[157] で説明されているPCT（位置・色・テクスチャ）シグネチャ抽出を実装したクラス。アルゴリズムは特徴サンプラーとクラスタライザに分かれている。特徴サンプラーは与えられた座標集合でサンプルを生成する。次にクラスタライザがk-meansアルゴリズムを用いてこれらのサンプルのクラスタを生成する。得られたクラスタの集合が入力画像のシグネチャとなる。続きを読む...

#include <opencv2/xfeatures2d.hpp>

Collaboration diagram for cv::xfeatures2d::PCTSignatures:

公開型
enum	DistanceFunction { L0_25 , L0_5 , L1 , L2 , L2SQUARED , L5 , L_INFINITY }
	Lp距離関数のセレクタ。続きを読む...

enum	PointDistribution { UNIFORM , REGULAR , NORMAL }
	ランダム点生成器がサポートする点分布。続きを読む...

enum	SimilarityFunction { MINUS , GAUSSIAN , HEURISTIC }
	類似度関数のセレクタ。続きを読む...

公開メンバ関数
virtual void	computeSignature (InputArray image, OutputArray signature) const =0
	与えられた画像のシグネチャを計算する。

virtual void	computeSignatures (const std::vector< Mat > &images, std::vector< Mat > &signatures) const =0
	複数画像のシグネチャを並列に計算する。

virtual int	getClusterMinSize () const =0
	このパラメータに反復回数のインデックスを掛けた値が、クラスタサイズの下限となる。この下限で指定された点数より少ない点しか含まないクラスタは、その重心（セントロイド）が破棄され、点が再割り当てされる。

virtual int	getDistanceFunction () const =0
	k-meansにおいて2点間の距離を測定するために用いる距離関数のセレクタ。

virtual float	getDropThreshold () const =0
	k-meansにおいて、重みが与えられたしきい値以下であるセントロイドを除去する。

virtual int	getGrayscaleBits () const =0
	割り当てられたビット数で表現されるグレースケールビットマップの色分解能（すなわち、値4は16階調のグレーが使われることを意味する）。グレースケールビットマップはコントラストとエントロピーの値の計算に用いられる。

virtual int	getInitSeedCount () const =0
	k-meansアルゴリズム用の初期シード数（初期クラスタ数）。

virtual std::vector< int >	getInitSeedIndexes () const =0
	k-meansアルゴリズム用の初期シード（初期クラスタ数）。

virtual int	getIterationCount () const =0
	k-meansクラスタリングの反復回数。修正版のクラスタリングはクラスタを枝刈りする（k個のクラスタを反復的に精緻化するのではない）ため、固定の反復回数を用いる。

virtual float	getJoiningDistance () const =0
	2つのセントロイド間のユークリッド距離のしきい値。2つのクラスタ中心がこの距離より近い場合、一方のセントロイドが破棄され、点が再割り当てされる。

virtual int	getMaxClustersCount () const =0
	生成されるクラスタの最大数。この数を超えた場合、クラスタは重みでソートされ、最も小さいクラスタが切り捨てられる。

virtual int	getSampleCount () const =0
	画像から取得する初期サンプルの数。

virtual std::vector< Point2f >	getSamplingPoints () const =0
	画像から取得した初期サンプル。これらのサンプリングされた特徴がクラスタリングの入力となる。

virtual float	getWeightA () const =0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual float	getWeightB () const =0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual float	getWeightContrast () const =0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual float	getWeightEntropy () const =0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual float	getWeightL () const =0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual float	getWeightX () const =0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual float	getWeightY () const =0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual int	getWindowRadius () const =0
	コントラストとエントロピーの計算に用いるテクスチャサンプリングウィンドウのサイズ（ウィンドウの中心は常に、対応する特徴サンプルのx,y座標で選択されたピクセルにある）。

virtual void	setClusterMinSize (int clusterMinSize)=0
	このパラメータに反復回数のインデックスを掛けた値が、クラスタサイズの下限となる。この下限で指定された点数より少ない点しか含まないクラスタは、その重心（セントロイド）が破棄され、点が再割り当てされる。

virtual void	setDistanceFunction (int distanceFunction)=0
	k-meansにおいて2点間の距離を測定するために用いる距離関数のセレクタ。利用可能: L0_25, L0_5, L1, L2, L2SQUARED, L5, L_INFINITY。

