名前空間
namespace	rl

namespace	segmentation

クラス
class	AdaptiveManifoldFilter
	Adaptive Manifold Filter 実装のためのインターフェイス。続き...

struct	Box

class	ContourFitting
	ContourFitting アルゴリズム用のクラス。ContourFitting は、2つの輪郭 \( z_a \) と \( z_b \) を距離を最小化しながらマッチングする。続き...

class	DisparityFilter
	すべての視差マップフィルタの主要なインターフェース。続き...

class	DisparityWLSFilter
	重み付き最小二乗フィルタ（従来の重み付き最小二乗フィルタの実装よりはるかに高速なFast Global Smootherの形式）に基づく視差マップフィルタ。半オクルージョンや一様な領域での結果を精緻化するため、左右整合性に基づく信頼度を任意で使用できる。続き...

class	DTFilter
	Domain Transform フィルタの実装のためのインターフェイス。続き...

class	EdgeAwareInterpolator
	[231] の局所重み付きアフィン推定器 (locally-weighted affine estimator) を改良した疎なマッチ補間アルゴリズムで、後処理フィルタとして Fast Global Smoother を用いる。詳細...

class	EdgeBoxes
	[328] の EdgeBoxes アルゴリズムを実装したクラス。 : 続き...

class	EdgeDrawing
	ED (EdgeDrawing) [278], EDLines [5], EDPF [6], EDCircles [7], ColorED [8] の各アルゴリズムを実装したクラス。続き...

class	FastBilateralSolverFilter
	Fast Bilateral Solver の実装のためのインターフェイス。続き...

class	FastGlobalSmootherFilter
	Fast Global Smoother フィルタの実装のためのインターフェイス。続き...

class	FastLineDetector
	[161] で説明されているFLD (Fast Line Detector) アルゴリズムを実装したクラス。続きを読む...

class	GuidedFilter
	(Fast) Guided Filter の実装のためのインターフェイス。続き...

class	RFFeatureGetter

class	RICInterpolator
	[134] の区分的局所重み付きアフィン推定器 (piecewise locally-weighted affine estimator) を改良した、Robust Interpolation method of Correspondences (RIC) と呼ばれる疎なマッチ補間アルゴリズムで、後処理フィルタとして Variational and Fast Global Smoother を用いる。RICInterpolator は EdgeAwareInterpolator の拡張である。この拡張の中心となる概念は、SLIC スーパーピクセル推定による過分割 (over-segmentation) に基づく区分的アフィンモデルである。本手法は、区分的モデル間の推定を行う効率的な伝播機構を備える。詳細...

class	RidgeDetectionFilter
	入力画像にリッジ検出フィルタ (Ridge Detection Filter) を適用する。Sobel微分を用いて入力画像のヘッセ行列から固有値を求め、Mathematica のものと同様のリッジ検出を実装する。さらにスケルトン化と二値化を用いて結果を洗練できる。[83] および [192] をもとに作成。詳細...

class	ScanSegment
	Loke SC らによるF-DBSCAN (並列化されたDBSCANアルゴリズムによる高速化されたスーパーピクセル画像セグメンテーション) スーパーピクセルアルゴリズムを実装したクラス。原論文は [176] を参照。続きを読む...

class	SparseMatchInterpolator
	疎なマッチを入力として受け取り、出力として密なピクセルごとのマッチング(オプティカルフロー)を生成する、すべてのフィルタのためのメインインターフェース。詳細...

class	StructuredEdgeDetection
	[74] によるエッジ検出アルゴリズムを実装したクラス。続きを読む...

class	SuperpixelLSC
	[166] で説明されているLSC (Linear Spectral Clustering) スーパーピクセルアルゴリズムを実装したクラス。続きを読む...

class	SuperpixelSEEDS
	[288] で説明されているSEEDS（Superpixels Extracted via Energy-Driven Sampling）スーパーピクセルアルゴリズムを実装したクラス。続き...

class	SuperpixelSLIC
	[1] で説明されているSLIC (Simple Linear Iterative Clustering) スーパーピクセルアルゴリズムを実装したクラス。続きを読む...

