その他の画像変換

詳細説明

列挙型
enum	cv::AdaptiveThresholdTypes {   cv::ADAPTIVE_THRESH_MEAN_C = 0 ,   cv::ADAPTIVE_THRESH_GAUSSIAN_C = 1 }
enum	cv::DistanceTransformLabelTypes {   cv::DIST_LABEL_CCOMP = 0 ,   cv::DIST_LABEL_PIXEL = 1 }
	distanceTransform アルゴリズムのフラグ 続き...
enum	cv::DistanceTransformMasks {   cv::DIST_MASK_3 = 3 ,   cv::DIST_MASK_5 = 5 ,   cv::DIST_MASK_PRECISE = 0 }
	距離変換のマスクサイズ。 続き...
enum	cv::DistanceTypes {   cv::DIST_USER = -1 ,   cv::DIST_L1 = 1 ,   cv::DIST_L2 = 2 ,   cv::DIST_C = 3 ,   cv::DIST_L12 = 4 ,   cv::DIST_FAIR = 5 ,   cv::DIST_WELSCH = 6 ,   cv::DIST_HUBER = 7 }
enum	cv::FloodFillFlags {   cv::FLOODFILL_FIXED_RANGE = 1 << 16 ,   cv::FLOODFILL_MASK_ONLY = 1 << 17 }
	floodfill アルゴリズムのフラグ 続き...
enum	cv::GrabCutClasses {   cv::GC_BGD = 0 ,   cv::GC_FGD = 1 ,   cv::GC_PR_BGD = 2 ,   cv::GC_PR_FGD = 3 }
	GrabCut アルゴリズムにおけるピクセルのクラス 続き...
enum	cv::GrabCutModes {   cv::GC_INIT_WITH_RECT = 0 ,   cv::GC_INIT_WITH_MASK = 1 ,   cv::GC_EVAL = 2 ,   cv::GC_EVAL_FREEZE_MODEL = 3 }
	GrabCut アルゴリズムのフラグ。 続き...
enum	cv::ThresholdTypes {   cv::THRESH_BINARY = 0 ,   cv::THRESH_BINARY_INV = 1 ,   cv::THRESH_TRUNC = 2 ,   cv::THRESH_TOZERO = 3 ,   cv::THRESH_TOZERO_INV = 4 ,   cv::THRESH_MASK = 7 ,   cv::THRESH_OTSU = 8 ,   cv::THRESH_TRIANGLE = 16 ,   cv::THRESH_DRYRUN = 128 }

関数
void	cv::adaptiveThreshold (InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C)
	配列に適応的しきい値処理を適用する。
void	cv::blendLinear (InputArray src1, InputArray src2, InputArray weights1, InputArray weights2, OutputArray dst)
void	cv::distanceTransform (InputArray src, OutputArray dst, int distanceType, int maskSize, int dstType=CV_32F)
void	cv::distanceTransform (InputArray src, OutputArray dst, OutputArray labels, int distanceType, int maskSize, int labelType=DIST_LABEL_CCOMP)
	ソース画像の各ピクセルについて、最も近いゼロピクセルまでの距離を計算する。
int	cv::floodFill (InputOutputArray image, InputOutputArray mask, Point seedPoint, Scalar newVal, Rect *rect=0, Scalar loDiff=Scalar(), Scalar upDiff=Scalar(), int flags=4)
	連結成分を指定した色で塗りつぶす。
int	cv::floodFill (InputOutputArray image, Point seedPoint, Scalar newVal, Rect *rect=0, Scalar loDiff=Scalar(), Scalar upDiff=Scalar(), int flags=4)
void	cv::integral (InputArray src, OutputArray sum, int sdepth=-1)
void	cv::integral (InputArray src, OutputArray sum, OutputArray sqsum, int sdepth=-1, int sqdepth=-1)
void	cv::integral (InputArray src, OutputArray sum, OutputArray sqsum, OutputArray tilted, int sdepth=-1, int sqdepth=-1)
	画像の積分を計算する。
double	cv::threshold (InputArray src, OutputArray dst, double thresh, double maxval, int type)
	各配列要素に固定しきい値処理を適用する。
double	cv::thresholdWithMask (InputArray src, InputOutputArray dst, InputArray mask, double thresh, double maxval, int type)
	threshold と同じだが、省略可能なマスクを伴う。