virtual void	setDropThreshold (float dropThreshold)=0
	k-meansにおいて、重みが与えられたしきい値以下であるセントロイドを除去する。

virtual void	setGrayscaleBits (int grayscaleBits)=0
	割り当てられたビット数で表現されるグレースケールビットマップの色分解能（すなわち、値4は16階調のグレーが使われることを意味する）。グレースケールビットマップはコントラストとエントロピーの値の計算に用いられる。

virtual void	setInitSeedIndexes (std::vector< int > initSeedIndexes)=0
	k-meansアルゴリズム用の初期シードのインデックス。

virtual void	setIterationCount (int iterationCount)=0
	k-meansクラスタリングの反復回数。修正版のクラスタリングはクラスタを枝刈りする（k個のクラスタを反復的に精緻化するのではない）ため、固定の反復回数を用いる。

virtual void	setJoiningDistance (float joiningDistance)=0
	2つのセントロイド間のユークリッド距離のしきい値。2つのクラスタ中心がこの距離より近い場合、一方のセントロイドが破棄され、点が再割り当てされる。

virtual void	setMaxClustersCount (int maxClustersCount)=0
	生成されるクラスタの最大数。この数を超えた場合、クラスタは重みでソートされ、最も小さいクラスタが切り捨てられる。

virtual void	setSamplingPoints (std::vector< Point2f > samplingPoints)=0
	入力画像のサンプリングに用いるサンプリング点を設定する。

virtual void	setTranslation (int idx, float value)=0
	特徴空間の各軸の平行移動（トランスレーション）。

virtual void	setTranslations (const std::vector< float > &translations)=0
	特徴空間の各軸の平行移動（トランスレーション）。

virtual void	setWeight (int idx, float value)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）。

virtual void	setWeightA (float weight)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual void	setWeightB (float weight)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual void	setWeightContrast (float weight)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual void	setWeightEntropy (float weight)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual void	setWeightL (float weight)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual void	setWeights (const std::vector< float > &weights)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）。

virtual void	setWeightX (float weight)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual void	setWeightY (float weight)=0
	特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

virtual void	setWindowRadius (int radius)=0
	コントラストとエントロピーの計算に用いるテクスチャサンプリングウィンドウのサイズ（ウィンドウの中心は常に、対応する特徴サンプルのx,y座標で選択されたピクセルにある）。

Public Member Functions inherited from cv::Algorithm
	Algorithm ()

virtual	~Algorithm ()

virtual void	clear ()
	アルゴリズムの状態をクリアする。

virtual bool	empty () const
	Algorithm が空の場合（たとえば開始直後や読み込みに失敗した後）に true を返す。

virtual String	getDefaultName () const

virtual void	read (const FileNode &fn)
	ファイルストレージからアルゴリズムの引数を読み込む。

virtual void	save (const String &filename) const

void	write (const Ptr< FileStorage > &fs, const String &name=String()) const

virtual void	write (FileStorage &fs) const
	アルゴリズムの引数をファイルストレージに保存する。

void	write (FileStorage &fs, const String &name) const

静的公開メンバ関数
static Ptr< PCTSignatures >	create (const int initSampleCount=2000, const int initSeedCount=400, const int pointDistribution=0)
	サンプル数とシード数を用いて PCTSignatures アルゴリズムを生成する。独自のサンプリング点の集合とクラスタリング用シードのインデックスを生成する。

static Ptr< PCTSignatures >	create (const std::vector< Point2f > &initSamplingPoints, const int initSeedCount)
	事前に生成されたサンプリング点とクラスタリング用シードの数を用いて PCTSignatures アルゴリズムを生成する。与えられたサンプリング点を用い、独自のクラスタリング用シードのインデックスを生成する。

static Ptr< PCTSignatures >	create (const std::vector< Point2f > &initSamplingPoints, const std::vector< int > &initClusterSeedIndexes)
	事前に生成されたサンプリング点とクラスタリング用シードのインデックスを用いて PCTSignatures アルゴリズムを生成する。

static void	drawSignature (InputArray source, InputArray signature, OutputArray result, float radiusToShorterSideRatio=1.0/8, int borderThickness=1)
	ソース画像にシグネチャを描画し、その結果を出力する。シグネチャは、シグネチャの重みに基づく半径とシグネチャの色に基づく色を持つ円として可視化される。コントラストとエントロピーは可視化されない。

static void	generateInitPoints (std::vector< Point2f > &initPoints, const int count, int pointDistribution)
	選択された点分布に従って初期サンプリング点を生成する。

