのみ有効値が入ります。



%index
cv4_sum
合計値
%group
hspcv4 統計
%prm
id, var_sum_b, var_sum_g, var_sum_r
%inst
cv::sum。チャネルごとの合計値を int でそのまま格納します
(オーバーフローに注意)。



%index
cv4_count_nonzero
非ゼロ画素数
%group
hspcv4 統計
%prm
id, var_count
%inst
cv::countNonZero。画像内の値が 0 でない画素の数を返します。
カラー画像の場合はグレースケールに変換してから計算します。



%index
cv4_split
チャネル分離
%group
hspcv4 Mat 演算
%prm
src_id, b_id, g_id, r_id
%inst
cv::split。3ch の画像を B/G/R の 1ch 画像 3 枚に分解します。



%index
cv4_merge
チャネル結合
%group
hspcv4 Mat 演算
%prm
dst_id, b_id, g_id, r_id
%inst
cv::merge。1ch 画像 3 枚を 1 つの 3ch 画像に結合します。



%index
cv4_mat_zeros
0 で初期化した Mat の作成
%group
hspcv4 Mat 演算
%prm
dst_id, rows, cols, channels
channels : 1 または 3 (CV_8UC1 / CV_8UC3)
%inst
指定サイズ・チャネル数の全 0 Mat を作成します。



%index
cv4_mat_full
指定色で塗りつぶした Mat の作成
%group
hspcv4 Mat 演算
%prm
dst_id, rows, cols, b, g, r
%inst
3ch CV_8U の Mat を作成して Scalar(b, g, r) で塗りつぶします。



%index
cv4_copy_masked
マスク付きコピー
%group
hspcv4 Mat 演算
%prm
dst_id, src_id, mask_id
%inst
cv::Mat::copyTo(dst, mask)。mask の非 0 部分のみ src を dst に
コピーします。dst が空でなければ既存の内容を保持します。



;==========================================================================
; Phase 5 : contours and shape analysis
;==========================================================================

%index
cv4_find_contours
輪郭の検出
%group
hspcv4 輪郭解析
%prm
cid, src_id, mode, method
cid : contour set のハンドル ID
src_id : 2 値画像 (1ch)
mode : CV4_RETR_EXTERNAL / LIST / CCOMP / TREE
method : CV4_CHAIN_APPROX_NONE / SIMPLE / TC89_L1 / TC89_KCOS
%inst
cv::findContours で輪郭集合を検出し、cid に格納します。
検出後は cv4_contours_count と各種アクセッサで個々の輪郭を
参照できます。
%href
cv4_contours_count,cv4_draw_contours,cv4_bounding_rect



%index
cv4_contours_free
contour set の解放
%group
hspcv4 輪郭解析
%prm
cid



%index
cv4_contours_count
輪郭の個数取得
%group
hspcv4 輪郭解析
%prm
cid, var_count



%index
cv4_draw_contours
輪郭の描画
%group
hspcv4 輪郭解析
%prm
dst_id, cid, index, b, g, r, thickness
index : 描画する輪郭の番号 (-1 で全輪郭)
%inst
cv::drawContours で輪郭を描画します。



%index
cv4_contour_area
輪郭の面積
%group
hspcv4 輪郭解析
%prm
cid, index, var_area
%inst
cv::contourArea。輪郭で囲まれた領域の面積を int で返します。



%index
cv4_contour_length
輪郭の周囲長
%group
hspcv4 輪郭解析
%prm
cid, index, closed, var_length_x100
closed : 閉曲線なら 1、開いた線なら 0
%inst
cv::arcLength。周囲長を長さ × 100 の固定小数点で返します。



%index
cv4_bounding_rect
外接矩形
%group
hspcv4 輪郭解析
%prm
cid, index, var_x, var_y, var_w, var_h
%inst
cv::boundingRect。輪郭を囲む軸並行矩形の x, y, w, h を返します。



%index
cv4_min_area_rect
最小面積外接矩形
%group
hspcv4 輪郭解析
%prm
cid, index, var_cx_x10, var_cy_x10, var_w_x10, var_h_x10, var_angle_x100
%inst
cv::minAreaRect。輪郭を囲む最小面積の回転矩形。中心 / サイズは x10、
角度は x100 の固定小数点で返します。



%index
cv4_min_enclosing_circle
最小外接円
%group
hspcv4 輪郭解析
%prm
cid, index, var_cx_x10, var_cy_x10, var_r_x10
%inst
cv::minEnclosingCircle。輪郭を囲む最小の円。中心 / 半径は x10 固定小数点。



%index
cv4_approx_poly_dp
多角形近似
%group
hspcv4 輪郭解析
%prm
src_cid, index, dst_cid, epsilon, closed
epsilon : 近似精度 (double、小さいほど正確)
%inst
cv::approxPolyDP。Douglas-Peucker アルゴリズムで輪郭を多角形に
単純化します。結果は dst_cid に 1 つの輪郭として格納されます。



%index
cv4_convex_hull
凸包
%group
hspcv4 輪郭解析
%prm
src_cid, index, dst_cid
%inst
cv::convexHull。輪郭の凸包を dst_cid に格納します。



%index
cv4_contour_size
輪郭の頂点数
%group
hspcv4 輪郭解析
%prm
cid, index, var_n



%index
cv4_contour_point
輪郭の特定頂点座標
%group
hspcv4 輪郭解析
%prm
cid, index, pt_idx, var_x, var_y



%index
cv4_moments
モーメントから重心と面積
%group
hspcv4 輪郭解析
%prm
cid, index, var_cx_x10, var_cy_x10, var_m00
%inst
cv::moments。重心座標を x10 固定小数点で、0 次モーメント
(面積 m00) を int で返します。



;==========================================================================
; Phase 6 : features2d (ORB / AKAZE / SIFT / matchers)
;==========================================================================

%index
cv4_orb_detect_compute
ORB 特徴点検出
%group
hspcv4 特徴点
%prm
kp_id, desc_id, img_id, nfeatures
nfeatures : 最大特徴点数 (省略時 500)
%inst
cv::ORB::create で検出器を生成し detectAndCompute を呼びます。
キーポイント集合を kp_id、記述子 Mat を desc_id に格納します。
%href
cv4_kp_get,cv4_bf_match



%index
cv4_akaze_detect_compute
AKAZE 特徴点検出
%group
hspcv4 特徴点
%prm
kp_id, desc_id, img_id



%index
cv4_sift_detect_compute
SIFT 特徴点検出
%group
hspcv4 特徴点
%prm
kp_id, desc_id, img_id, nfeatures



%index
cv4_good_features_to_track
コーナー検出 (Shi-Tomasi)
%group
hspcv4 特徴点
%prm
kp_id, img_id, max_corners, quality_level, min_distance
%inst
cv::goodFeaturesToTrack。良好なコーナー候補を検出して
キーポイント集合として kp_id に格納します。オプティカルフロー
(cv4_optflow_lk) の入力として使うことができます。



%index
cv4_corner_harris
Harris コーナー応答
%group
hspcv4 特徴点
%prm
dst_id, src_id, block_size, ksize, k
%inst
cv::cornerHarris。コーナー応答値を計算した Mat を返します。
しきい値処理で実際のコーナー位置を取り出します。



%index
cv4_bf_match
総当たりマッチング
%group
hspcv4 特徴点
%prm
match_id, desc1_id, desc2_id, norm_type
norm_type : CV4_NORM_L2 (SIFT 用) / CV4_NORM_HAMMING (ORB/AKAZE 用)
%inst
cv::BFMatcher (crossCheck=true) で 2 つの記述子集合をマッチング
します。結果は match set として match_id に格納されます。



%index
cv4_kp_free
キーポイント集合の解放
%group
hspcv4 特徴点
%prm
kp_id



%index
cv4_kp_count
キーポイント数
%group
hspcv4 特徴点
%prm
kp_id, var_n



%index
cv4_kp_get
特定キーポイントの情報取得
%group
hspcv4 特徴点
%prm
kp_id, idx, var_x_x10, var_y_x10, var_size_x10, var_angle_x100, var_response_x10000
%inst
キーポイント[idx] の座標、スケール、主軸方向、検出応答を
それぞれ固定小数点で返します。



%index
cv4_match_free
マッチ集合の解放
%group
hspcv4 特徴点
%prm
match_id



%index
cv4_match_count
マッチ数
%group
hspcv4 特徴点
%prm
match_id, var_n



%index
cv4_match_get
特定マッチの情報取得
%group
hspcv4 特徴点
%prm
match_id, idx, var_query_idx, var_train_idx, var_distance_x10000



%index
cv4_draw_keypoints
キーポイントの描画
%group
hspcv4 特徴点
%prm
dst_id, src_id, kp_id, flags
flags : cv::DrawMatchesFlags (0=既定、4=RICH で方向付き描画)
%inst
cv::drawKeypoints でキーポイントを画像に描画します。