列挙型詳解

AdaptiveThresholdTypes

enum cv::AdaptiveThresholdTypes

#include <opencv2/imgproc.hpp>

適応的しきい値アルゴリズム

参照

adaptiveThreshold

列挙値
ADAPTIVE_THRESH_MEAN_C  Python: cv.ADAPTIVE_THRESH_MEAN_C	しきい値 \(T(x,y)\) は、\((x, y)\) の \(\texttt{blockSize} \times \texttt{blockSize}\) 近傍の平均から C を引いた値である
ADAPTIVE_THRESH_GAUSSIAN_C  Python: cv.ADAPTIVE_THRESH_GAUSSIAN_C	しきい値 \(T(x, y)\) は、\((x, y)\) の \(\texttt{blockSize} \times \texttt{blockSize}\) 近傍の重み付き和（ガウシアンウィンドウとの相互相関）から C を引いた値である。指定された blockSize に対してデフォルトのシグマ（標準偏差）が使われる。getGaussianKernel を参照

DistanceTransformLabelTypes

enum cv::DistanceTransformLabelTypes

#include <opencv2/imgproc.hpp>

distanceTransform アルゴリズムのフラグ

列挙値
DIST_LABEL_CCOMP  Python: cv.DIST_LABEL_CCOMP	src 内のゼロの各連結成分（および、その連結成分に最も近いすべての非ゼロピクセル）に同じラベルが割り当てられる
DIST_LABEL_PIXEL  Python: cv.DIST_LABEL_PIXEL	各ゼロピクセル（および、それに最も近いすべての非ゼロピクセル）に独自のラベルが付与される。

DistanceTransformMasks

enum cv::DistanceTransformMasks

#include <opencv2/imgproc.hpp>

距離変換のマスクサイズ。

列挙値
DIST_MASK_3  Python: cv.DIST_MASK_3	mask=3
DIST_MASK_5  Python: cv.DIST_MASK_5	mask=5
DIST_MASK_PRECISE  Python: cv.DIST_MASK_PRECISE

DistanceTypes

enum cv::DistanceTypes

#include <opencv2/imgproc.hpp>

距離変換と M 推定量のための距離型

参照

distanceTransform, fitLine

列挙値
DIST_USER  Python: cv.DIST_USER	ユーザー定義の距離。
DIST_L1  Python: cv.DIST_L1	distance = |x1-x2| + |y1-y2|
DIST_L2  Python: cv.DIST_L2	単純なユークリッド距離
DIST_C  Python: cv.DIST_C	distance = max(|x1-x2|,|y1-y2|)
DIST_L12  Python: cv.DIST_L12	L1-L2 メトリック: distance = 2(sqrt(1+x*x/2) - 1))
DIST_FAIR  Python: cv.DIST_FAIR	distance = c^2(|x|/c-log(1+|x|/c)), c = 1.3998
DIST_WELSCH  Python: cv.DIST_WELSCH	distance = c^2/2(1-exp(-(x/c)^2)), c = 2.9846
DIST_HUBER  Python: cv.DIST_HUBER	distance = |x|<c ? x^2/2 : c(|x|-c/2), c=1.345

FloodFillFlags

enum cv::FloodFillFlags

#include <opencv2/imgproc.hpp>

floodfill アルゴリズムのフラグ

列挙値
FLOODFILL_FIXED_RANGE  Python: cv.FLOODFILL_FIXED_RANGE	設定すると、現在のピクセルとシードピクセルの差を考慮する。設定しない場合は隣接ピクセル間の差を考慮する（すなわち範囲が浮動的になる）。
FLOODFILL_MASK_ONLY  Python: cv.FLOODFILL_MASK_ONLY	設定すると、関数は画像を変更せず（ newVal は無視される）、上述のとおり flags のビット8〜16で指定された値でマスクのみを塗りつぶす。このオプションは mask 引数を持つ関数のバリアントでのみ意味を持つ。