型定義
typedef std::vector< Box >	Boxes

列挙型
enum	AngleRangeOption { ARO_0_45 = 0 , ARO_45_90 = 1 , ARO_90_135 = 2 , ARO_315_0 = 3 , ARO_315_45 = 4 , ARO_45_135 = 5 , ARO_315_135 = 6 , ARO_CTR_HOR = 7 , ARO_CTR_VER = 8 }
	Hough空間のどの部分を計算するかを指定する。続きを読む...

enum	EdgeAwareFiltersList { DTF_NC , DTF_IC , DTF_RF , GUIDED_FILTER , AM_FILTER }

enum	HoughDeskewOption { HDO_RAW = 0 , HDO_DESKEW = 1 }
	Hough変換画像のスキューイングを行うか否かを指定する。続きを読む...

enum	HoughOp { FHT_MIN = 0 , FHT_MAX = 1 , FHT_ADD = 2 , FHT_AVE = 3 }
	二項演算を指定する。続きを読む...

enum	LocalBinarizationMethods { BINARIZATION_NIBLACK = 0 , BINARIZATION_SAUVOLA = 1 , BINARIZATION_WOLF = 2 , BINARIZATION_NICK = 3 }
	cv::ximgproc::niBlackThreshold で使用する二値化手法を指定する。続きを読む...

enum	RulesOption { RO_STRICT = 0x00 , RO_IGNORE_BORDERS = 0x01 }
	ルール検証の度合いを指定する。続きを読む...

enum	SLICType { SLIC = 100 , SLICO = 101 , MSLIC = 102 }

enum	ThinningTypes { THINNING_ZHANGSUEN = 0 , THINNING_GUOHALL = 1 }

enum	WMFWeightType { WMF_EXP = 1 , WMF_IV1 = 1 << 1 , WMF_IV2 = 1 << 2 , WMF_COS = 1 << 3 , WMF_JAC = 1 << 4 , WMF_OFF = 1 << 5 }
	重み付きメディアンフィルタの重みの種類を指定する。続きを読む...

関数
void	amFilter (InputArray joint, InputArray src, OutputArray dst, double sigma_s, double sigma_r, bool adjust_outliers=false)
	1行で呼び出せる簡易な Adaptive Manifold Filter。

void	anisotropicDiffusion (InputArray src, OutputArray dst, float alpha, float K, int niters)
	画像に異方性拡散を適用する。

void	bilateralTextureFilter (InputArray src, OutputArray dst, int fr=3, int numIter=1, double sigmaAlpha=-1., double sigmaAvg=-1.)
	画像にバイラテラルテクスチャフィルタを適用する。構造を保持するテクスチャフィルタリングを行う。このフィルタの詳細については [59] を参照すること。

void	BrightEdges (Mat &_original, Mat &_edgeview, int contrast=1, int shortrange=3, int longrange=9)

void	colorMatchTemplate (InputArray img, InputArray templ, OutputArray result)
	カラーテンプレートを、重ね合わせたカラー画像領域と比較する。

double	computeBadPixelPercent (InputArray GT, InputArray src, Rect ROI, int thresh=24)
	視差マップ中の「不良」ピクセル（誤差が指定したしきい値を超えるピクセル）の割合を計算する関数。

double	computeMSE (InputArray GT, InputArray src, Rect ROI)
	視差マップの平均二乗誤差を計算する関数。

void	contourSampling (InputArray src, OutputArray out, int nbElt)
	輪郭のサンプリング。

void	covarianceEstimation (InputArray src, OutputArray dst, int windowRows, int windowCols)
	スライディングウィンドウ定式化を用いて画像の推定共分散行列を計算する。

Ptr< AdaptiveManifoldFilter >	createAMFilter (double sigma_s, double sigma_r, bool adjust_outliers=false)
	ファクトリメソッド。AdaptiveManifoldFilter のインスタンスを生成し、いくつかの初期化処理を行う。

Ptr< ContourFitting >	createContourFitting (int ctr=1024, int fd=16)
	ContourFitting アルゴリズムオブジェクトを生成する。

Ptr< DisparityWLSFilter >	createDisparityWLSFilter (Ptr< StereoMatcher > matcher_left)
	DisparityWLSFilter のインスタンスを生成し、マッチャーのインスタンスに基づいて関連するすべてのフィルタパラメータを自動的に設定する便利なファクトリメソッド。現在は StereoBM と StereoSGBM のみをサポートする。