Static Public Member Functions inherited from cv::Algorithm
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	ファイルからアルゴリズムを読み込む。

template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	文字列からアルゴリズムを読み込む。

template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	ファイルノードからアルゴリズムを読み込む。

Additional Inherited Members
Protected Member Functions inherited from cv::Algorithm
void	writeFormat (FileStorage &fs) const

詳細説明

[157] で説明されているPCT（位置・色・テクスチャ）シグネチャ抽出を実装したクラス。アルゴリズムは特徴サンプラーとクラスタライザに分かれている。特徴サンプラーは与えられた座標集合でサンプルを生成する。次にクラスタライザがk-meansアルゴリズムを用いてこれらのサンプルのクラスタを生成する。得られたクラスタの集合が入力画像のシグネチャとなる。

シグネチャはSIGNATURE_DIMENSION次元の点の配列である。使用される次元は次のとおり: weight, x, y位置; lab色, コントラスト, エントロピー。 [157] [24]

列挙型メンバ詳解

◆ DistanceFunction

enum cv::xfeatures2d::PCTSignatures::DistanceFunction

Lp距離関数のセレクタ。

列挙値
L0_25
L0_5
L1
L2
L2SQUARED
L5
L_INFINITY

◆ PointDistribution

enum cv::xfeatures2d::PCTSignatures::PointDistribution

ランダム点生成器がサポートする点分布。

列挙値
UNIFORM	数値を一様に生成する。
REGULAR	規則的な格子上に点を生成する。
NORMAL	正規分布（ガウス分布）に従って点を生成する。

◆ SimilarityFunction

enum cv::xfeatures2d::PCTSignatures::SimilarityFunction

類似度関数のセレクタ。

参照: Christian Beecks, Merih Seran Uysal, Thomas Seidl. Signature quadratic form distance. In Proceedings of the ACM International Conference on Image and Video Retrieval, pages 438-445. ACM, 2010. [24]

覚え書き

For selected distance function:

\[ d(c_i, c_j) \]

and parameter:

\[ \alpha \]

列挙値
MINUS	\[ -d(c_i, c_j) \]
GAUSSIAN	\[ e^{ -\alpha * d^2(c_i, c_j)} \]
HEURISTIC	\[ \frac{1}{\alpha + d(c_i, c_j)} \]

メンバ関数詳解

◆ computeSignature()

virtual void cv::xfeatures2d::PCTSignatures::computeSignature	(	InputArray	image,
		OutputArray	signature ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.computeSignature(	image[, signature]	) ->	signature

与えられた画像のシグネチャを計算する。

引数

image	CV_8U 型の入力画像。
signature	計算された出力シグネチャ。

◆ computeSignatures()

virtual void cv::xfeatures2d::PCTSignatures::computeSignatures	(	const std::vector< Mat > &	images,
		std::vector< Mat > &	signatures ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.computeSignatures(	images, signatures	) ->	None

複数画像のシグネチャを並列に計算する。

引数

images	CV_8U 型の入力画像のベクトル。
signatures	計算されたシグネチャのベクトル。

◆ create() [1/3]

static Ptr< PCTSignatures > cv::xfeatures2d::PCTSignatures::create	(	const int	initSampleCount = 2000,
		const int	initSeedCount = 400,
		const int	pointDistribution = 0 )

static


cv.xfeatures2d.PCTSignatures.create(	[, initSampleCount[, initSeedCount[, pointDistribution]]]	) ->	retval
cv.xfeatures2d.PCTSignatures.create(	initSamplingPoints, initSeedCount	) ->	retval
cv.xfeatures2d.PCTSignatures.create(	initSamplingPoints, initClusterSeedIndexes	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	[, initSampleCount[, initSeedCount[, pointDistribution]]]	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	initSamplingPoints, initSeedCount	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	initSamplingPoints, initClusterSeedIndexes	) ->	retval

サンプル数とシード数を用いて PCTSignatures アルゴリズムを生成する。独自のサンプリング点の集合とクラスタリング用シードのインデックスを生成する。

引数

initSampleCount	画像サンプリングに使用する点の数。
initSeedCount	初期クラスタリングのシード数。initSampleCount 以下でなければならない
pointDistribution	生成される点の分布。デフォルト: UNIFORM。利用可能: UNIFORM, REGULAR, NORMAL。