GrabCutClasses

enum cv::GrabCutClasses

#include <opencv2/imgproc.hpp>

GrabCut アルゴリズムにおけるピクセルのクラス

列挙値
GC_BGD  Python: cv.GC_BGD	明らかに背景であるピクセル
GC_FGD  Python: cv.GC_FGD	明らかに前景（オブジェクト）であるピクセル
GC_PR_BGD  Python: cv.GC_PR_BGD	背景である可能性があるピクセル
GC_PR_FGD  Python: cv.GC_PR_FGD	前景である可能性があるピクセル

GrabCutModes

enum cv::GrabCutModes

#include <opencv2/imgproc.hpp>

GrabCut アルゴリズムのフラグ。

列挙値
GC_INIT_WITH_RECT  Python: cv.GC_INIT_WITH_RECT	この関数は、与えられた矩形を用いて状態とマスクを初期化する。その後、アルゴリズムを iterCount 回反復実行する。
GC_INIT_WITH_MASK  Python: cv.GC_INIT_WITH_MASK	この関数は、与えられたマスクを用いて状態を初期化する。GC_INIT_WITH_RECT と GC_INIT_WITH_MASK は組み合わせて使用できることに注意。その場合、ROI の外側のすべてのピクセルは自動的に GC_BGD で初期化される。
GC_EVAL  Python: cv.GC_EVAL	この値は、アルゴリズムを単に再開すべきことを意味する。
GC_EVAL_FREEZE_MODEL  Python: cv.GC_EVAL_FREEZE_MODEL	この値は、固定モデルで grabCut アルゴリズムを（1反復だけ）実行すべきことを意味する

ThresholdTypes

enum cv::ThresholdTypes

#include <opencv2/imgproc.hpp>

しきい値処理の種類

列挙値
THRESH_BINARY  Python: cv.THRESH_BINARY	\[\texttt{dst} (x,y) = \fork{\texttt{maxval}}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{0}{otherwise}\]
THRESH_BINARY_INV  Python: cv.THRESH_BINARY_INV	\[\texttt{dst} (x,y) = \fork{0}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{\texttt{maxval}}{otherwise}\]
THRESH_TRUNC  Python: cv.THRESH_TRUNC	\[\texttt{dst} (x,y) = \fork{\texttt{threshold}}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{\texttt{src}(x,y)}{otherwise}\]
THRESH_TOZERO  Python: cv.THRESH_TOZERO	\[\texttt{dst} (x,y) = \fork{\texttt{src}(x,y)}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{0}{otherwise}\]
THRESH_TOZERO_INV  Python: cv.THRESH_TOZERO_INV	\[\texttt{dst} (x,y) = \fork{0}{if \(\texttt{src}(x,y) > \texttt{thresh}\)}{\texttt{src}(x,y)}{otherwise}\]
THRESH_MASK  Python: cv.THRESH_MASK
THRESH_OTSU  Python: cv.THRESH_OTSU	フラグ、最適なしきい値を選択するために大津 (Otsu) のアルゴリズムを使用する
THRESH_TRIANGLE  Python: cv.THRESH_TRIANGLE	フラグ、最適なしきい値を選択するために Triangle アルゴリズムを使用する
THRESH_DRYRUN  Python: cv.THRESH_DRYRUN	フラグ、しきい値の計算のみを行い（OTSU/TRIANGLE で有用）、実際のしきい値処理は実行しない

関数詳解

adaptiveThreshold()

void cv::adaptiveThreshold	(	InputArray	src,
		OutputArray	dst,
		double	maxValue,
		int	adaptiveMethod,
		int	thresholdType,
		int	blockSize,
		double	C )

Python:
	cv.adaptiveThreshold(	src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst]	) ->	dst

#include <opencv2/imgproc.hpp>

配列に適応的しきい値処理を適用する。

この関数は、次の式に従ってグレースケール画像を二値画像に変換する:

• THRESH_BINARY

  \[dst(x,y) = \fork{\texttt{maxValue}}{if \(src(x,y) > T(x,y)\)}{0}{otherwise}\]

• THRESH_BINARY_INV

  \[dst(x,y) = \fork{0}{if \(src(x,y) > T(x,y)\)}{\texttt{maxValue}}{otherwise}\]

  where \(T(x,y)\) is a threshold calculated individually for each pixel (see adaptiveMethod parameter).