Ptr< DisparityWLSFilter >	createDisparityWLSFilterGeneric (bool use_confidence)
	より汎用的なファクトリメソッド。DisparityWLSFilter のインスタンスを生成し、基本的な初期化処理を実行する。このメソッドを使用する場合は、ROI、マッチャー、その他のパラメータを自分で設定する必要がある。

Ptr< DTFilter >	createDTFilter (InputArray guide, double sigmaSpatial, double sigmaColor, int mode=DTF_NC, int numIters=3)
	ファクトリメソッド。DTFilter のインスタンスを生成し、初期化処理を行う。

Ptr< EdgeAwareInterpolator >	createEdgeAwareInterpolator ()
	EdgeAwareInterpolator のインスタンスを生成するファクトリメソッド。

Ptr< EdgeBoxes >	createEdgeBoxes (float alpha=0.65f, float beta=0.75f, float eta=1, float minScore=0.01f, int maxBoxes=10000, float edgeMinMag=0.1f, float edgeMergeThr=0.5f, float clusterMinMag=0.5f, float maxAspectRatio=3, float minBoxArea=1000, float gamma=2, float kappa=1.5f)
	Edgeboxesを生成する。

Ptr< EdgeDrawing >	createEdgeDrawing ()
	EdgeDrawing オブジェクトへのスマートポインタを生成し、初期化する。

Ptr< FastBilateralSolverFilter >	createFastBilateralSolverFilter (InputArray guide, double sigma_spatial, double sigma_luma, double sigma_chroma, double lambda=128.0, int num_iter=25, double max_tol=1e-5)
	ファクトリメソッド。FastBilateralSolverFilter のインスタンスを生成し、初期化処理を実行する。

Ptr< FastGlobalSmootherFilter >	createFastGlobalSmootherFilter (InputArray guide, double lambda, double sigma_color, double lambda_attenuation=0.25, int num_iter=3)
	ファクトリメソッド。FastGlobalSmootherFilter のインスタンスを生成し、初期化処理を実行する。

Ptr< FastLineDetector >	createFastLineDetector (int length_threshold=10, float distance_threshold=1.414213562f, double canny_th1=50.0, double canny_th2=50.0, int canny_aperture_size=3, bool do_merge=false)
	FastLineDetector オブジェクトへのスマートポインタを生成し、初期化する。

Ptr< GuidedFilter >	createGuidedFilter (InputArray guide, int radius, double eps, double scale=1.0)
	ファクトリメソッド。GuidedFilter のインスタンスを生成し、初期化処理を行う。

void	createQuaternionImage (InputArray img, OutputArray qimg)
	クォータニオン画像を生成する。

Ptr< RFFeatureGetter >	createRFFeatureGetter ()

Ptr< RICInterpolator >	createRICInterpolator ()
	RICInterpolator のインスタンスを生成するファクトリメソッド。

Ptr< StereoMatcher >	createRightMatcher (Ptr< StereoMatcher > matcher_left)
	信頼度付きフィルタリングの場合に必要となる、右視点の視差マップを計算するためのマッチャーを設定する便利なメソッド。

cv::Ptr< ScanSegment >	createScanSegment (int image_width, int image_height, int num_superpixels, int slices=8, bool merge_small=true)
	ScanSegment オブジェクトを初期化する。

Ptr< StructuredEdgeDetection >	createStructuredEdgeDetection (const String &model, Ptr< const RFFeatureGetter > howToGetFeatures=Ptr< RFFeatureGetter >())

Ptr< SuperpixelLSC >	createSuperpixelLSC (InputArray image, int region_size=10, float ratio=0.075f)
	LSC (Linear Spectral Clustering) スーパーピクセルを実装したクラス。

Ptr< SuperpixelSEEDS >	createSuperpixelSEEDS (int image_width, int image_height, int image_channels, int num_superpixels, int num_levels, int prior=2, int histogram_bins=5, bool double_step=false)
	SuperpixelSEEDS オブジェクトを初期化する。