%index
cv4_draw_matches
マッチの描画
%group
hspcv4 特徴点
%prm
dst_id, img1_id, kp1_id, img2_id, kp2_id, match_id
%inst
cv::drawMatches で 2 枚の画像を横並びにして対応点を線で結びます。



;==========================================================================
; Phase 7 : photo module (denoising / inpaint / bilateral / stylization)
;==========================================================================

%index
cv4_bilateral
バイラテラルフィルタ
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, d, sigma_color, sigma_space
d : 周辺領域の直径
sigma_color : 色空間の分散
sigma_space : 座標空間の分散
%inst
cv::bilateralFilter。エッジを保存しつつ平滑化する高級フィルタ。



%index
cv4_denoise
ノイズ除去 (Non-Local Means)
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, h, template_window, search_window
%inst
cv::fastNlMeansDenoising(Colored)。チャネル数に応じて自動選択します。
h は強度パラメータ (10 前後が標準)。



%index
cv4_inpaint
画像の修復 (インペイント)
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, mask_id, radius, method
method : 0=TELEA, 1=NS (Navier-Stokes)
%inst
cv::inpaint。mask の非 0 部分を周囲から補間して修復します。
傷消し、ロゴ消しなどに使用。



%index
cv4_seamless_clone
シームレスクローン
%group
hspcv4 photo
%prm
dst_id, src_id, dst_base_id, mask_id, cx, cy, flags
flags : 1=NORMAL_CLONE, 2=MIXED_CLONE, 3=MONOCHROME_TRANSFER
%inst
cv::seamlessClone。src の mask 部分を dst_base の (cx, cy) 中心に
シームレスに合成します。パスパウェル合成の OpenCV 実装。



%index
cv4_decolor
カラー→グレー変換 (知覚ベース)
%group
hspcv4 photo
%prm
dst_gray_id, src_id
%inst
cv::decolor。BGR2GRAY より知覚的に良好なグレー画像を生成します。



%index
cv4_detail_enhance
ディテール強調
%group
hspcv4 photo
%prm
dst_id, src_id, sigma_s, sigma_r



%index
cv4_edge_preserve
エッジ保存フィルタ
%group
hspcv4 photo
%prm
dst_id, src_id, flags, sigma_s, sigma_r
flags : 1=RECURS_FILTER, 2=NORMCONV_FILTER
%inst
cv::edgePreservingFilter。バイラテラルの高速版のような効果。



%index
cv4_stylization
スタイライズ (絵画風)
%group
hspcv4 photo
%prm
dst_id, src_id, sigma_s, sigma_r
%inst
cv::stylization。入力画像を絵画風に変換します。



%index
cv4_pencil_sketch
鉛筆画風変換
%group
hspcv4 photo
%prm
dst_gray_id, dst_color_id, src_id, sigma_s, sigma_r, shade_factor
%inst
cv::pencilSketch。グレースケールとカラーの 2 種類の鉛筆画風画像を
同時に生成します。



;==========================================================================
; Phase 8 : video (optical flow / bg sub / trackers)
;==========================================================================

%index
cv4_optflow_farneback
Farneback 密オプティカルフロー
%group
hspcv4 動画解析
%prm
flow_mat_id, prev_id, next_id
%inst
cv::calcOpticalFlowFarneback。2 枚のフレーム間のすべての画素の
動きベクトルを計算します。結果は HxWx2 の CV_32F Mat
(dx, dy) として返されます。



%index
cv4_optflow_lk
Lucas-Kanade 疎オプティカルフロー
%group
hspcv4 動画解析
%prm
out_kp_id, status_mat_id, prev_id, next_id, prev_kp_id
prev_kp_id : 追跡元のキーポイント集合
%inst
cv::calcOpticalFlowPyrLK。prev_kp のキーポイントを次フレームで
追跡した結果を out_kp に格納し、追跡成否 (1=成功/0=失敗) を
status_mat に Nx1 CV_8U として格納します。



%index
cv4_bgsub_create_mog2
MOG2 背景差分の生成
%group
hspcv4 動画解析
%prm
bg_id, history, var_thresh, detect_shadows
%inst
cv::createBackgroundSubtractorMOG2。連続フレームを処理して
動体 (前景) を抽出します。



%index
cv4_bgsub_create_knn
KNN 背景差分の生成
%group
hspcv4 動画解析
%prm
bg_id, history, dist2_thresh, detect_shadows



%index
cv4_bgsub_apply
背景差分の適用
%group
hspcv4 動画解析
%prm
bg_id, src_id, fg_mask_id, learning_rate
%inst
入力フレーム src に背景差分を適用し、前景マスクを fg_mask に
格納します。learning_rate は -1 で自動。



%index
cv4_bgsub_free
背景差分ハンドルの解放
%group
hspcv4 動画解析
%prm
bg_id



%index
cv4_tracker_create_mil
MIL トラッカの生成
%group
hspcv4 動画解析
%prm
tid
%inst
cv::TrackerMIL::create。Multiple Instance Learning ベースの
オンライン学習トラッカ。OpenCV 4.x の main モジュールに含まれる
唯一のライブラリトラッカです (KCF/CSRT は contrib 同梱)。



%index
cv4_tracker_init
トラッカ初期化
%group
hspcv4 動画解析
%prm
tid, img_id, x, y, w, h
%inst
初期フレームと追跡対象の矩形をトラッカに登録します。



%index
cv4_tracker_update
トラッカ更新
%group
hspcv4 動画解析
%prm
tid, img_id, var_x, var_y, var_w, var_h
%inst
次フレームで追跡対象を探索して新しい位置を返します。
stat = 0 で成功、stat = 1 で追跡ロスト。



%index
cv4_tracker_free
トラッカの解放
%group
hspcv4 動画解析
%prm
tid



;==========================================================================
; Phase 9 : calib3d basics
;==========================================================================

%index
cv4_find_homography
ホモグラフィの推定
%group
hspcv4 幾何変換
%prm
h_mat_id, kp1_id, kp2_id, match_id, ransac_thresh
%inst
cv::findHomography (RANSAC ベース)。対応点ペアから 3x3 の
透視変換行列を推定します。cv4_bf_match の結果から使えます。



%index
cv4_warp_perspective
透視変換の適用
%group
hspcv4 幾何変換
%prm
dst_id, src_id, h_mat_id, out_w, out_h



%index
cv4_get_perspective_transform
透視変換行列の生成
%group
hspcv4 幾何変換
%prm
h_mat_id, sx1, sy1, sx2, sy2, sx3, sy3, sx4, sy4, dx1, dy1, dx2, dy2, dx3, dy3, dx4, dy4
%inst
cv::getPerspectiveTransform。4 点対応から 3x3 透視変換行列を作成します。



%index
cv4_get_affine_transform
アフィン変換行列の生成
%group
hspcv4 幾何変換
%prm
m_mat_id, sx1, sy1, sx2, sy2, sx3, sy3, dx1, dy1, dx2, dy2, dx3, dy3
%inst
cv::getAffineTransform。3 点対応から 2x3 アフィン変換行列を作成します。
cv4warp と組み合わせて使用。



;==========================================================================
; Phase 10 : objdetect extras (HOG + QR)
;==========================================================================

%index
cv4_hog_detect_people
HOG 人物検出
%group
hspcv4 物体検出
%prm
rects_array, var_count, img_id, hit_thresh
rects_array : stdim rects, cv_rect, N で確保した構造体配列
%inst
cv::HOGDescriptor + getDefaultPeopleDetector。
組み込みの人物検出用 SVM で検出を行います。
結果は cv_rect 配列に書き込まれます (Phase 2e の cv4_detect と同じ形式)。



%index
cv4_qr_detect
QR コードの検出
%group
hspcv4 物体検出
%prm
rects_array, var_count, img_id
%inst
cv::QRCodeDetector::detect。検出された QR コードの外接矩形を
cv_rect 配列に格納します。



%index
cv4_qr_decode
QR コードの検出とデコード
%group
hspcv4 物体検出
%prm
img_id, var_str
var_str : デコード結果を受け取る str 変数
%inst
cv::QRCodeDetector::detectAndDecode。空文字列の場合は検出失敗または
空の QR コードを意味します。



;==========================================================================
; Phase 11 : imgcodecs extras (imread flags / memory buffer I/O)
;==========================================================================

%index
cv4_imread_flags
フラグ指定付き画像読み込み
%group
hspcv4 基本命令
%prm
id, filename, flags
flags : CV4_IMREAD_UNCHANGED / GRAYSCALE / COLOR / ANYDEPTH / ANYCOLOR
%inst
cv4load のフラグ指定版。GRAYSCALE を指定すると 1ch 画像として
読み込みます。UNCHANGED はアルファチャネルも含めて読み込みます。