この関数は画像をインプレースで処理できる。

引数

src	8ビット、シングルチャンネルの入力画像。
dst	src と同じサイズ・同じ型の出力画像。
maxValue	条件を満たすピクセルに割り当てられる非ゼロ値
adaptiveMethod	使用する適応的しきい値処理アルゴリズム。AdaptiveThresholdTypes を参照。境界の処理には BORDER_REPLICATE | BORDER_ISOLATED が使われる。
thresholdType	しきい値処理の種類。THRESH_BINARY または THRESH_BINARY_INV のいずれかでなければならない。ThresholdTypes を参照。
blockSize	ピクセルのしきい値を計算するために使われる、ピクセル近傍のサイズ: 3、5、7 など。
C	平均または重み付き平均（後述の詳細を参照）から差し引かれる定数。通常は正の値だが、ゼロや負の値でもよい。

参照

threshold, blur, GaussianBlur

blendLinear()

void cv::blendLinear	(	InputArray	src1,
		InputArray	src2,
		InputArray	weights1,
		InputArray	weights2,
		OutputArray	dst )

Python:
	cv.blendLinear(	src1, src2, weights1, weights2[, dst]	) ->	dst

#include <opencv2/imgproc.hpp>

2枚の画像の線形ブレンディングを行う:

\[ \texttt{dst}(i,j) = \texttt{weights1}(i,j)*\texttt{src1}(i,j) + \texttt{weights2}(i,j)*\texttt{src2}(i,j) \]

引数

src1	型は CV_8UC(n) または CV_32FC(n) である。ここで n は正の整数。
src2	src1 と同じ型・サイズである。
weights1	型は CV_32FC1 で、src1 と同じサイズである。
weights2	型は CV_32FC1 で、src1 と同じサイズである。
dst	src1 と同じサイズ・型でない場合に作成される。

distanceTransform() [1/2]

void cv::distanceTransform	(	InputArray	src,
		OutputArray	dst,
		int	distanceType,
		int	maskSize,
		int	dstType = CV_32F )

Python:
	cv.distanceTransform(	src, distanceType, maskSize[, dst[, dstType]]	) ->	dst
	cv.distanceTransformWithLabels(	src, distanceType, maskSize[, dst[, labels[, labelType]]]	) ->	dst, labels

#include <opencv2/imgproc.hpp>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

引数

src	8ビット、シングルチャンネル（2値）の入力画像。
dst	計算された距離を格納する出力画像。src と同じサイズの、8ビットまたは32ビット浮動小数点のシングルチャンネル画像である。
distanceType	距離の種類。DistanceTypes を参照
maskSize	距離変換マスクのサイズ。DistanceTransformMasks を参照。DIST_L1 または DIST_C の距離の種類の場合、\(3\times 3\) のマスクは \(5\times 5\) やそれより大きい任意のアパーチャと同じ結果を与えるため、この引数は強制的に 3 にされる。
dstType	出力画像の型。CV_8U または CV_32F が指定できる。CV_8U は関数の最初の変種かつ distanceType == DIST_L1 の場合にのみ使用できる。

distanceTransform() [2/2]

void cv::distanceTransform	(	InputArray	src,
		OutputArray	dst,
		OutputArray	labels,
		int	distanceType,
		int	maskSize,
		int	labelType = DIST_LABEL_CCOMP )

Python:
	cv.distanceTransform(	src, distanceType, maskSize[, dst[, dstType]]	) ->	dst
	cv.distanceTransformWithLabels(	src, distanceType, maskSize[, dst[, labels[, labelType]]]	) ->	dst, labels