戻り値: 生成されたアルゴリズム。

◆ create() [2/3]

static Ptr< PCTSignatures > cv::xfeatures2d::PCTSignatures::create	(	const std::vector< Point2f > &	initSamplingPoints,
		const int	initSeedCount )

static


cv.xfeatures2d.PCTSignatures.create(	[, initSampleCount[, initSeedCount[, pointDistribution]]]	) ->	retval
cv.xfeatures2d.PCTSignatures.create(	initSamplingPoints, initSeedCount	) ->	retval
cv.xfeatures2d.PCTSignatures.create(	initSamplingPoints, initClusterSeedIndexes	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	[, initSampleCount[, initSeedCount[, pointDistribution]]]	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	initSamplingPoints, initSeedCount	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	initSamplingPoints, initClusterSeedIndexes	) ->	retval

事前に生成されたサンプリング点とクラスタリング用シードの数を用いて PCTSignatures アルゴリズムを生成する。与えられたサンプリング点を用い、独自のクラスタリング用シードのインデックスを生成する。

引数

initSamplingPoints	画像サンプリングに使用するサンプリング点。
initSeedCount	初期クラスタリングのシード数。initSamplingPoints.size() 以下でなければならない。

戻り値: 生成されたアルゴリズム。

◆ create() [3/3]

static Ptr< PCTSignatures > cv::xfeatures2d::PCTSignatures::create	(	const std::vector< Point2f > &	initSamplingPoints,
		const std::vector< int > &	initClusterSeedIndexes )

static


cv.xfeatures2d.PCTSignatures.create(	[, initSampleCount[, initSeedCount[, pointDistribution]]]	) ->	retval
cv.xfeatures2d.PCTSignatures.create(	initSamplingPoints, initSeedCount	) ->	retval
cv.xfeatures2d.PCTSignatures.create(	initSamplingPoints, initClusterSeedIndexes	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	[, initSampleCount[, initSeedCount[, pointDistribution]]]	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	initSamplingPoints, initSeedCount	) ->	retval
cv.xfeatures2d.PCTSignatures_create(	initSamplingPoints, initClusterSeedIndexes	) ->	retval

事前に生成されたサンプリング点とクラスタリング用シードのインデックスを用いて PCTSignatures アルゴリズムを生成する。

引数

initSamplingPoints	画像サンプリングに使用するサンプリング点。
initClusterSeedIndexes	初期クラスタリングのシードのインデックス。そのサイズは initSamplingPoints.size() 以下でなければならない。

戻り値: 生成されたアルゴリズム。

◆ drawSignature()

static void cv::xfeatures2d::PCTSignatures::drawSignature	(	InputArray	source,
		InputArray	signature,
		OutputArray	result,
		float	radiusToShorterSideRatio = 1.0/8,
		int	borderThickness = 1 )

static

Python:
	cv.xfeatures2d.PCTSignatures.drawSignature(	source, signature[, result[, radiusToShorterSideRatio[, borderThickness]]]	) ->	result
	cv.xfeatures2d.PCTSignatures_drawSignature(	source, signature[, result[, radiusToShorterSideRatio[, borderThickness]]]	) ->	result

ソース画像にシグネチャを描画し、その結果を出力する。シグネチャは、シグネチャの重みに基づく半径とシグネチャの色に基づく色を持つ円として可視化される。コントラストとエントロピーは可視化されない。

引数

source	入力画像。
signature	画像シグネチャ。
result	出力結果。
radiusToShorterSideRatio	出力画像におけるシグネチャの最大半径を決定する。
borderThickness	可視化されるシグネチャの境界線の太さ。

◆ generateInitPoints()

static void cv::xfeatures2d::PCTSignatures::generateInitPoints	(	std::vector< Point2f > &	initPoints,
		const int	count,
		int	pointDistribution )

static

Python:
	cv.xfeatures2d.PCTSignatures.generateInitPoints(	initPoints, count, pointDistribution	) ->	None
	cv.xfeatures2d.PCTSignatures_generateInitPoints(	initPoints, count, pointDistribution	) ->	None

選択された点分布に従って初期サンプリング点を生成する。

引数

initPoints	生成された点が保存される出力ベクトル。
count	生成する点の数。
pointDistribution	点の分布の選択。利用可能: UNIFORM, REGULAR, NORMAL。