%index
cv4_imencode
Mat をメモリバッファにエンコード
%group
hspcv4 基本命令
%prm
ext, id, buffer_var, var_size
ext : ".png" / ".jpg" / ".bmp" 等
buffer_var : str 変数 (エンコード結果のバイト列)
var_size : 実際のバイト数を格納する int 変数
%inst
cv::imencode。Mat を指定フォーマットでメモリにエンコードします。
PNG 等には NUL バイトが含まれるので strlen で長さを測れません。
必ず var_size の値を使って後続の cv4_imdecode に渡してください。



%index
cv4_imdecode
メモリバッファから Mat を復元
%group
hspcv4 基本命令
%prm
id, buffer_var, size
%inst
cv::imdecode。size バイトのバイナリデータから Mat を復元します。
netload で取得した PNG/JPEG バイト列を直接 Mat にできます。



;==========================================================================
; Phase 12 : stitching / drawing extras / misc
;==========================================================================

%index
cv4_stitch
パノラマ合成
%group
hspcv4 物体検出
%prm
dst_id, img_ids_array, count
img_ids_array : HSP int 配列 (hspcv4 画像ハンドル ID のリスト)
count : 使用する要素数
%inst
cv::Stitcher::PANORAMA モードで複数画像からパノラマ画像を合成します。
画像間で十分な重なり (20% 以上) と特徴点が必要です。



%index
cv4_draw_arrow
矢印の描画
%group
hspcv4 描画命令
%prm
id, x1, y1, x2, y2, b, g, r, thickness, tip_len_x100
tip_len_x100 : 矢尻の相対長さ x100 (省略時 10 = 0.10)
%inst
cv::arrowedLine。



%index
cv4_draw_marker
マーカーの描画
%group
hspcv4 描画命令
%prm
id, cx, cy, b, g, r, marker_type, size, thickness
marker_type : 0=CROSS, 1=TILTED_CROSS, 2=STAR, 3=DIAMOND, 4=SQUARE, 5=TRIANGLE_UP, 6=TRIANGLE_DOWN
%inst
cv::drawMarker。特徴点や重心などに各種マーカーを描画します。



%index
cv4_draw_ellipse
楕円の描画
%group
hspcv4 描画命令
%prm
id, cx, cy, rx, ry, angle, start_angle, end_angle, b, g, r, thickness
%inst
cv::ellipse。楕円弧や扇形を描画できます。



%index
cv4_fill_poly
塗りつぶし多角形
%group
hspcv4 描画命令
%prm
id, points_array, point_count, b, g, r
points_array : int 配列 [x0,y0,x1,y1,...]
%inst
cv::fillPoly で塗りつぶし多角形を描画します。



%index
cv4_mat_clone
Mat の複製
%group
hspcv4 Mat 演算
%prm
dst_id, src_id
%inst
cv::Mat::clone による独立コピー。元の src を変更しても dst に
影響しません。



%index
cv4_put_pixel
ピクセル値の書き込み
%group
hspcv4 Mat アクセッサ
%prm
id, x, y, b, g, r [, a]
id : 画像ハンドル
x, y : 書き込む座標
b, g, r : BGR 値 (0〜255)
a : アルファ値 (省略時 255、CV_8UC4 のみ有効)
%inst
CV_8UC1 / CV_8UC3 / CV_8UC4 の Mat の特定画素に値を書き込みます。
- 1ch: b のみが使われます (g,r,a は無視)
- 3ch: b,g,r を書き込みます (a は無視)
- 4ch: b,g,r,a を書き込みます (a 省略時は 255)



%index
cv4_get_pixel
ピクセル値の読み取り (BGR 3 チャンネル)
%group
hspcv4 Mat アクセッサ
%prm
id, x, y, var_b, var_g, var_r
id : 画像ハンドル
x, y : 読み取り座標
var_b, var_g, var_r : 格納先の int 変数
%inst
CV_8UC1 / CV_8UC3 / CV_8UC4 のいずれかの Mat から BGR 3 チャンネルを読み取り、
3 つの int 変数に格納します。
- 1ch: 3 変数すべてに同じ値 (輝度) が入ります
- 3ch: b, g, r それぞれの値
- 4ch: b, g, r のみ取得、アルファは捨てられます (cv4_get_pixela を使用)


%index
cv4_get_pixela
ピクセル値の読み取り (BGRA 4 チャンネル)
%group
hspcv4 Mat アクセッサ
%prm
id, x, y, var_b, var_g, var_r, var_a
id : 画像ハンドル
x, y : 読み取り座標
var_b, var_g, var_r : BGR 格納先の int 変数
var_a : アルファ格納先の int 変数
%inst
CV_8UC4 の Mat からアルファを含めた 4 チャンネルを読み取ります。
- 4ch: b, g, r, a をすべて取得
- 3ch: b, g, r、a は 255 固定
- 1ch: b = g = r = 輝度、a = 255



%index
cv4_build_version
OpenCV のバージョン文字列取得
%group
hspcv4 その他
%prm
var_str
%inst
cv::getVersionString() でビルドされている OpenCV のバージョン
(例: "4.12.0") を str 変数に格納します。



;==========================================================================
; Phase 13a : contrib DLL proxy
;==========================================================================

%index
cv4_contrib_version
hspcv4_contribのバージョン取得
%group
hspcv4 contrib
%prm
var_str
var_str : OpenCV のバージョン文字列を受け取る str 変数
%inst
hspcv4_contrib.dll が同じフォルダにあるかを確認するためのテスト関数。
contrib DLL がロードできた場合は OpenCV のバージョンと
"(hspcv4_contrib loaded)" を返します。ロードできなかった場合は
stat に非 0 のエラーコードが入ります。
^p
すべての cv4_contrib_xxx 系命令は contrib DLL がない場合に
graceful にエラーになるので、配布時に contrib を含めない選択も可能です。
^p



;==========================================================================
; Phase 13b-1 : tracking (KCF / CSRT) - contrib only
;==========================================================================

%index
cv4_tracker_create_csrt
CSRTトラッカの生成
%group
hspcv4 contrib トラッカ
%prm
tid
tid : トラッカハンドル ID
%inst
cv::TrackerCSRT::create による Discriminative Correlation Filter with
Channel and Spatial Reliability tracker。高精度だがやや重い。
init/update/free は既存の cv4_tracker_init/update/free を共有します。



%index
cv4_tracker_create_kcf
KCFトラッカの生成
%group
hspcv4 contrib トラッカ
%prm
tid
%inst
cv::TrackerKCF::create による Kernelized Correlation Filter tracker。
CSRT より高速で、リアルタイム追跡向けのバランス型。



;==========================================================================
; Phase 13b-2 : ArUco markers (main DLL, OpenCV 4.x)
;==========================================================================

%index
cv4_aruco_detect
ArUcoマーカ検出
%group
hspcv4 物体検出
%prm
rects_array, ids_array, var_count, img_id, dict
rects_array : stdim cv_rect, N で確保した検出結果バッファ
ids_array : マーカ ID を受け取る int 配列
var_count : 検出数を受け取る int 変数
img_id : 検出対象画像のハンドル
dict : 辞書 (CV4_ARUCO_DICT_4X4_50 等)
%inst
cv::aruco::ArucoDetector で ArUco マーカを検出します。
検出した各マーカの外接矩形を rects_array に、ID を ids_array に格納します。
基本検出は OpenCV 4.x main objdetect モジュールに含まれているので
contrib DLL は不要です。



%index
cv4_aruco_generate
ArUcoマーカ画像の生成
%group
hspcv4 物体検出
%prm
dst_id, dict, marker_id, side_pixels, border_bits
dst_id : 出力 Mat ハンドル
dict : 辞書 (CV4_ARUCO_DICT_4X4_50 等)
marker_id : 生成するマーカの ID
side_pixels : 出力画像の一辺のピクセル数
border_bits : マーカの外側境界ビット数 (省略時 1)
%inst
cv::aruco::generateImageMarker で指定 ID のマーカ画像を生成します。
印刷して撮影 → cv4_aruco_detect で読み取りという流れで使えます。



;==========================================================================
; Phase 13b-3 : xfeatures2d (BRIEF/FREAK/DAISY/Star/HarrisLaplace) - contrib
;==========================================================================

%index
cv4_star_detect
Star特徴点検出
%group
hspcv4 contrib 特徴点
%prm
kp_id, img_id
%inst
cv::xfeatures2d::StarDetector::create による CenSurE スケール不変
特徴点検出。記述子は別途 cv4_brief_compute / cv4_freak_compute /
cv4_daisy_compute と組み合わせて使用します。



%index
cv4_harris_laplace_detect
Harris-Laplace特徴点検出
%group
hspcv4 contrib 特徴点
%prm
kp_id, img_id
%inst
cv::xfeatures2d::HarrisLaplaceFeatureDetector による Harris コーナー
+ Laplacian スケール選択。スケール不変のコーナー検出。