Ptr< SuperpixelSLIC >	createSuperpixelSLIC (InputArray image, int algorithm=SLICO, int region_size=10, float ruler=10.0f)
	SuperpixelSLIC オブジェクトを初期化する。

void	dtFilter (InputArray guide, InputArray src, OutputArray dst, double sigmaSpatial, double sigmaColor, int mode=DTF_NC, int numIters=3)
	1行で呼び出せる簡易な Domain Transform フィルタ。同じガイド画像で複数の画像をフィルタリングする場合は、初期化段階での余分な計算を避けるために DTFilter インターフェイスを使用すること。

void	edgePreservingFilter (InputArray src, OutputArray dst, int d, double threshold)
	エッジ保存フィルタ (Edge-Preserving filter) を用いて画像を平滑化する。

void	fastBilateralSolverFilter (InputArray guide, InputArray src, InputArray confidence, OutputArray dst, double sigma_spatial=8, double sigma_luma=8, double sigma_chroma=8, double lambda=128.0, int num_iter=25, double max_tol=1e-5)
	1行で呼び出せる簡易な Fast Bilateral Solver フィルタ。同じガイドで複数の画像をフィルタリングする場合は、余分な計算を避けるために FastBilateralSolverFilter インターフェイスを使用すること。

void	fastGlobalSmootherFilter (InputArray guide, InputArray src, OutputArray dst, double lambda, double sigma_color, double lambda_attenuation=0.25, int num_iter=3)
	1行で呼び出せる簡易な Fast Global Smoother フィルタ。同じガイドで複数の画像をフィルタリングする場合は、余分な計算を避けるために FastGlobalSmootherFilter インターフェイスを使用すること。

void	FastHoughTransform (InputArray src, OutputArray dst, int dstMatDepth, int angleRange=ARO_315_135, int op=FHT_ADD, int makeSkew=HDO_DESKEW)
	画像の2次元高速ハフ変換を計算する。

void	findEllipses (InputArray image, OutputArray ellipses, float scoreThreshold=0.7f, float reliabilityThreshold=0.5f, float centerDistanceThreshold=0.05f)
	射影不変な枝刈りを用いて画像中の楕円を高速に検出する。

void	fourierDescriptor (InputArray src, OutputArray dst, int nbElt=-1, int nbFD=-1)
	平面閉曲線に対するフーリエ記述子。

void	getDisparityVis (InputArray src, OutputArray dst, double scale=1.0)
	視差マップの可視化（CV_8Uにクランプした画像）を生成する関数。

void	GradientDericheX (InputArray op, OutputArray dst, double alpha, double omega)
	画像にXデリシェフィルタを適用する。

void	GradientDericheY (InputArray op, OutputArray dst, double alpha, double omega)
	画像にYデリシェフィルタを適用する。

void	GradientPaillouX (InputArray op, OutputArray _dst, double alpha, double omega)

void	GradientPaillouY (InputArray op, OutputArray _dst, double alpha, double omega)
	画像にPaillouフィルタを適用する。

void	guidedFilter (InputArray guide, InputArray src, OutputArray dst, int radius, double eps, int dDepth=-1, double scale=1.0)
	1行で呼び出せる簡易な (Fast) Guided Filter。

Vec4i	HoughPoint2Line (const Point &houghPoint, InputArray srcImgInfo, int angleRange=ARO_315_135, int makeSkew=HDO_DESKEW, int rules=RO_IGNORE_BORDERS)
	ハフ空間内の点に対応する線分の座標を計算する。

void	jointBilateralFilter (InputArray joint, InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)
	画像にジョイントバイラテラルフィルタを適用する。

void	l0Smooth (InputArray src, OutputArray dst, double lambda=0.02, double kappa=2.0)
	L0 勾配最小化による大域的な画像平滑化。

void	niBlackThreshold (InputArray _src, OutputArray _dst, double maxValue, int type, int blockSize, double k, int binarizationMethod=BINARIZATION_NIBLACK, double r=128)
	Niblackの手法、またはそれに着想を得た一般的な派生手法のいくつかを用いて、入力画像にしきい値処理を行う。

Matx23d	PeiLinNormalization (InputArray I)
	Pei&Lin正規化を用いて、与えられた画像を正規化するアフィン変換を計算する。

void	PeiLinNormalization (InputArray I, OutputArray T)

void	qconj (InputArray qimg, OutputArray qcimg)
	クォータニオン画像の共役を計算する。

void	qdft (InputArray img, OutputArray qimg, int flags, bool sideLeft)
	2Dクォータニオン配列の順方向または逆方向の離散クォータニオンフーリエ変換を行う。

void	qmultiply (InputArray src1, InputArray src2, OutputArray dst)
	2つの配列の要素ごとのクォータニオン積を計算する。

