【機械翻訳】OpenCV: Filters

列挙値
DTF_NC Python: cv.ximgproc.DTF_NC
DTF_IC Python: cv.ximgproc.DTF_IC
DTF_RF Python: cv.ximgproc.DTF_RF
GUIDED_FILTER Python: cv.ximgproc.GUIDED_FILTER
AM_FILTER Python: cv.ximgproc.AM_FILTER

関数詳解

◆ amFilter()

void cv::ximgproc::amFilter	(	InputArray	joint,
		InputArray	src,
		OutputArray	dst,
		double	sigma_s,
		double	sigma_r,
		bool	adjust_outliers = false )

Python:
	cv.ximgproc.amFilter(	joint, src, sigma_s, sigma_r[, dst[, adjust_outliers]]	) ->	dst

アダプティブ・マニフォールド・フィルタを1行で呼び出す簡易関数。

引数

joint	任意のチャンネル数を持つ結合(ガイド付きとも呼ばれる)画像、または画像の配列。
src	任意のチャンネル数を持つフィルタリング対象画像。
dst	出力画像。
sigma_s	空間方向の標準偏差。
sigma_r	色空間の標準偏差。bilateralFilterにおける色空間のsigmaに類似している。
adjust_outliers	省略可能。外れ値の調整操作を行うかどうかを指定する(元論文の式9)。

覚え書き: CV_8U および CV_16U のビット深度を持つガイド画像は、処理前に CV_32F のビット深度で [0; 1] の色範囲を持つ画像に変換される。したがって、色空間の sigma である sigma_r は、bilateralFilter や dtFilter 関数における同名の sigma とは異なり、[0; 1] の範囲でなければならない。

参照: bilateralFilter, dtFilter, guidedFilter

◆ bilateralTextureFilter()

void cv::ximgproc::bilateralTextureFilter	(	InputArray	src,
		OutputArray	dst,
		int	fr = 3,
		int	numIter = 1,
		double	sigmaAlpha = -1.,
		double	sigmaAvg = -1. )

Python:
	cv.ximgproc.bilateralTextureFilter(	src[, dst[, fr[, numIter[, sigmaAlpha[, sigmaAvg]]]]]	) ->	dst

画像にバイラテラルテクスチャフィルタを適用する。これは構造を保存するテクスチャフィルタを実行する。このフィルタの詳細については [59] を参照。

引数

src	ビット深度が8ビットUINTまたは32ビットFLOATのソース画像。
dst	srcと同じサイズおよび型の出力画像。
fr	フィルタリングに使用するカーネルの半径。正の整数である必要がある。
numIter	アルゴリズムの反復回数。正の整数である必要がある。
sigmaAlpha	エッジから滑らかな領域・テクスチャ領域への重みの遷移の鋭さを制御する。値が大きいほど遷移が鋭くなる。値が負の場合は自動的に計算される。
sigmaAvg	テクスチャの平滑化のための Range の平滑化パラメータ。値が大きいほど結果がより平滑化される。値が負の場合は論文に記載のとおり自動的に計算される。

参照: rollingGuidanceFilter, bilateralFilter

◆ colorMatchTemplate()

void cv::ximgproc::colorMatchTemplate	(	InputArray	img,
		InputArray	templ,
		OutputArray	result )

Python:
	cv.ximgproc.colorMatchTemplate(	img, templ[, result]	) ->	result

カラーテンプレートを、重なり合うカラー画像領域と比較する。

引数

img	探索が実行される画像。3チャンネル画像である必要がある。
templ	探索対象のテンプレート。ソース画像より大きくなく、3チャンネルである必要がある。
result	比較結果のマップ。シングルチャンネルの64ビット浮動小数点である必要がある。

◆ computeBadPixelPercent()

double cv::ximgproc::computeBadPixelPercent	(	InputArray	GT,
		InputArray	src,
		Rect	ROI,
		int	thresh = 24 )

Python:
	cv.ximgproc.computeBadPixelPercent(	GT, src, ROI[, thresh]	) ->	retval

視差マップ中の「不良」ピクセル（誤差が指定したしきい値より大きいピクセル）の割合を計算する関数

引数

GT	正解(グランドトゥルース)の視差マップ。
src	評価対象の視差マップ。
ROI	対象領域(ROI)。
thresh	「不良」ピクセルを判定するために用いるしきい値。

戻り値: 正解 (GT) と src の間の平均二乗誤差を返す

◆ computeMSE()

double cv::ximgproc::computeMSE	(	InputArray	GT,
		InputArray	src,
		Rect	ROI )

Python:
	cv.ximgproc.computeMSE(	GT, src, ROI	) ->	retval

視差マップの平均二乗誤差を計算する関数。

引数

GT	正解(グランドトゥルース)の視差マップ。
src	評価対象の視差マップ。
ROI	対象領域(ROI)。

戻り値: 正解 (GT) と src の間の平均二乗誤差を返す

◆ createAMFilter()

Ptr< AdaptiveManifoldFilter > cv::ximgproc::createAMFilter	(	double	sigma_s,
		double	sigma_r,
		bool	adjust_outliers = false )

Python:
	cv.ximgproc.createAMFilter(	sigma_s, sigma_r[, adjust_outliers]	) ->	retval

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。

引数

sigma_s	空間方向の標準偏差。
sigma_r	色空間の標準偏差。bilateralFilterにおける色空間のsigmaに類似している。
adjust_outliers	省略可能。外れ値の調整操作を行うかどうかを指定する(元論文の式9)。