%index
cv4_brief_compute
BRIEF記述子の計算
%group
hspcv4 contrib 特徴点
%prm
kp_id, desc_id, img_id, bytes
kp_id : キーポイント集合 (in/out、フィルタリングされる)
desc_id : 記述子 Mat ハンドル
bytes : 記述子のバイト数 (16/32/64、デフォルト 32)
%inst
cv::xfeatures2d::BriefDescriptorExtractor。Binary Robust Independent
Elementary Features 記述子を計算します。コンパクトでマッチング高速。



%index
cv4_freak_compute
FREAK記述子の計算
%group
hspcv4 contrib 特徴点
%prm
kp_id, desc_id, img_id
%inst
cv::xfeatures2d::FREAK。Fast Retina Keypoint 記述子。
人間の網膜に着想を得たサンプリングパターンを使用。
内部で keypoints を一部フィルタリングするので kp_id の中身が変化します。



%index
cv4_daisy_compute
DAISY記述子の計算
%group
hspcv4 contrib 特徴点
%prm
kp_id, desc_id, img_id
%inst
cv::xfeatures2d::DAISY。SIFT に近い精度で高速な記述子。
密マッチング (dense matching) にも適しています。



;==========================================================================
; Phase 13b-4 : bgsegm (additional background subtractors) - contrib
;==========================================================================

%index
cv4_bgsub_create_cnt
CNT背景差分の生成
%group
hspcv4 contrib 動画解析
%prm
bg_id, min_pixel_stability, use_history, max_pixel_stability, parallel
%inst
cv::bgsegm::createBackgroundSubtractorCNT。Counting based の高速 BGS。
組み込み機器向けに最適化されています。



%index
cv4_bgsub_create_gmg
GMG背景差分の生成
%group
hspcv4 contrib 動画解析
%prm
bg_id, init_frames, decision_thresh
%inst
cv::bgsegm::createBackgroundSubtractorGMG。Godbehere-Matsukawa-Goldberg
の手法。長期間の背景モデル学習向け。



%index
cv4_bgsub_create_lsbp
LSBP背景差分の生成
%group
hspcv4 contrib 動画解析
%prm
bg_id
%inst
cv::bgsegm::createBackgroundSubtractorLSBP。Local Binary Similarity
Pattern を使用した背景差分。



%index
cv4_bgsub_create_gsoc
GSOC背景差分の生成
%group
hspcv4 contrib 動画解析
%prm
bg_id
%inst
cv::bgsegm::createBackgroundSubtractorGSOC。Generalized Subtraction-on-
Codebook、Google Summer of Code 採用の高性能背景差分。



%index
cv4_bgsub_create_mog
MOG背景差分の生成
%group
hspcv4 contrib 動画解析
%prm
bg_id, history, n_mixtures, bg_ratio, noise_sigma
%inst
cv::bgsegm::createBackgroundSubtractorMOG。オリジナルの MOG (MOG2 の前身)。
軽量で組み込み向け。



;==========================================================================
; Phase 13b-5 : ximgproc (selected) - contrib
;==========================================================================

%index
cv4_thinning
細線化 (skeletonization)
%group
hspcv4 contrib フィルタ
%prm
dst_id, src_id, type
type : 0=ZHANGSUEN, 1=GUOHALL
%inst
cv::ximgproc::thinning による 2 値画像の細線化 (1 ピクセル幅まで)。
文字認識の前処理などに使用します。



%index
cv4_niblack
Niblack 適応二値化
%group
hspcv4 contrib フィルタ
%prm
dst_id, src_id, max_value, type, block_size, k
%inst
cv::ximgproc::niBlackThreshold による Niblack 法の適応二値化。
古文書等のスキャン画像の OCR 前処理に強い。



%index
cv4_anisotropic_diffusion
異方性拡散 (Perona-Malik)
%group
hspcv4 contrib フィルタ
%prm
dst_id, src_id, alpha, K, niters
%inst
cv::ximgproc::anisotropicDiffusion。エッジを保存しながらノイズを除去。



%index
cv4_guided_filter
ガイデッドフィルタ
%group
hspcv4 contrib フィルタ
%prm
dst_id, guide_id, src_id, radius, eps
%inst
cv::ximgproc::guidedFilter。エッジ保存スムージングの代表格。
バイラテラルフィルタより高速で高品質。



%index
cv4_l0_smooth
L0勾配最小化スムージング
%group
hspcv4 contrib フィルタ
%prm
dst_id, src_id, lambda, kappa
%inst
cv::ximgproc::l0Smooth。Image abstraction や cartoonization に有効。



%index
cv4_fast_global_smoother
Fast Global Smoother
%group
hspcv4 contrib フィルタ
%prm
dst_id, guide_id, src_id, lambda, sigma_color
%inst
cv::ximgproc::fastGlobalSmootherFilter。エッジ保存スムージングの
高速実装。



%index
cv4_weighted_median
重み付きメジアンフィルタ
%group
hspcv4 contrib フィルタ
%prm
dst_id, joint_id, src_id, radius
%inst
cv::ximgproc::weightedMedianFilter。joint 画像のエッジで重み付けする
メジアンフィルタ。



;==========================================================================
; Phase 13b-6 : img_hash (perceptual hashes) - contrib
;==========================================================================

%index
cv4_phash
pHash (DCT ベース)
%group
hspcv4 contrib ハッシュ
%prm
dst_id, src_id
%inst
cv::img_hash::pHash。DCT ベースのパーセプチュアルハッシュ。
リサイズや軽い色調整に頑健。出力は 1x8 = 64bit。



%index
cv4_average_hash
aHash (平均ハッシュ)
%group
hspcv4 contrib ハッシュ
%prm
dst_id, src_id
%inst
cv::img_hash::averageHash。最も単純な平均ベースのハッシュ。
出力は 1x8 = 64bit。



%index
cv4_block_mean_hash
ブロック平均ハッシュ
%group
hspcv4 contrib ハッシュ
%prm
dst_id, src_id
%inst
cv::img_hash::blockMeanHash。ブロック平均ベース。出力は 1x32 = 256bit。



%index
cv4_color_moment_hash
カラーモーメントハッシュ
%group
hspcv4 contrib ハッシュ
%prm
dst_id, src_id
%inst
cv::img_hash::colorMomentHash。色のモーメントを使うので色変化に
最も頑健。



%index
cv4_marr_hildreth_hash
Marr-Hildreth ハッシュ
%group
hspcv4 contrib ハッシュ
%prm
dst_id, src_id
%inst
cv::img_hash::marrHildrethHash。Marr-Hildreth エッジ検出ベース。



%index
cv4_radial_variance_hash
放射状分散ハッシュ
%group
hspcv4 contrib ハッシュ
%prm
dst_id, src_id
%inst
cv::img_hash::radialVarianceHash。回転に強いハッシュ。



;==========================================================================
; Phase 13b-7 : optflow (advanced dense flows) - contrib
;==========================================================================

%index
cv4_optflow_dualtvl1
Dual TV-L1 オプティカルフロー
%group
hspcv4 contrib 動画解析
%prm
flow_id, prev_id, next_id
%inst
cv::optflow::createOptFlow_DualTVL1。高精度な dense optical flow の
定番。Farneback より精度高い (が遅い)。



%index
cv4_optflow_deepflow
DeepFlow オプティカルフロー
%group
hspcv4 contrib 動画解析
%prm
flow_id, prev_id, next_id
%inst
cv::optflow::createOptFlow_DeepFlow。エッジ保存に優れた dense flow。



%index
cv4_optflow_sparse_to_dense
Sparse-to-Dense オプティカルフロー
%group
hspcv4 contrib 動画解析
%prm
flow_id, prev_id, next_id
%inst
cv::optflow::createOptFlow_SparseToDense。疎なマッチを密に補間して
高速かつ高精度な flow を生成。



;==========================================================================
; Phase 13b-8 : dnn_superres (super resolution) - contrib
;==========================================================================

%index
cv4_dnn_sr_create
超解像モデルの読み込み
%group
hspcv4 contrib DNN
%prm
sr_id, model_path, algo_name, scale
sr_id : 超解像ハンドル ID (contrib DLL 内の独立空間)
model_path : .pb モデルファイルのパス
algo_name : "edsr" / "espcn" / "fsrcnn" / "lapsrn"
scale : 倍率 (2/3/4/8 等、モデル依存)
%inst
cv::dnn_superres::DnnSuperResImpl による超解像 DNN モデルを読み込みます。
モデル .pb ファイルは別途 GitHub から取得してください
(例: https://github.com/Saafke/EDSR_Tensorflow/blob/master/models/EDSR_x4.pb)。



%index
cv4_dnn_sr_upsample
超解像の実行
%group
hspcv4 contrib DNN
%prm
sr_id, dst_img_id, src_img_id
%inst
src_img を sr のスケール倍に超解像して dst_img に格納します。