#include <opencv2/imgproc.hpp>

入力画像の各ピクセルについて、最も近いゼロピクセルまでの距離を計算する。

cv::distanceTransform 関数は、二値画像の各ピクセルから最も近いゼロピクセルまでの近似的または正確な距離を計算する。ゼロの画像ピクセルについては、距離は当然ゼロになる。

maskSize == DIST_MASK_PRECISE かつ distanceType == DIST_L2 の場合、関数は [89] で説明されているアルゴリズムを実行する。このアルゴリズムは TBB ライブラリで並列化されている。

それ以外の場合は、[36] のアルゴリズムが使用される。これは、あるピクセルについて、水平・垂直・対角・ナイトの動き（後者は \(5\times 5\) のマスクで利用可能）といった基本的なシフトから成る、最も近いゼロピクセルへの最短経路を関数が見つけることを意味する。全体の距離は、これらの基本距離の和として計算される。距離関数は対称でなければならないため、すべての水平・垂直シフトは同じコスト（ a と表記）を持ち、すべての対角シフトは同じコスト（b と表記）を持ち、すべてのナイトの動きは同じコスト（c と表記）を持たなければならない。DIST_C および DIST_L1 型では距離は正確に計算されるが、DIST_L2（ユークリッド距離）では相対誤差を伴ってのみ計算できる（\(5\times 5\) のマスクの方がより正確な結果を与える）。a、b、c について、OpenCV は元論文で提案されている値を使用する:

• DIST_L1: a = 1, b = 2
• DIST_L2:
  • 3 x 3: a=0.955, b=1.3693
  • 5 x 5: a=1, b=1.4, c=2.1969
• DIST_C: a = 1, b = 1

通常、高速で粗い距離推定には DIST_L2 で \(3\times 3\) のマスクが使用される。より正確な距離推定には DIST_L2 で \(5\times 5\) のマスクまたは正確なアルゴリズムが使用される。正確なアルゴリズムと近似アルゴリズムのどちらもピクセル数に対して線形であることに注意。

この関数のバリアントは、各ピクセル \((x, y)\) について最小距離を計算するだけでなく、ゼロピクセルから成る最も近い連結成分（labelType==DIST_LABEL_CCOMP）または最も近いゼロピクセル（labelType==DIST_LABEL_PIXEL）も特定する。成分／ピクセルのインデックスは labels(x, y) に格納される。labelType==DIST_LABEL_CCOMP の場合、関数は入力画像内のゼロピクセルの連結成分を自動的に見つけ、それらを異なるラベルでマークする。labelType==DIST_LABEL_PIXEL の場合、関数は入力画像を走査し、すべてのゼロピクセルを異なるラベルでマークする。

このモードでも、計算量は依然として線形である。すなわち、この関数は二値画像のボロノイ図を非常に高速に計算する手段を提供する。現在のところ、第2のバリアントは近似的な距離変換アルゴリズムしか使用できない。つまり maskSize=DIST_MASK_PRECISE はまだサポートされていない。

引数

src	8ビット、シングルチャンネル（2値）の入力画像。
dst	計算された距離を格納する出力画像。src と同じサイズの、8ビットまたは32ビット浮動小数点のシングルチャンネル画像である。
labels	ラベルの出力2次元配列（離散ボロノイ図）。型は CV_32SC1 で、src と同じサイズである。
distanceType	距離の種類。DistanceTypes を参照
maskSize	距離変換マスクのサイズ。DistanceTransformMasks を参照。DIST_MASK_PRECISE はこの変種ではサポートされていない。DIST_L1 または DIST_C の距離の種類の場合、\(3\times 3\) のマスクは \(5\times 5\) やそれより大きい任意のアパーチャと同じ結果を与えるため、この引数は強制的に 3 にされる。
labelType	構築するラベル配列の種類。DistanceTransformLabelTypes を参照。

floodFill() [1/2]

int cv::floodFill	(	InputOutputArray	image,
		InputOutputArray	mask,
		Point	seedPoint,
		Scalar	newVal,
		Rect *	rect = 0,
		Scalar	loDiff = Scalar(),
		Scalar	upDiff = Scalar(),
		int	flags = 4 )

Python:
	cv.floodFill(	image, mask, seedPoint, newVal[, loDiff[, upDiff[, flags]]]	) ->	retval, image, mask, rect