覚え書き: 生成される座標は範囲 [0..1) にある

◆ getClusterMinSize()

virtual int cv::xfeatures2d::PCTSignatures::getClusterMinSize ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getClusterMinSize(		) ->	retval

このパラメータに反復回数のインデックスを掛けた値が、クラスタサイズの下限となる。この下限で指定された点数より少ない点しか含まないクラスタは、その重心（セントロイド）が破棄され、点が再割り当てされる。

◆ getDistanceFunction()

virtual int cv::xfeatures2d::PCTSignatures::getDistanceFunction ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getDistanceFunction(		) ->	retval

k-meansにおいて2点間の距離を測定するために用いる距離関数のセレクタ。

◆ getDropThreshold()

virtual float cv::xfeatures2d::PCTSignatures::getDropThreshold ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getDropThreshold(		) ->	retval

k-meansにおいて、重みが与えられたしきい値以下であるセントロイドを除去する。

◆ getGrayscaleBits()

virtual int cv::xfeatures2d::PCTSignatures::getGrayscaleBits ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getGrayscaleBits(		) ->	retval

割り当てられたビット数で表現されるグレースケールビットマップの色分解能（すなわち、値4は16階調のグレーが使われることを意味する）。グレースケールビットマップはコントラストとエントロピーの値の計算に用いられる。

◆ getInitSeedCount()

virtual int cv::xfeatures2d::PCTSignatures::getInitSeedCount ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getInitSeedCount(		) ->	retval

k-meansアルゴリズム用の初期シード数（初期クラスタ数）。

◆ getInitSeedIndexes()

virtual std::vector< int > cv::xfeatures2d::PCTSignatures::getInitSeedIndexes ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getInitSeedIndexes(		) ->	retval

k-meansアルゴリズム用の初期シード（初期クラスタ数）。

◆ getIterationCount()

virtual int cv::xfeatures2d::PCTSignatures::getIterationCount ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getIterationCount(		) ->	retval

k-meansクラスタリングの反復回数。修正版のクラスタリングはクラスタを枝刈りする（k個のクラスタを反復的に精緻化するのではない）ため、固定の反復回数を用いる。

◆ getJoiningDistance()

virtual float cv::xfeatures2d::PCTSignatures::getJoiningDistance ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getJoiningDistance(		) ->	retval

2つのセントロイド間のユークリッド距離のしきい値。2つのクラスタ中心がこの距離より近い場合、一方のセントロイドが破棄され、点が再割り当てされる。

◆ getMaxClustersCount()

virtual int cv::xfeatures2d::PCTSignatures::getMaxClustersCount ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getMaxClustersCount(		) ->	retval

生成されるクラスタの最大数。この数を超えた場合、クラスタは重みでソートされ、最も小さいクラスタが切り捨てられる。

◆ getSampleCount()

virtual int cv::xfeatures2d::PCTSignatures::getSampleCount ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getSampleCount(		) ->	retval

画像から取得する初期サンプルの数。

◆ getSamplingPoints()

virtual std::vector< Point2f > cv::xfeatures2d::PCTSignatures::getSamplingPoints ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getSamplingPoints(		) ->	retval

画像から取得した初期サンプル。これらのサンプリングされた特徴がクラスタリングの入力となる。

◆ getWeightA()

virtual float cv::xfeatures2d::PCTSignatures::getWeightA ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getWeightA(		) ->	retval

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ getWeightB()

virtual float cv::xfeatures2d::PCTSignatures::getWeightB ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getWeightB(		) ->	retval

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ getWeightContrast()

virtual float cv::xfeatures2d::PCTSignatures::getWeightContrast ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getWeightContrast(		) ->	retval

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ getWeightEntropy()

virtual float cv::xfeatures2d::PCTSignatures::getWeightEntropy ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getWeightEntropy(		) ->	retval

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ getWeightL()

virtual float cv::xfeatures2d::PCTSignatures::getWeightL ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getWeightL(		) ->	retval

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ getWeightX()

virtual float cv::xfeatures2d::PCTSignatures::getWeightX ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getWeightX(		) ->	retval

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ getWeightY()

virtual float cv::xfeatures2d::PCTSignatures::getWeightY ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getWeightY(		) ->	retval

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ getWindowRadius()

virtual int cv::xfeatures2d::PCTSignatures::getWindowRadius ( ) const

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.getWindowRadius(		) ->	retval