%index
cv4_dnn_sr_free
超解像ハンドルの解放
%group
hspcv4 contrib DNN
%prm
sr_id



;==========================================================================
; Phase 14 : calib3d full
;==========================================================================

%index
cv4_camera_matrix
カメラ内部行列の生成
%group
hspcv4 calib3d
%prm
dst_id, fx, fy, cx, cy
fx, fy : 焦点距離 (ピクセル単位)
cx, cy : 主点座標
%inst
3x3 のカメラ内部行列 K = [[fx,0,cx],[0,fy,cy],[0,0,1]] を CV_64F Mat
として生成します。



%index
cv4_dist_coeffs
歪み係数ベクトルの生成
%group
hspcv4 calib3d
%prm
dst_id, k1, k2, p1, p2, k3
k1, k2, k3 : 半径方向歪み係数
p1, p2 : 接線方向歪み係数
%inst
1x5 の歪み係数ベクトル D = [k1, k2, p1, p2, k3] を CV_64F Mat として生成。



%index
cv4_undistort
画像の歪み補正
%group
hspcv4 calib3d
%prm
dst_id, src_id, K_id, D_id
%inst
cv::undistort で K と D に基づいて画像の歪みを補正します。
レンズ補正後の正規化画像が得られます。



%index
cv4_rodrigues
回転ベクトル <-> 回転行列
%group
hspcv4 calib3d
%prm
dst_id, src_id
%inst
cv::Rodrigues。3x1 の回転ベクトル → 3x3 回転行列、または逆方向。
入力が float/double でない場合は自動的に CV_64F に変換します。



%index
cv4_solve_pnp
3D-2D 対応からの姿勢推定
%group
hspcv4 calib3d
%prm
rvec_id, tvec_id, obj_pts_id, img_pts_id, K_id, D_id, flags
flags : 0=ITERATIVE, 1=EPNP, 2=P3P, ...
%inst
cv::solvePnP で 3D 点群と対応する 2D 投影点から、カメラの回転と
並進を推定します。出力 rvec/tvec は 3x1 CV_64F。
AR 等で物体の姿勢を求めるのに使用。



%index
cv4_project_points
3D点を2Dに投影
%group
hspcv4 calib3d
%prm
img_pts_id, obj_pts_id, rvec_id, tvec_id, K_id, D_id
%inst
cv::projectPoints で 3D 点群を rvec/tvec/K/D に従って 2D 画像座標に
投影します。



%index
cv4_find_chessboard_corners
チェスボードコーナーの検出
%group
hspcv4 calib3d
%prm
corners_id, img_id, w, h
w, h : チェスボードの内側コーナー数 (例: 7x5 マスなら w=6, h=4)
%inst
cv::findChessboardCorners でカメラキャリブレーション用のチェスボード
内側コーナーを検出します。検出失敗時は stat に非 0。
結果は Nx2 CV_32F の Mat に格納されます。



;==========================================================================
; Phase 15 : filter2D (arbitrary kernel convolution)
;==========================================================================

%index
cv4_filter2d_3x3
3x3任意カーネル畳み込み
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, k00, k01, k02, k10, k11, k12, k20, k21, k22, delta
%inst
3x3 任意カーネルで畳み込みを実行します。9 つのカーネル要素を直接 double で
指定し、最後に delta (オフセット) を渡します。
^p
sharpen : (0,-1,0, -1,5,-1, 0,-1,0)
emboss  : (-2,-1,0, -1,1,1, 0,1,2) with delta=128
edge    : (-1,-1,-1, -1,8,-1, -1,-1,-1)
^p



%index
cv4_filter2d_mat
任意サイズMatカーネルで畳み込み
%group
hspcv4 フィルタ命令
%prm
dst_id, src_id, kernel_mat_id, delta
kernel_mat_id : CV_32F または CV_64F の Mat ハンドル (任意サイズ)
%inst
カーネルを Mat ハンドルで指定する版。cv4_imread_flags で float 画像を
読み込むなどして任意サイズのカーネルを使えます。



;==========================================================================
; Phase 16 : DNN extras
;==========================================================================

%index
cv4_dnn_load_caffe
Caffeモデルの読み込み
%group
hspcv4 玄人向け
%prm
nid, prototxt_path, caffemodel_path
%inst
cv::dnn::readNetFromCaffe で Caffe 形式のモデルを読み込みます。



%index
cv4_dnn_load_tf
TensorFlowモデルの読み込み
%group
hspcv4 玄人向け
%prm
nid, model_pb_path, config_pbtxt_path
%inst
cv::dnn::readNetFromTensorflow で TensorFlow .pb モデルを読み込みます。
config (pbtxt) は省略可能です。



%index
cv4_dnn_load_darknet
Darknet (YOLO) モデルの読み込み
%group
hspcv4 玄人向け
%prm
nid, cfg_path, weights_path
%inst
cv::dnn::readNetFromDarknet で YOLO 系 Darknet モデルを読み込みます。



%index
cv4_dnn_set_backend
DNN バックエンド/ターゲット選択
%group
hspcv4 玄人向け
%prm
nid, backend, target
backend : 0=DEFAULT, 3=OPENCV, 5=CUDA
target : 0=CPU, 1=OPENCL, 2=OPENCL_FP16, 6=CUDA, 7=CUDA_FP16
%inst
推論バックエンドとターゲットデバイスを指定します。CUDA が利用可能な
環境では GPU 推論で大幅高速化できます。



%index
cv4_dnn_nms_boxes
Non-Maximum Suppression
%group
hspcv4 玄人向け
%prm
rects_array, var_count, scores_array, score_thresh_x10000, nms_thresh_x10000
rects_array : cv_rect 配列 (in/out、抑制後の矩形が前から詰められる)
var_count : 入力時=候補数、出力時=NMS 後の数
scores_array : 各候補のスコア (x10000 固定小数点 int)
score_thresh : スコア閾値 (x10000)
nms_thresh : IOU 閾値 (x10000)
%inst
cv::dnn::NMSBoxes による Non-Maximum Suppression。重なりの大きい矩形を
スコアに基づいて抑制します。YOLO 等の検出後処理で必須。



;==========================================================================
; Phase 17 : hierarchical contours
;==========================================================================

%index
cv4_find_contours_hier
階層情報付き輪郭検出
%group
hspcv4 輪郭解析
%prm
cid, hierarchy_mat_id, src_id, mode, method
cid : 輪郭セットハンドル
hierarchy_mat_id : 階層情報を格納する Mat ハンドル (Nx4 CV_32S)
src_id : 2 値画像
mode : CV4_RETR_CCOMP / CV4_RETR_TREE などの階層情報を返すモード
method : 近似手法
%inst
cv::findContours の階層情報付き版。各輪郭について
[next, prev, first_child, parent] のインデックスが hierarchy_mat に
Nx4 CV_32S Mat として格納されます。なしは -1。
RETR_TREE モードでは内側の穴も含めて完全な階層が取得できます。



%index
cv4_contour_hier_get
階層情報の取得 (helper)
%group
hspcv4 輪郭解析
%prm
hier_mat_id, idx, var_next, var_prev, var_child, var_parent
%inst
特定の輪郭の階層関係を 4 つの int 変数に格納します。
cv4_mat_geti でも読めますが、こちらの方が直接的です。



%index
cv4_ml_svm_create
SVM モデル生成
%group
hspcv4 機械学習
%prm
model_id, type, kernel, c_x100, gamma_x100
model_id : 新規作成する ML ハンドル ID
type : SVM 種別 (100=C_SVC など)
kernel : カーネル種別 (CV4_ML_SVM_LINEAR/POLY/RBF/SIGMOID/CHI2)
c_x100 : C パラメータ (x100 固定小数点)
gamma_x100 : gamma パラメータ (x100 固定小数点)
%inst
cv::ml::SVM を生成します。type と kernel の既定値はそれぞれ C_SVC / RBF。
学習は cv4_ml_train、予測は cv4_ml_predict を使用します。



%index
cv4_ml_knn_create
KNN モデル生成
%group
hspcv4 機械学習
%prm
model_id, k
model_id : 新規作成する ML ハンドル ID
k : 近傍点数 (既定 3)
%inst
cv::ml::KNearest を生成します。シンプルな k 近傍分類器です。



%index
cv4_ml_rtrees_create
RTrees モデル生成
%group
hspcv4 機械学習
%prm
model_id, max_depth, min_sample_count
model_id : 新規作成する ML ハンドル ID
max_depth : 木の最大深さ (既定 10)
min_sample_count : 葉ノードの最小サンプル数 (既定 10)
%inst
cv::ml::RTrees (ランダムフォレスト) を生成します。



%index
cv4_ml_ann_create
ANN-MLP モデル生成
%group
hspcv4 機械学習
%prm
model_id, layer_sizes_mat_id
model_id : 新規作成する ML ハンドル ID
layer_sizes_mat_id : 各レイヤのニューロン数 (CV_32S 1xN) Mat
%inst
cv::ml::ANN_MLP (多層パーセプトロン) を生成します。
例: 入力3/中間5/出力2 なら [3,5,2] を Mat で渡します。