#include <opencv2/imgproc.hpp>

連結成分を指定した色で塗りつぶす。

cv::floodFill 関数は、シード点から始まる連結成分を指定した色で塗りつぶす。連結性は隣接ピクセルの色／明るさの近さによって決まる。\((x,y)\) のピクセルは、次の条件を満たす場合に再塗りつぶし領域に属するとみなされる:

• in case of a grayscale image and floating range

  \[\texttt{src} (x',y')- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} (x',y')+ \texttt{upDiff}\]

• in case of a grayscale image and fixed range

  \[\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)- \texttt{loDiff} \leq \texttt{src} (x,y) \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)+ \texttt{upDiff}\]

• in case of a color image and floating range

  \[\texttt{src} (x',y')_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} (x',y')_r+ \texttt{upDiff} _r,\]

  \[\texttt{src} (x',y')_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} (x',y')_g+ \texttt{upDiff} _g\]

  and

  \[\texttt{src} (x',y')_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} (x',y')_b+ \texttt{upDiff} _b\]

• in case of a color image and fixed range

  \[\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r- \texttt{loDiff} _r \leq \texttt{src} (x,y)_r \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_r+ \texttt{upDiff} _r,\]

  \[\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g- \texttt{loDiff} _g \leq \texttt{src} (x,y)_g \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_g+ \texttt{upDiff} _g\]

  and

  \[\texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b- \texttt{loDiff} _b \leq \texttt{src} (x,y)_b \leq \texttt{src} ( \texttt{seedPoint} .x, \texttt{seedPoint} .y)_b+ \texttt{upDiff} _b\]

ここで \(src(x',y')\) は、すでに連結成分に属することが分かっている隣接ピクセルのうちの1つの値である。すなわち、連結成分に追加されるには、ピクセルの色／明るさが次のいずれかに十分近い必要がある:

• 浮動範囲 (floating range) の場合は、すでに連結成分に属する隣接ピクセルのうちの1つの色／明るさ。
• 固定範囲 (fixed range) の場合は、シード点の色／明るさ。

これらの関数は、連結成分を指定した色でその場で (in-place) マークしたり、マスクを作成してから輪郭を抽出したり、領域を別の画像にコピーしたりするために使用する。

引数

image	入出力の1または3チャンネル、8ビットまたは浮動小数点の画像。2番目の関数の変種で FLOODFILL_MASK_ONLY フラグが設定されていない限り、この画像は関数によって変更される。後述の詳細を参照。
mask	操作マスク。image より2ピクセル幅広く2ピクセル高い、シングルチャンネルの8ビット画像でなければならない。空の Mat を渡した場合は自動的に作成される。これは入力と出力の両方を兼ねる引数なので、初期化の責任は呼び出し側にある。塗りつぶし（フラッドフィル）は入力マスク内の非ゼロピクセルを越えて広がることはない。たとえば、エッジ検出器の出力をマスクとして使い、エッジで塗りつぶしを止めることができる。出力時には、image の塗りつぶされたピクセルに対応するマスクのピクセルが 1、または後述のように flags で指定された値に設定される。さらに関数は、内部処理を簡略化するためマスクの境界を1で埋める。したがって、同じマスクを関数の複数回の呼び出しで使い、塗りつぶされた領域が重ならないようにすることが可能である。
seedPoint	開始点。
newVal	塗り直される領域のピクセルの新しい値。
loDiff	現在観察しているピクセルと、そのコンポーネントに属する隣接ピクセルの1つ、またはコンポーネントに追加されるシードピクセルとの間の、明度・色の最大の下方差。
upDiff	現在観察しているピクセルと、そのコンポーネントに属する隣接ピクセルの1つ、またはコンポーネントに追加されるシードピクセルとの間の、明度・色の最大の上方差。
rect	塗り直された領域の最小バウンディング矩形に関数によって設定される、省略可能な出力引数。
flags	操作フラグ。最初の8ビットには連結性の値が含まれる。デフォルト値の 4 は、4近傍ピクセル（辺を共有するもの）のみを考慮することを意味する。連結性の値 8 は、8近傍ピクセル（コーナーを共有するもの）を考慮することを意味する。次の8ビット（8〜16）には、マスクを塗りつぶす 1〜255 の値が含まれる（デフォルト値は 1）。たとえば 4 | ( 255 << 8 ) は、4近傍を考慮し、マスクを 255 の値で塗りつぶす。以下の追加オプションはより上位のビットを占めるため、ビット単位の or (|) を使って連結性やマスク塗りつぶし値とさらに組み合わせることができる。FloodFillFlags を参照。