void	qunitary (InputArray qimg, OutputArray qnimg)
	各要素をその絶対値（モジュラス）で除算する。

void	RadonTransform (InputArray src, OutputArray dst, double theta=1, double start_angle=0, double end_angle=180, bool crop=false, bool norm=false)
	画像のラドン変換を計算する。

int	readGT (String src_path, OutputArray dst)
	正解視差マップを読み込む関数。基本的なMiddleburyおよびMPI-Sintel形式をサポートする。結果として得られる視差マップは16倍にスケーリングされることに注意。

void	rollingGuidanceFilter (InputArray src, OutputArray dst, int d=-1, double sigmaColor=25, double sigmaSpace=3, int numOfIter=4, int borderType=BORDER_DEFAULT)
	画像にローリングガイダンスフィルタを適用する。

void	thinning (InputArray src, OutputArray dst, int thinningType=THINNING_ZHANGSUEN)
	入力画像の細線化（スケルトン化）を実現するため、二値ブロブの細線化処理を適用する。

void	transformFD (InputArray src, InputArray t, OutputArray dst, bool fdContour=true)
	輪郭を変換する。

void	weightedMedianFilter (InputArray joint, InputArray src, OutputArray dst, int r, double sigma=25.5, int weightType=WMF_EXP, InputArray mask=noArray())
	画像に重み付きメディアンフィルタを適用する。

列挙型詳解

◆ AngleRangeOption

enum cv::ximgproc::AngleRangeOption

Hough空間のどの部分を計算するかを指定する。

この列挙型はHough空間のどの部分を計算するかを指定する。各メンバーは主に直線の方向（水平または垂直）と角度の変化方向を指定する。角度の変化方向は、90の倍数から45の奇数倍までである。画像は上から下、左から右に書かれているものとみなす。角度は垂直線を起点とし、時計回りに進む。個別の象限および半分は、それらが完全なHough空間で配置されるべき向きで書かれる。

列挙値
ARO_0_45 Python: cv.ximgproc.ARO_0_45
ARO_45_90 Python: cv.ximgproc.ARO_45_90
ARO_90_135 Python: cv.ximgproc.ARO_90_135
ARO_315_0 Python: cv.ximgproc.ARO_315_0
ARO_315_45 Python: cv.ximgproc.ARO_315_45
ARO_45_135 Python: cv.ximgproc.ARO_45_135
ARO_315_135 Python: cv.ximgproc.ARO_315_135
ARO_CTR_HOR Python: cv.ximgproc.ARO_CTR_HOR
ARO_CTR_VER Python: cv.ximgproc.ARO_CTR_VER

◆ HoughDeskewOption

enum cv::ximgproc::HoughDeskewOption

Hough変換画像のスキューイングを行うか否かを指定する。

この列挙型は、画像の境界を越えてHough変換画像が循環しないように、Hough変換画像のスキューイングを行うか否かを指定する。

列挙値
HDO_RAW Python: cv.ximgproc.HDO_RAW
HDO_DESKEW Python: cv.ximgproc.HDO_DESKEW

◆ HoughOp

enum cv::ximgproc::HoughOp

二項演算を指定する。

この列挙型は二項演算、すなわち2つの被演算子を伴う演算を指定する。形式的には、集合 \( S \) 上の二項演算 \( f \) は、デカルト積 \( S \times S \) の要素を \( S \) に写像する二項関係である:

\[ f: S \times S \to S \]

列挙値
FHT_MIN Python: cv.ximgproc.FHT_MIN
FHT_MAX Python: cv.ximgproc.FHT_MAX
FHT_ADD Python: cv.ximgproc.FHT_ADD
FHT_AVE Python: cv.ximgproc.FHT_AVE