%index
cv4_ml_train
ML モデル学習
%group
hspcv4 機械学習
%prm
model_id, samples_id, layout, responses_id
model_id : 作成済み ML ハンドル
samples_id : 学習データ Mat (CV_32F)
layout : 0=ROW_SAMPLE, 1=COL_SAMPLE
responses_id : 教師信号 Mat (CV_32F)
%inst
ML モデル共通の学習関数。内部で cv::ml::StatModel::train を呼びます。



%index
cv4_ml_predict
ML モデル予測
%group
hspcv4 機械学習
%prm
model_id, samples_id, results_id, flags
model_id : 学習済み ML ハンドル
samples_id : 予測入力サンプル Mat
results_id : 出力結果 Mat
flags : 予測オプションフラグ (既定 0)
%inst
学習済みモデルで予測を実行します。cv::ml::StatModel::predict のラッパー。



%index
cv4_ml_save
ML モデル保存
%group
hspcv4 機械学習
%prm
model_id, path
model_id : 学習済み ML ハンドル
path : 保存先 XML/YAML ファイルパス
%inst
学習済みモデルを XML/YAML として保存します。



%index
cv4_ml_load
ML モデル読み込み
%group
hspcv4 機械学習
%prm
model_id, path, algo_type
model_id : 読み込み先 ML ハンドル ID
path : XML/YAML ファイルパス
algo_type : CV4_ML_SVM/KNN/RTREES/ANN_MLP/BOOST/DTREES/NORMAL_BAYES/EM/LOGISTIC
%inst
保存済み ML モデルを読み込みます。algo_type を正しく指定する必要があります。



%index
cv4_ml_free
ML モデル破棄
%group
hspcv4 機械学習
%prm
model_id
model_id : ML ハンドル
%inst
ML モデルを破棄します。



%index
cv4_face_lbph_create
LBPH 顔認識器生成
%group
hspcv4 顔認識
%prm
model_id, radius, neighbors, grid_x, grid_y
model_id : 新規作成する顔認識ハンドル ID
radius : LBP 半径 (既定 1)
neighbors : LBP 近傍点数 (既定 8)
grid_x, grid_y : グリッド分割数 (既定 8,8)
%inst
cv::face::LBPHFaceRecognizer を生成します。
少量学習データで動作する顔認識アルゴリズムです。



%index
cv4_face_eigen_create
Eigenfaces 顔認識器生成
%group
hspcv4 顔認識
%prm
model_id, num_components
model_id : 新規作成する顔認識ハンドル ID
num_components : 使用する主成分数 (0=全て, 既定 0)
%inst
cv::face::EigenFaceRecognizer を生成します。主成分分析ベースの顔認識。



%index
cv4_face_fisher_create
Fisherfaces 顔認識器生成
%group
hspcv4 顔認識
%prm
model_id, num_components
model_id : 新規作成する顔認識ハンドル ID
num_components : 使用する LDA 成分数 (0=全て, 既定 0)
%inst
cv::face::FisherFaceRecognizer を生成します。LDA ベースの顔認識器。



%index
cv4_face_predict
顔ラベル予測
%group
hspcv4 顔認識
%prm
model_id, src_id, var_label, var_confidence_x100
model_id : 学習済み顔認識ハンドル
src_id : 入力顔画像 (グレースケール)
var_label : 予測ラベルを書き戻す int 変数
var_confidence_x100 : 信頼度 (x100 固定小数点) を書き戻す int 変数
%inst
顔認識器で入力画像のラベルを予測し、ラベルと距離 (confidence) を返します。



%index
cv4_face_save
顔認識器モデル保存
%group
hspcv4 顔認識
%prm
model_id, path
model_id : 学習済み顔認識ハンドル
path : 保存先 XML/YAML パス
%inst
顔認識器のモデルを保存します。



%index
cv4_face_load
顔認識器モデル読み込み
%group
hspcv4 顔認識
%prm
model_id, path, type
model_id : 読み込み先ハンドル ID
path : XML/YAML ファイルパス
type : CV4_FACE_LBPH / EIGEN / FISHER
%inst
保存済み顔認識器を読み込みます。type で種別を指定します。



%index
cv4_face_free
顔認識器破棄
%group
hspcv4 顔認識
%prm
model_id
model_id : 顔認識器ハンドル
%inst
顔認識器を破棄します。



%index
cv4_facemark_create
Facemark 生成
%group
hspcv4 顔認識
%prm
model_id, type
model_id : 新規作成する Facemark ハンドル
type : CV4_FACEMARK_LBF / CV4_FACEMARK_KAZEMI
%inst
cv::face::Facemark (顔ランドマーク検出器) を生成します。
LBF または Kazemi アルゴリズムから選択します。



%index
cv4_facemark_load
Facemark モデル読み込み
%group
hspcv4 顔認識
%prm
model_id, path
model_id : Facemark ハンドル
path : 学習済みモデルファイル
%inst
Facemark 用の学習済みモデルファイル (lbfmodel.yaml 等) を読み込みます。



%index
cv4_facemark_free
Facemark 破棄
%group
hspcv4 顔認識
%prm
model_id
model_id : Facemark ハンドル
%inst
Facemark を破棄します。



%index
cv4_apply_color_map
カラーマップ適用
%group
hspcv4 カラーマップ
%prm
dst, src, colormap
dst : 出力画像 (BGR)
src : 入力グレースケール画像
colormap : CV4_COLORMAP_AUTUMN/BONE/JET/WINTER/RAINBOW/OCEAN/SUMMER/SPRING/COOL/HSV/PINK/HOT
%inst
cv::applyColorMap のラッパー。グレースケール画像に OpenCV 組み込みの
12 種類のカラーマップを適用して疑似カラー化します。



%index
cv4_watershed
Watershed セグメンテーション
%group
hspcv4 セグメンテーション
%prm
markers_id, src_id
markers_id : 入出力マーカ Mat (CV_32S)。シードを与えると領域 ID で埋められる
src_id : 入力 BGR 画像
%inst
cv::watershed による領域分割を実行します。
事前にシードとなるマーカを markers に書き込んでおく必要があります。



%index
cv4_grab_cut
GrabCut 前景抽出
%group
hspcv4 セグメンテーション
%prm
mask_id, src_id, x, y, w, h, iters, mode
mask_id : 入出力マスク Mat (CV_8U)
src_id : 入力 BGR 画像
x, y, w, h : 前景候補矩形
iters : 反復回数
mode : CV4_GC_INIT_WITH_RECT / INIT_WITH_MASK / EVAL
%inst
cv::grabCut のラッパー。矩形またはマスクで前景候補を指定し、
反復的に前景/背景を抽出します。



%index
cv4_connected_components
連結成分ラベリング
%group
hspcv4 セグメンテーション
%prm
labels_id, src_id, var_count, connectivity
labels_id : 出力ラベル Mat (CV_32S)
src_id : 入力 2 値画像
var_count : 検出ラベル数 (背景含む) を書き戻す int 変数
connectivity : 4 または 8 (既定 8)
%inst
cv::connectedComponents のラッパー。2 値画像の連結成分を
ラベリングし、labels Mat とラベル総数を返します。



%index
cv4_moments_centroid
輪郭重心の取得
%group
hspcv4 幾何
%prm
cid, index, var_cx_x10, var_cy_x10
cid : 輪郭セットハンドル
index : 輪郭のインデックス
var_cx_x10 : 重心 X を x10 固定小数点で書き戻す int 変数
var_cy_x10 : 重心 Y を x10 固定小数点で書き戻す int 変数
%inst
cv::moments を使って輪郭 i の重心 (cx, cy) を計算し、
x10 倍した整数値で書き戻します。



%index
cv4_stereo_bm_create
StereoBM 生成
%group
hspcv4 ステレオ
%prm
stereo_id, num_disparities, block_size
stereo_id : 新規作成するステレオハンドル
num_disparities : 視差数 (16 の倍数, 既定 64)
block_size : マッチングブロックサイズ (奇数, 既定 21)
%inst
cv::StereoBM を生成します。ブロックマッチング方式のステレオ対応点探索器。



%index
cv4_stereo_sgbm_create
StereoSGBM 生成
%group
hspcv4 ステレオ
%prm
stereo_id, min_disp, num_disp, block_size, P1, P2
stereo_id : 新規作成するステレオハンドル
min_disp : 最小視差 (既定 0)
num_disp : 視差数 (16 の倍数, 既定 64)
block_size : ブロックサイズ (既定 5)
P1, P2 : 視差平滑化ペナルティ (0 で既定値)
%inst
cv::StereoSGBM (セミグローバルブロックマッチング) を生成します。
StereoBM より高品質な視差推定が可能です。