コントラストとエントロピーの計算に用いるテクスチャサンプリングウィンドウのサイズ（ウィンドウの中心は常に、対応する特徴サンプルのx,y座標で選択されたピクセルにある）。

◆ setClusterMinSize()

virtual void cv::xfeatures2d::PCTSignatures::setClusterMinSize ( int clusterMinSize )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setClusterMinSize(	clusterMinSize	) ->	None

このパラメータに反復回数のインデックスを掛けた値が、クラスタサイズの下限となる。この下限で指定された点数より少ない点しか含まないクラスタは、その重心（セントロイド）が破棄され、点が再割り当てされる。

◆ setDistanceFunction()

virtual void cv::xfeatures2d::PCTSignatures::setDistanceFunction ( int distanceFunction )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setDistanceFunction(	distanceFunction	) ->	None

k-meansにおいて2点間の距離を測定するために用いる距離関数のセレクタ。利用可能: L0_25, L0_5, L1, L2, L2SQUARED, L5, L_INFINITY。

◆ setDropThreshold()

virtual void cv::xfeatures2d::PCTSignatures::setDropThreshold ( float dropThreshold )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setDropThreshold(	dropThreshold	) ->	None

k-meansにおいて、重みが与えられたしきい値以下であるセントロイドを除去する。

◆ setGrayscaleBits()

virtual void cv::xfeatures2d::PCTSignatures::setGrayscaleBits ( int grayscaleBits )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setGrayscaleBits(	grayscaleBits	) ->	None

割り当てられたビット数で表現されるグレースケールビットマップの色分解能（すなわち、値4は16階調のグレーが使われることを意味する）。グレースケールビットマップはコントラストとエントロピーの値の計算に用いられる。

◆ setInitSeedIndexes()

virtual void cv::xfeatures2d::PCTSignatures::setInitSeedIndexes ( std::vector< int > initSeedIndexes )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setInitSeedIndexes(	initSeedIndexes	) ->	None

k-meansアルゴリズム用の初期シードのインデックス。

◆ setIterationCount()

virtual void cv::xfeatures2d::PCTSignatures::setIterationCount ( int iterationCount )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setIterationCount(	iterationCount	) ->	None

k-meansクラスタリングの反復回数。修正版のクラスタリングはクラスタを枝刈りする（k個のクラスタを反復的に精緻化するのではない）ため、固定の反復回数を用いる。

◆ setJoiningDistance()

virtual void cv::xfeatures2d::PCTSignatures::setJoiningDistance ( float joiningDistance )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setJoiningDistance(	joiningDistance	) ->	None

2つのセントロイド間のユークリッド距離のしきい値。2つのクラスタ中心がこの距離より近い場合、一方のセントロイドが破棄され、点が再割り当てされる。

◆ setMaxClustersCount()

virtual void cv::xfeatures2d::PCTSignatures::setMaxClustersCount ( int maxClustersCount )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setMaxClustersCount(	maxClustersCount	) ->	None

生成されるクラスタの最大数。この数を超えた場合、クラスタは重みでソートされ、最も小さいクラスタが切り捨てられる。

◆ setSamplingPoints()

virtual void cv::xfeatures2d::PCTSignatures::setSamplingPoints ( std::vector< Point2f > samplingPoints )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setSamplingPoints(	samplingPoints	) ->	None

入力画像のサンプリングに用いるサンプリング点を設定する。

引数

samplingPoints 範囲 [0..1) のサンプリング点のベクトル

覚え書き: サンプリング点の数は、クラスタリング用シードの数以上でなければならない。

◆ setTranslation()

virtual void cv::xfeatures2d::PCTSignatures::setTranslation	(	int	idx,
		float	value )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setTranslation(	idx, value	) ->	None

特徴空間の各軸の平行移動（トランスレーション）。

引数

idx	平行移動の ID
value	平行移動の値

覚え書き: WEIGHT_IDX = 0; X_IDX = 1; Y_IDX = 2; L_IDX = 3; A_IDX = 4; B_IDX = 5; CONTRAST_IDX = 6; ENTROPY_IDX = 7;

◆ setTranslations()

virtual void cv::xfeatures2d::PCTSignatures::setTranslations ( const std::vector< float > & translations )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setTranslations(	translations	) ->	None