◆ RulesOption

enum cv::ximgproc::RulesOption

ルール検証の度合いを指定する。

この列挙型はルール検証の度合いを指定する。これは例えば、入力引数の検証方法を適切に選択するために使用できる。

列挙値
RO_STRICT	各ルールを適切な方法で検証する。
RO_IGNORE_BORDERS	画像境界の検証をスキップする。

◆ WMFWeightType

enum cv::ximgproc::WMFWeightType

重み付きメディアンフィルタの重みの種類を指定する。

列挙値
WMF_EXP Python: cv.ximgproc.WMF_EXP	\(exp(-\|I1-I2\|^2/(2*sigma^2))\)
WMF_IV1 Python: cv.ximgproc.WMF_IV1	\((\|I1-I2\|+sigma)^-1\)
WMF_IV2 Python: cv.ximgproc.WMF_IV2	\((\|I1-I2\|^2+sigma^2)^-1\)
WMF_COS Python: cv.ximgproc.WMF_COS	\(dot(I1,I2)/(\|I1\|*\|I2\|)\)
WMF_JAC Python: cv.ximgproc.WMF_JAC	\((min(r1,r2)+min(g1,g2)+min(b1,b2))/(max(r1,r2)+max(g1,g2)+max(b1,b2))\)
WMF_OFF Python: cv.ximgproc.WMF_OFF	重みなし

関数詳解

◆ BrightEdges()

void cv::ximgproc::BrightEdges	(	Mat &	_original,
		Mat &	_edgeview,
		int	contrast = 1,
		int	shortrange = 3,
		int	longrange = 9 )

◆ covarianceEstimation()

void cv::ximgproc::covarianceEstimation	(	InputArray	src,
		OutputArray	dst,
		int	windowRows,
		int	windowCols )

Python:
	cv.ximgproc.covarianceEstimation(	src, windowRows, windowCols[, dst]	) ->	dst

スライディングウィンドウ定式化を用いて、画像の推定共分散行列を計算する。

引数

src	ソース画像。入力画像は複素数型でなければならない。
dst	推定される共分散行列の出力先。出力行列のサイズは (windowRowswindowCols, windowRowswindowCols) となる。
windowRows	ウィンドウの行数。
windowCols	ウィンドウの列数。ウィンドウサイズの引数は推定精度を制御する。スライディングウィンドウは画像全体を左上隅から右下隅まで移動する。ウィンドウの各位置が1つのサンプルを表す。ウィンドウが画像と同じサイズであれば、正確な共分散行列が得られる。それ以外の場合は、ウィンドウのサイズがサンプル数と推定共分散行列の要素数に影響する。

◆ createScanSegment()

cv::Ptr< ScanSegment > cv::ximgproc::createScanSegment	(	int	image_width,
		int	image_height,
		int	num_superpixels,
		int	slices = 8,
		bool	merge_small = true )

Python:
	cv.ximgproc.createScanSegment(	image_width, image_height, num_superpixels[, slices[, merge_small]]	) ->	retval

ScanSegment オブジェクトを初期化する。

この関数は入力画像に対して ScanSegment オブジェクトを初期化する。画像のパラメータである image_width と image_height を保存する。また、F-DBSCANスーパーピクセルアルゴリズムのパラメータである num_superpixels、threads、merge_small も設定する。

引数

image_width	画像の幅。
image_height	画像の高さ。
num_superpixels	望ましいスーパーピクセル数。（画像サイズに応じた）制約により実際の数はこれより小さくなることがある点に注意する。実際の数を取得するには getNumberOfSuperpixels() を使用する。
slices	並列化のための処理スレッド数。-1 を設定すると最大スレッド数を使用する。実際には、小さい画像では4スレッド、大きい画像では8スレッドで十分である。
merge_small	望ましいスーパーピクセル数にするために小さなセグメントをマージする。マージしない場合は処理がはるかに高速だが、多くの小さなセグメントが画像に残る。

◆ FastHoughTransform()

void cv::ximgproc::FastHoughTransform	(	InputArray	src,
		OutputArray	dst,
		int	dstMatDepth,
		int	angleRange = ARO_315_135,
		int	op = FHT_ADD,
		int	makeSkew = HDO_DESKEW )

Python:
	cv.ximgproc.FastHoughTransform(	src, dstMatDepth[, dst[, angleRange[, op[, makeSkew]]]]	) ->	dst

画像の2D高速Hough変換を計算する。

引数

dst	変換結果である出力先画像。
src	ソース（入力）画像。
dstMatDepth	出力先画像のビット深度
op	適用する演算。cv::HoughOp を参照
angleRange	計算するHough空間の範囲。cv::AngleRangeOption を参照
makeSkew	画像のスキューを行うか否かを指定する。cv::HoughDeskewOption を参照

この関数は、全範囲、半範囲、または四半範囲の角度に対して高速Hough変換を計算する。

◆ HoughPoint2Line()