%index
cv4_stereo_compute
ステレオ視差計算
%group
hspcv4 ステレオ
%prm
disparity_id, stereo_id, left_id, right_id
disparity_id : 出力視差 Mat
stereo_id : ステレオマッチャハンドル
left_id : 左画像 (グレースケール)
right_id : 右画像 (グレースケール)
%inst
左右画像から視差マップを計算します。



%index
cv4_stereo_free
ステレオマッチャ破棄
%group
hspcv4 ステレオ
%prm
stereo_id
stereo_id : ステレオハンドル
%inst
ステレオマッチャを破棄します。



%index
cv4_xphoto_simple_wb
シンプルホワイトバランス
%group
hspcv4 xphoto
%prm
dst, src
dst : 出力画像
src : 入力 BGR 画像
%inst
cv::xphoto::SimpleWB によるホワイトバランス補正。
ヒストグラム上下端クリップ方式のシンプルな手法です。



%index
cv4_xphoto_grayworld_wb
Gray-World ホワイトバランス
%group
hspcv4 xphoto
%prm
dst, src
dst : 出力画像
src : 入力 BGR 画像
%inst
cv::xphoto::GrayworldWB によるホワイトバランス補正。
画像平均色が灰色になるよう各チャネルをスケーリングします。



%index
cv4_xphoto_oil_painting
油絵風エフェクト
%group
hspcv4 xphoto
%prm
dst, src, size, dyn_ratio
dst : 出力画像
src : 入力 BGR 画像
size : 近傍サイズ (既定 10)
dyn_ratio : ダイナミックレンジ比 (既定 1)
%inst
cv::xphoto::oilPainting による油絵風の非写実的フィルタを適用します。



%index
cv4_xphoto_bm3d_denoise
BM3D ノイズ除去
%group
hspcv4 xphoto
%prm
dst, src, h_x100
dst : 出力画像
src : 入力グレースケール画像
h_x100 : フィルタ強度 h を x100 倍した int (既定 10=0.1)
%inst
cv::xphoto::bm3dDenoising による高品質ノイズ除去。
グレースケール専用。h が大きいほど強く平滑化します。



%index
cv4_brisk_detect_compute
BRISK 検出と記述子計算
%group
hspcv4 特徴検出
%prm
kp_id, desc_id, src_id, threshold, octaves
kp_id : 出力キーポイントセットハンドル
desc_id : 出力記述子 Mat
src_id : 入力画像
threshold : AGAST 検出閾値 (既定 30)
octaves : オクターブ数 (既定 3)
%inst
cv::BRISK によるキーポイント検出と記述子計算を同時に行います。



%index
cv4_fast_detect
FAST コーナー検出
%group
hspcv4 特徴検出
%prm
kp_id, src_id, threshold, nonmax
kp_id : 出力キーポイントセットハンドル
src_id : 入力画像
threshold : 検出閾値 (既定 10)
nonmax : 非最大抑制 (1=有効, 既定 1)
%inst
cv::FAST による高速コーナー検出。



%index
cv4_msd_detect
MSD 検出器
%group
hspcv4 特徴検出
%prm
kp_id, src_id, patch_radius, search_area_radius
kp_id : 出力キーポイントセットハンドル
src_id : 入力画像
patch_radius : パッチ半径 (既定 3)
search_area_radius : 探索領域半径 (既定 5)
%inst
cv::xfeatures2d::MSDDetector による特徴検出。Maximally Stable Detector。



%index
cv4_fast_line_detect
FastLineDetector 直線検出
%group
hspcv4 特徴検出
%prm
lines_mat_id, src_id, len_thresh, do_merge
lines_mat_id : 出力直線 Mat (Nx4 CV_32F, x1,y1,x2,y2)
src_id : 入力グレースケール画像
len_thresh : 最小直線長 (既定 10)
do_merge : 近接直線のマージ (0/1, 既定 0)
%inst
cv::ximgproc::FastLineDetector による高速直線検出。
LSD の代替として使用できます。



%index
cv4_kalman_create
Kalman フィルタ生成
%group
hspcv4 トラッキング
%prm
kf_id, dynam_params, measure_params, control_params
kf_id : 新規作成するカルマンフィルタハンドル
dynam_params : 状態ベクトル次元数
measure_params : 観測ベクトル次元数
control_params : 制御入力次元 (既定 0)
%inst
cv::KalmanFilter を生成します。例: 2D 等速モデルなら dynam=4 (x,y,vx,vy), measure=2 (x,y)。



%index
cv4_kalman_predict
Kalman 予測
%group
hspcv4 トラッキング
%prm
kf_id, dst_state_mat
kf_id : カルマンフィルタハンドル
dst_state_mat : 予測後状態ベクトルを書き戻す Mat
%inst
KalmanFilter::predict を呼び、次時刻の状態推定を得ます。



%index
cv4_kalman_correct
Kalman 観測補正
%group
hspcv4 トラッキング
%prm
kf_id, measurement_mat_id, dst_state_mat_id
kf_id : カルマンフィルタハンドル
measurement_mat_id : 観測ベクトル Mat
dst_state_mat_id : 更新後 statePost を書き戻す Mat (-1 で省略)
%inst
KalmanFilter::correct を呼んで観測値で状態を補正します。



%index
cv4_kalman_free
Kalman フィルタ破棄
%group
hspcv4 トラッキング
%prm
kf_id
kf_id : カルマンフィルタハンドル
%inst
カルマンフィルタを破棄します。



%index
cv4_peilin_normalize
PeiLin 正規化
%group
hspcv4 幾何
%prm
dst, src
dst : 出力 Mat (2x3 アフィン変換 T)
src : 入力画像
%inst
cv::ximgproc::PeiLinNormalization による画像のアフィン正規化を計算します。
出力は 2x3 のアフィン変換行列です。



%index
cv4_am_filter
Adaptive Manifold フィルタ
%group
hspcv4 フィルタ
%prm
dst, joint, src, sigma_s_x10, sigma_r_x10
dst : 出力画像
joint : ガイド画像
src : 入力画像
sigma_s_x10 : 空間標準偏差 (x10)
sigma_r_x10 : レンジ標準偏差 (x10)
%inst
cv::ximgproc::amFilter によるエッジ保存平滑化。
Adaptive Manifold Filter は bilateral filter の高速近似です。



%index
cv4_wechat_qr_decode
WeChat QR コード検出
%group
hspcv4 QR/バーコード
%prm
var_count, src_id, det_proto, det_model, sr_proto, sr_model
var_count : 検出された QR コード数を書き戻す int 変数
src_id : 入力画像
det_proto : 検出器 prototxt ファイルパス
det_model : 検出器 caffemodel ファイルパス
sr_proto : 超解像 prototxt ファイルパス
sr_model : 超解像 caffemodel ファイルパス
%inst
cv::wechat_qrcode::WeChatQRCode による高精度 QR コード検出。
小さく歪んだ QR コードも検出可能です。現時点では個数のみ返します。



%index
cv4_quality_psnr
PSNR 画質評価
%group
hspcv4 画質評価
%prm
var_psnr_x100, ref_id, cmp_id
var_psnr_x100 : PSNR (dB) を x100 固定小数点で書き戻す int 変数
ref_id : 参照画像
cmp_id : 比較画像
%inst
cv::quality::QualityPSNR による Peak Signal-to-Noise Ratio 計算。



%index
cv4_quality_ssim
SSIM 画質評価
%group
hspcv4 画質評価
%prm
var_ssim_x10000, ref_id, cmp_id
var_ssim_x10000 : SSIM を x10000 固定小数点で書き戻す int 変数
ref_id : 参照画像
cmp_id : 比較画像
%inst
cv::quality::QualitySSIM による Structural Similarity Index 計算。
0..1 の値を x10000 倍した整数で返します。



%index
cv4_plot
1次元データのグラフ描画
%group
hspcv4 プロット
%prm
dst_id, data_y_id, width, height
dst_id : 出力画像
data_y_id : 入力データ Mat (CV_64F または CV_32F)
width : 画像幅 (既定 600)
height : 画像高さ (既定 400)
%inst
cv::plot::Plot2d により 1 次元データを 2D グラフ画像 (BGR) として描画します。



%index
cv4_dft
離散フーリエ変換
%group
hspcv4 行列演算
%prm
dst, src, flags
dst : 出力 Mat
src : 入力 Mat
flags : DFT フラグ (既定 0)
%inst
cv::dft のラッパー。離散フーリエ変換を計算します。
フラグで DFT_INVERSE / DFT_COMPLEX_OUTPUT 等を指定できます。



%index
cv4_dct
離散コサイン変換
%group
hspcv4 行列演算
%prm
dst, src, flags
dst : 出力 Mat
src : 入力 Mat
flags : DCT フラグ (既定 0)
%inst
cv::dct のラッパー。離散コサイン変換を計算します。