覚え書き

マスクは塗りつぶし対象の画像より大きいため、image 内のピクセル \((x, y)\) は mask 内のピクセル \((x+1, y+1)\) に対応する。

参照

findContours

floodFill() [2/2]

int cv::floodFill	(	InputOutputArray	image,
		Point	seedPoint,
		Scalar	newVal,
		Rect *	rect = 0,
		Scalar	loDiff = Scalar(),
		Scalar	upDiff = Scalar(),
		int	flags = 4 )

Python:
	cv.floodFill(	image, mask, seedPoint, newVal[, loDiff[, upDiff[, flags]]]	) ->	retval, image, mask, rect

#include <opencv2/imgproc.hpp>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

mask 引数を持たないバリアント

integral() [1/3]

void cv::integral	(	InputArray	src,
		OutputArray	sum,
		int	sdepth = -1 )

Python:
	cv.integral(	src[, sum[, sdepth]]	) ->	sum
	cv.integral2(	src[, sum[, sqsum[, sdepth[, sqdepth]]]]	) ->	sum, sqsum
	cv.integral3(	src[, sum[, sqsum[, tilted[, sdepth[, sqdepth]]]]]	) ->	sum, sqsum, tilted

#include <opencv2/imgproc.hpp>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

integral() [2/3]

void cv::integral	(	InputArray	src,
		OutputArray	sum,
		OutputArray	sqsum,
		int	sdepth = -1,
		int	sqdepth = -1 )

Python:
	cv.integral(	src[, sum[, sdepth]]	) ->	sum
	cv.integral2(	src[, sum[, sqsum[, sdepth[, sqdepth]]]]	) ->	sum, sqsum
	cv.integral3(	src[, sum[, sqsum[, tilted[, sdepth[, sqdepth]]]]]	) ->	sum, sqsum, tilted

#include <opencv2/imgproc.hpp>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

integral() [3/3]

void cv::integral	(	InputArray	src,
		OutputArray	sum,
		OutputArray	sqsum,
		OutputArray	tilted,
		int	sdepth = -1,
		int	sqdepth = -1 )

Python:
	cv.integral(	src[, sum[, sdepth]]	) ->	sum
	cv.integral2(	src[, sum[, sqsum[, sdepth[, sqdepth]]]]	) ->	sum, sqsum
	cv.integral3(	src[, sum[, sqsum[, tilted[, sdepth[, sqdepth]]]]]	) ->	sum, sqsum, tilted

#include <opencv2/imgproc.hpp>

画像の積分を計算する。

この関数は元画像に対して1つ以上の積分画像を以下のように計算する:

\[\texttt{sum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)\]

\[\texttt{sqsum} (X,Y) = \sum _{x<X,y<Y} \texttt{image} (x,y)^2\]

\[\texttt{tilted} (X,Y) = \sum _{y<Y,abs(x-X+1) \leq Y-y-1} \texttt{image} (x,y)\]

これらの積分画像 (integral image) を使うと、画像の特定の正立矩形領域または回転矩形領域にわたる合計・平均・標準偏差を定数時間で計算できる。例えば次のように計算する:

\[\sum _{x_1 \leq x < x_2, \, y_1 \leq y < y_2} \texttt{image} (x,y) = \texttt{sum} (x_2,y_2)- \texttt{sum} (x_1,y_2)- \texttt{sum} (x_2,y_1)+ \texttt{sum} (x_1,y_1)\]

これにより、例えば可変ウィンドウサイズでの高速な平滑化や高速なブロック相関が可能になる。マルチチャンネル画像の場合、各チャンネルの合計はそれぞれ独立に累積される。