特徴空間の各軸の平行移動（トランスレーション）。

引数

translations 全translationの値。

覚え書き: WEIGHT_IDX = 0; X_IDX = 1; Y_IDX = 2; L_IDX = 3; A_IDX = 4; B_IDX = 5; CONTRAST_IDX = 6; ENTROPY_IDX = 7;

◆ setWeight()

virtual void cv::xfeatures2d::PCTSignatures::setWeight	(	int	idx,
		float	value )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeight(	idx, value	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）。

引数

idx	重みのID
value	重みの値

覚え書き: WEIGHT_IDX = 0; X_IDX = 1; Y_IDX = 2; L_IDX = 3; A_IDX = 4; B_IDX = 5; CONTRAST_IDX = 6; ENTROPY_IDX = 7;

◆ setWeightA()

virtual void cv::xfeatures2d::PCTSignatures::setWeightA ( float weight )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeightA(	weight	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ setWeightB()

virtual void cv::xfeatures2d::PCTSignatures::setWeightB ( float weight )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeightB(	weight	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ setWeightContrast()

virtual void cv::xfeatures2d::PCTSignatures::setWeightContrast ( float weight )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeightContrast(	weight	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ setWeightEntropy()

virtual void cv::xfeatures2d::PCTSignatures::setWeightEntropy ( float weight )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeightEntropy(	weight	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ setWeightL()

virtual void cv::xfeatures2d::PCTSignatures::setWeightL ( float weight )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeightL(	weight	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ setWeights()

virtual void cv::xfeatures2d::PCTSignatures::setWeights ( const std::vector< float > & weights )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeights(	weights	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）。

引数

weights 全重みの値。

覚え書き: WEIGHT_IDX = 0; X_IDX = 1; Y_IDX = 2; L_IDX = 3; A_IDX = 4; B_IDX = 5; CONTRAST_IDX = 6; ENTROPY_IDX = 7;

◆ setWeightX()

virtual void cv::xfeatures2d::PCTSignatures::setWeightX ( float weight )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeightX(	weight	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ setWeightY()

virtual void cv::xfeatures2d::PCTSignatures::setWeightY ( float weight )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWeightY(	weight	) ->	None

特徴空間の各軸を線形に伸縮させる重み（乗法定数）（x,y = 位置; L,a,b = CIE Lab色空間における色; c = コントラスト。e = エントロピー）

◆ setWindowRadius()

virtual void cv::xfeatures2d::PCTSignatures::setWindowRadius ( int radius )

pure virtual

Python:
	cv.xfeatures2d.PCTSignatures.setWindowRadius(	radius	) ->	None

コントラストとエントロピーの計算に用いるテクスチャサンプリングウィンドウのサイズ（ウィンドウの中心は常に、対応する特徴サンプルのx,y座標で選択されたピクセルにある）。

このクラス詳解は次のファイルから抽出されました:

opencv2/xfeatures2d.hpp

公開型

公開メンバ関数

静的公開メンバ関数

Additional Inherited Members

詳細説明

列挙型メンバ詳解

◆ DistanceFunction

◆ PointDistribution

◆ SimilarityFunction

メンバ関数詳解

◆ computeSignature()

◆ computeSignatures()

◆ create() [1/3]

◆ create() [2/3]

◆ create() [3/3]

◆ drawSignature()

◆ generateInitPoints()

◆ getClusterMinSize()

◆ getDistanceFunction()

◆ getDropThreshold()

◆ getGrayscaleBits()

◆ getInitSeedCount()

◆ getInitSeedIndexes()

◆ getIterationCount()

◆ getJoiningDistance()

◆ getMaxClustersCount()

◆ getSampleCount()

◆ getSamplingPoints()

◆ getWeightA()

◆ getWeightB()

◆ getWeightContrast()

◆ getWeightEntropy()

◆ getWeightL()

◆ getWeightX()

◆ getWeightY()

◆ getWindowRadius()

◆ setClusterMinSize()

◆ setDistanceFunction()

◆ setDropThreshold()

◆ setGrayscaleBits()

◆ setInitSeedIndexes()

◆ setIterationCount()

◆ setJoiningDistance()

◆ setMaxClustersCount()

◆ setSamplingPoints()

◆ setTranslation()

◆ setTranslations()

◆ setWeight()

◆ setWeightA()

◆ setWeightB()

◆ setWeightContrast()

◆ setWeightEntropy()

◆ setWeightL()

◆ setWeights()

◆ setWeightX()

◆ setWeightY()

◆ setWindowRadius()