%index
cv4_kmeans
k-means クラスタリング
%group
hspcv4 行列演算
%prm
labels_id, data_id, K, max_iter, attempts, centers_id
labels_id : 出力ラベル Mat
data_id : 入力データ Mat (CV_32F)
K : クラスタ数
max_iter : 最大反復数
attempts : 初期化試行回数
centers_id : 出力中心 Mat (-1 で省略)
%inst
cv::kmeans によるクラスタリング。
各サンプルのクラスタラベルと中心を計算します。



%index
cv4_pca_compute
主成分分析
%group
hspcv4 行列演算
%prm
mean_id, eigenvecs_id, eigenvals_id, data_id, max_components
mean_id : 出力平均ベクトル Mat
eigenvecs_id : 出力固有ベクトル Mat
eigenvals_id : 出力固有値 Mat
data_id : 入力データ Mat
max_components : 最大成分数 (0=全て)
%inst
cv::PCA::compute による主成分分析。
平均・固有ベクトル・固有値を一度に計算します。



%index
cv4_svd_compute
特異値分解
%group
hspcv4 行列演算
%prm
u_id, w_id, vt_id, src_id, flags
u_id : 出力 U 行列 Mat
w_id : 出力特異値 Mat
vt_id : 出力 V^T 行列 Mat
src_id : 入力 Mat
flags : SVD フラグ (既定 0)
%inst
cv::SVD::compute による特異値分解。U, W, V^T に分解します。



%index
cv4_flip
画像反転
%group
hspcv4 行列演算
%prm
dst, src, flip_code
dst : 出力画像
src : 入力画像
flip_code : 0=X 軸反転, 1=Y 軸反転, -1=両軸反転
%inst
cv::flip による画像反転。



%index
cv4_transpose
行列転置
%group
hspcv4 行列演算
%prm
dst, src
dst : 出力 Mat
src : 入力 Mat
%inst
cv::transpose による行列転置。



%index
cv4_copy_make_border
境界パディング
%group
hspcv4 行列演算
%prm
dst, src, top, bottom, left, right, border_type, value_b, value_g, value_r
dst : 出力画像
src : 入力画像
top, bottom, left, right : 各辺に追加するピクセル数
border_type : BORDER_CONSTANT(0) 等のボーダー種別
value_b, value_g, value_r : CONSTANT 時の埋め値 BGR
%inst
cv::copyMakeBorder のラッパー。画像の周囲にボーダーを追加します。



%index
cv4_in_range
範囲内マスク生成
%group
hspcv4 行列演算
%prm
mask, src, lo_b, lo_g, lo_r, hi_b, hi_g, hi_r
mask : 出力 2 値マスク
src : 入力 BGR 画像
lo_b, lo_g, lo_r : 下限 BGR 値
hi_b, hi_g, hi_r : 上限 BGR 値
%inst
cv::inRange による色範囲抽出。BGR 各チャネルの上下限から
2 値マスクを生成します。色抽出などに使用します。



%index
cv4_set_window_title
ウィンドウタイトル変更
%group
hspcv4 ウィンドウ
%prm
winname, title
winname : 対象ウィンドウ名
title : 新しいタイトル文字列
%inst
cv::setWindowTitle のラッパー。既存 highgui ウィンドウのタイトルを変更します。



%index
cv4_resize_window
ウィンドウサイズ変更
%group
hspcv4 ウィンドウ
%prm
winname, width, height
winname : 対象ウィンドウ名
width : 新しい幅
height : 新しい高さ
%inst
cv::resizeWindow のラッパー。highgui ウィンドウのサイズを変更します。



%index
cv4_freetype_create
FreeType 生成
%group
hspcv4 FreeType
%prm
ft_id, font_path
ft_id : 新規作成する FreeType ハンドル
font_path : TTF/OTF フォントファイルパス
%inst
cv::freetype::FreeType2 を生成し、指定フォントを読み込みます。
cv4_freetype_put_text で日本語等のテキスト描画が可能になります。



%index
cv4_freetype_put_text
FreeType テキスト描画
%group
hspcv4 FreeType
%prm
ft_id, dst_id, text, x, y, font_height, b, g, r, thickness, line_type
ft_id : FreeType ハンドル
dst_id : 描画先画像
text : 描画文字列 (UTF-8)
x, y : 描画位置
font_height : フォント高さ (ピクセル)
b, g, r : 描画色 BGR (既定 255,255,255)
thickness : 線の太さ (-1=塗りつぶし, 既定 -1)
line_type : 線種 (既定 16=LINE_AA)
%inst
FreeType 経由で TTF/OTF フォントによる高品質テキスト描画を行います。
cv::putText と異なり日本語等の非 ASCII 文字も描画できます。



%index
cv4_freetype_free
FreeType 破棄
%group
hspcv4 FreeType
%prm
ft_id
ft_id : FreeType ハンドル
%inst
FreeType を破棄します。



%index
cv4_saliency_spectral
Spectral Residual Saliency
%group
hspcv4 Saliency
%prm
dst, src
dst : 出力 Saliency マップ (CV_32F, 0..1)
src : 入力画像
%inst
cv::saliency::StaticSaliencySpectralResidual による
スペクトル残差法のサリエンシマップ計算。



%index
cv4_saliency_fine
Fine-Grained Saliency
%group
hspcv4 Saliency
%prm
dst, src
dst : 出力 Saliency マップ (CV_8U)
src : 入力画像
%inst
cv::saliency::StaticSaliencyFineGrained による
細粒度サリエンシマップ計算。



%index
cv4_text_detect_swt
Stroke Width Transform 文字検出
%group
hspcv4 OCR
%prm
var_count, rects_mat_id, src_id, dark_on_light
var_count : 検出矩形数を書き戻す int 変数
rects_mat_id : 出力矩形 Mat (Nx4 CV_32S, x,y,w,h)
src_id : 入力画像
dark_on_light : 1=明背景の暗文字, 0=暗背景の明文字 (既定 1)
%inst
cv::text::detectTextSWT による Stroke Width Transform 文字検出。
Tesseract 等の OCR 依存なしで動作します。



%index
cv4_ocr_create
Tesseract OCR 生成
%group
hspcv4 OCR
%prm
id, tessdata_dir, lang, oem, psm
id : 新規作成する OCR ハンドル
tessdata_dir : tessdata フォルダパス (eng.traineddata 等を置く)
lang : 言語コード ("eng", "jpn" 等)
oem : OCR エンジンモード (既定 3=DEFAULT)
psm : ページセグメンテーションモード (既定 3=AUTO)
%inst
cv::text::OCRTesseract を生成します。
tessdata フォルダに対応する traineddata ファイルが必要です。



%index
cv4_ocr_run
Tesseract OCR 実行
%group
hspcv4 OCR
%prm
result_str_var, id, src_id, component_level
result_str_var : 認識結果文字列を書き戻す str 変数
id : OCR ハンドル
src_id : 入力画像
component_level : 0=WORD, 1=TEXTLINE (既定 0)
%inst
Tesseract で入力画像の文字認識を実行し、結果文字列を返します。



%index
cv4_ocr_free
Tesseract OCR 破棄
%group
hspcv4 OCR
%prm
id
id : OCR ハンドル
%inst
OCR ハンドルを破棄します。



%index
cv4_create_trackbar
トラックバー生成
%group
hspcv4 ウィンドウ
%prm
winname, trackbar, initial, max
winname : 対象ウィンドウ名
trackbar : トラックバー名
initial : 初期値
max : 最大値
%inst
cv::createTrackbar のラッパー。HSP からはコールバック登録が
できないため、コールバック無しで生成します。値の取得は
cv4_get_trackbar_pos を使います。



%index
cv4_get_trackbar_pos
トラックバー位置取得
%group
hspcv4 ウィンドウ
%prm
var_pos, winname, trackbar
var_pos : 現在位置を書き戻す int 変数
winname : ウィンドウ名
trackbar : トラックバー名
%inst
cv::getTrackbarPos のラッパー。トラックバーの現在位置を取得します。



%index
cv4_set_mouse_listener
マウスイベント監視登録
%group
hspcv4 ウィンドウ
%prm
winname
winname : 対象ウィンドウ名
%inst
内部マウスコールバックを登録します。以後 cv4_get_mouse_event で
最新イベントをポーリング取得できます。



%index
cv4_get_mouse_event
マウスイベント取得
%group
hspcv4 ウィンドウ
%prm
var_event, var_x, var_y, var_flags, winname
var_event : イベント種別 (EVENT_MOUSEMOVE/LBUTTONDOWN 等)
var_x, var_y : マウス座標
var_flags : 修飾キー/ボタン状態フラグ
winname : 対象ウィンドウ名
%inst
cv4_set_mouse_listener で蓄積された最新マウスイベントを読み出します。
var を先に並べることで OLDDLL パラメータ消費順を安定させます。