実用的な例として、次の図は正立矩形 Rect(4,4,3,2) と傾斜矩形 Rect(5,1,2,3) の積分の計算を示している。元画像で選択されたピクセルと、積分画像 sum および tilted における対応するピクセルが示されている。

integral calculation example

引数

src	\(W \times H\) の入力画像。8ビットまたは浮動小数点（32f または 64f）。
sum	\((W+1)\times (H+1)\) の積分画像。32ビット整数または浮動小数点（32f または 64f）。
sqsum	ピクセル値の二乗に対する積分画像。\((W+1)\times (H+1)\) の倍精度浮動小数点（64f）配列である。
tilted	45度回転した画像に対する積分。sum と同じデータ型の \((W+1)\times (H+1)\) 配列である。
sdepth	積分画像および傾斜積分画像の希望するビット深度。CV_32S, CV_32F, または CV_64F。
sqdepth	ピクセル値の2乗の積分画像の希望するビット深度。CV_32F または CV_64F。

threshold()

double cv::threshold	(	InputArray	src,
		OutputArray	dst,
		double	thresh,
		double	maxval,
		int	type )

Python:
	cv.threshold(	src, thresh, maxval, type[, dst]	) ->	retval, dst

#include <opencv2/imgproc.hpp>

各配列要素に固定レベルのしきい値処理を適用する。

この関数は、マルチチャンネル配列に固定レベルのしきい値処理を適用する。この関数は通常、グレースケール画像から2値 (バイナリ) 画像を得るために (この目的には compare も使用できる)、あるいはノイズを除去する、すなわち値が小さすぎたり大きすぎたりするピクセルをフィルタリングするために使われる。この関数では複数の種類のしきい値処理がサポートされている。それらは type 引数によって決まる。

また、特別な値 THRESH_OTSU または THRESH_TRIANGLE を上記の値のいずれかと組み合わせてもよい。これらの場合、関数は大津 (Otsu) の方法またはTriangleアルゴリズムを用いて最適なしきい値を決定し、指定された thresh の代わりにそれを使用する。

覚え書き

現在、大津 (Otsu) の方法は CV_8UC1 および CV_16UC1 画像に対してのみ実装されており、Triangleの方法は CV_8UC1 画像に対してのみ実装されている。

引数

src	入力配列（マルチチャンネル、CV_8U、CV_16S、CV_16U、CV_32F または CV_64F）。
dst	src と同じサイズ・型・同じチャンネル数の出力配列。
thresh	しきい値。
maxval	THRESH_BINARY および THRESH_BINARY_INV のしきい値処理の種類で使用する最大値。
type	しきい値処理の種類（ThresholdTypes を参照）。

戻り値

大津 (Otsu) またはTriangleの方法を使用した場合に計算されるしきい値。

参照

thresholdWithMask, adaptiveThreshold, findContours, compare, min, max

thresholdWithMask()

double cv::thresholdWithMask	(	InputArray	src,
		InputOutputArray	dst,
		InputArray	mask,
		double	thresh,
		double	maxval,
		int	type )

Python:
	cv.thresholdWithMask(	src, dst, mask, thresh, maxval, type	) ->	retval, dst

#include <opencv2/imgproc.hpp>

threshold と同じだが、省略可能なマスクを指定できる。

覚え書き

マスクが空の場合、thresholdWithMask は threshold と等価である。マスクが空でない場合、外れたピクセルがそのまま残されるように、dst は src と同じサイズおよび型でなければならない。

引数

src	入力配列（マルチチャンネル、8ビットまたは32ビット浮動小数点）。
dst	src と同じサイズ・型・同じチャンネル数の出力配列。
mask	省略可能なマスク（src と同じサイズ、8ビット）。
thresh	しきい値。
maxval	THRESH_BINARY および THRESH_BINARY_INV のしきい値処理の種類で使用する最大値。
type	しきい値処理の種類（ThresholdTypes を参照）。

戻り値

大津 (Otsu) またはTriangleの方法を使用した場合に計算されるしきい値。

参照

threshold, adaptiveThreshold, findContours, compare, min, max