Vec4i cv::ximgproc::HoughPoint2Line	(	const Point &	houghPoint,
		InputArray	srcImgInfo,
		int	angleRange = ARO_315_135,
		int	makeSkew = HDO_DESKEW,
		int	rules = RO_IGNORE_BORDERS )

Python:
	cv.ximgproc.HoughPoint2Line(	houghPoint, srcImgInfo[, angleRange[, makeSkew[, rules]]]	) ->	retval

Hough空間内の点に対応する線分の座標を計算する。

引数

houghPoint	Hough空間内の点。
srcImgInfo	Hough変換のソース（入力）画像。
angleRange	点が存在するHough空間の範囲。cv::AngleRangeOption を参照
makeSkew	画像のスキューを行うか否かを指定する。cv::HoughDeskewOption を参照
rules	線分計算の厳密さを指定する。cv::RulesOption を参照

戻り値

[Vec4i] Coordinates of line segment corresponded by point in Hough space.

注記: rules パラメータが RO_STRICT に設定されている場合、返される直線は元画像の境界に沿って切り取られる。; rules パラメータが RO_WEAK に設定されている場合、Hough画像の不正な部分に属する点については、返される直線は元画像と交差しない。

この関数はHough空間内の点に対応する線分の座標を計算する。

◆ RadonTransform()

void cv::ximgproc::RadonTransform	(	InputArray	src,
		OutputArray	dst,
		double	theta = 1,
		double	start_angle = 0,
		double	end_angle = 180,
		bool	crop = false,
		bool	norm = false )

Python:
	cv.ximgproc.RadonTransform(	src[, dst[, theta[, start_angle[, end_angle[, crop[, norm]]]]]]	) ->	dst

画像のラドン変換を計算する。

引数

src	ソース（入力）画像。
dst	変換結果である出力先画像。
theta	変換の角度分解能（度単位）。
start_angle	変換の開始角度（度単位）。
end_angle	変換の終了角度（度単位）。
crop	ソース画像を円形に切り抜く。
norm	出力 Mat をグレースケールに正規化し、型を CV_8U に変換する

この関数は与えられた画像のラドン変換を任意の範囲で計算する。詳細は https://engineering.purdue.edu/~malcolm/pct/CTI_Ch03.pdf を参照。入力型が CV_8U の場合、出力は CV_32S となる。入力型が CV_32F または CV_64F の場合、出力は CV_64F となる。出力サイズは num_of_integral x src_diagonal_length となる。crop を選択した場合、入力画像はまず正方形に、次に円に切り取られ、出力サイズは num_of_integral x min_edge となる。

◆ weightedMedianFilter()

void cv::ximgproc::weightedMedianFilter	(	InputArray	joint,
		InputArray	src,
		OutputArray	dst,
		int	r,
		double	sigma = 25.5,
		int	weightType = WMF_EXP,
		InputArray	mask = noArray() )

Python:
	cv.ximgproc.weightedMedianFilter(	joint, src, r[, dst[, sigma[, weightType[, mask]]]]	) ->	dst

画像に重み付きメディアンフィルタを適用する。

この実装の詳細については、[323] を参照

引数

joint	ジョイントとなる8ビットの1チャンネルまたは3チャンネル画像。
src	入力となる8ビットまたは浮動小数点型の、1チャンネルまたは3チャンネルの画像。
dst	出力画像。
r	フィルタリングカーネルの半径。正の整数でなければならない。
sigma	ジョイント画像に対するフィルタ範囲の標準偏差。
weightType	weightType 重みの定義の種類。WMFWeightType を参照
mask	I と同じサイズを持つ0-1のマスク。このマスクは一部のピクセルの影響を無視するために使用する。マスク上のピクセル値が0であれば、ジョイントヒストグラムを構築する際にそのピクセルは無視される。これはオプティカルフローのオクルージョン処理などの用途で有用である。

参照: medianBlur, jointBilateralFilter

名前空間

クラス

型定義

列挙型

関数

列挙型詳解

◆ AngleRangeOption

◆ HoughDeskewOption

◆ HoughOp

◆ RulesOption

◆ WMFWeightType

関数詳解

◆ BrightEdges()

◆ covarianceEstimation()

◆ createScanSegment()

◆ FastHoughTransform()

◆ HoughPoint2Line()

◆ RadonTransform()

◆ weightedMedianFilter()