Adaptive Manifold Filter のパラメータの詳細については、原論文 [105] を参照。

覚え書き: CV_8U および CV_16U のビット深度を持つガイド画像は、処理前に CV_32F のビット深度で [0; 1] の色範囲を持つ画像に変換される。したがって、色空間の sigma である sigma_r は、bilateralFilter や dtFilter 関数における同名の sigma とは異なり、[0; 1] の範囲でなければならない。

◆ createDisparityWLSFilter()

Ptr< DisparityWLSFilter > cv::ximgproc::createDisparityWLSFilter ( Ptr< StereoMatcher > matcher_left )

Python:
	cv.ximgproc.createDisparityWLSFilter(	matcher_left	) ->	retval

DisparityWLSFilter のインスタンスを生成し、マッチャインスタンスに基づいて関連するフィルタ引数をすべて自動的に設定する簡易ファクトリメソッド。現在は StereoBM と StereoSGBM のみをサポートする。

引数

matcher_left フィルタとともに使用されるステレオマッチャーのインスタンス。

◆ createDisparityWLSFilterGeneric()

Ptr< DisparityWLSFilter > cv::ximgproc::createDisparityWLSFilterGeneric ( bool use_confidence )

Python:
	cv.ximgproc.createDisparityWLSFilterGeneric(	use_confidence	) ->	retval

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、その他の引数を自分で設定する必要がある。

引数

use_confidence 信頼度を用いるフィルタリングには2つの視差マップ(左視点用と右視点用)が必要であり、処理は約2倍遅くなる。ただし、品質は通常大幅に向上する。

◆ createDTFilter()

Ptr< DTFilter > cv::ximgproc::createDTFilter	(	InputArray	guide,
		double	sigmaSpatial,
		double	sigmaColor,
		int	mode = DTF_NC,
		int	numIters = 3 )

Python:
	cv.ximgproc.createDTFilter(	guide, sigmaSpatial, sigmaColor[, mode[, numIters]]	) ->	retval

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。

引数

guide	ガイド画像(ガイド画像のエッジ構造を記述する変換距離の構築に使用される)。
sigmaSpatial	元論文における \({\sigma}_H\) パラメータ。bilateralFilterにおける座標空間のsigmaに類似している。
sigmaColor	元論文における \({\sigma}_r\) パラメータ。bilateralFilterにおける色空間のsigmaに類似している。
mode	DTF_NC、DTF_RF、DTF_IC の3つのモードのうちの1つ。論文における2次元信号のフィルタリングの3つのモードに対応する。
numIters	フィルタリングに使用する反復回数(省略可能)。3で十分である。

Domain Transform フィルタのパラメータの詳細については、原論文 [104] および Domain Transform filter homepage を参照。

◆ createEdgeAwareInterpolator()

Ptr< EdgeAwareInterpolator > cv::ximgproc::createEdgeAwareInterpolator ( )

Python:
	cv.ximgproc.createEdgeAwareInterpolator(		) ->	retval

#include <opencv2/ximgproc/sparse_match_interpolator.hpp>

EdgeAwareInterpolator のインスタンスを生成するファクトリメソッド。

◆ createFastBilateralSolverFilter()

Ptr< FastBilateralSolverFilter > cv::ximgproc::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 )

Python:
	cv.ximgproc.createFastBilateralSolverFilter(	guide, sigma_spatial, sigma_luma, sigma_chroma[, lambda_[, num_iter[, max_tol]]]	) ->	retval

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。

引数

guide	フィルタリングのガイドとして機能する画像。ビット深度は8ビットで、チャンネル数は1または3である必要がある。
sigma_spatial	bilateralFilterにおける空間方向のsigma(帯域幅)に類似したパラメータ。
sigma_luma	bilateralFilterにおける輝度(luma)空間のsigma(帯域幅)に類似したパラメータ。
sigma_chroma	bilateralFilterにおける色差(chroma)空間のsigma(帯域幅)に類似したパラメータ。
lambda	ソルバーの平滑化強度パラメータ。
num_iter	ソルバーに使用する反復回数。通常は25で十分である。
max_tol	ソルバーに使用する収束許容誤差。

Fast Bilateral Solver の引数の詳細については、元の論文 [21] を参照。

◆ createFastGlobalSmootherFilter()

Ptr< FastGlobalSmootherFilter > cv::ximgproc::createFastGlobalSmootherFilter	(	InputArray	guide,
		double	lambda,
		double	sigma_color,
		double	lambda_attenuation = 0.25,
		int	num_iter = 3 )

Python:
	cv.ximgproc.createFastGlobalSmootherFilter(	guide, lambda_, sigma_color[, lambda_attenuation[, num_iter]]	) ->	retval

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。

引数

guide	フィルタリングのガイドとして機能する画像。ビット深度は8ビットで、チャンネル数は1または3である必要がある。
lambda	正則化の度合いを定義するパラメータ。
sigma_color	bilateralFilterにおける色空間のsigmaに類似したパラメータ。
lambda_attenuation	内部パラメータ。各反復後にlambdaがどれだけ減少するかを定義する。通常は0.25であるべきである。1.0に設定すると筋状のアーティファクトが生じる可能性がある。
num_iter	フィルタリングに使用する反復回数。通常は3で十分である。

Fast Global Smoother のパラメータの詳細については、原論文 [200] を参照。ただし、いくつかの相違点があることに注意する。論文に記載された lambda の減衰はやや異なる方法で実装されているため、結果が論文のものと同一になるとは期待しないこと。論文の sigma_color 値は、同じ効果を得るために 255.0 を掛ける必要がある。また、ソース画像とガイド画像が同一の画像フィルタリングの場合、著者は各反復後にガイド画像を動的に更新することを提案している。性能を最大化するため、この機能はここでは実装していない。

◆ createGuidedFilter()

Ptr< GuidedFilter > cv::ximgproc::createGuidedFilter	(	InputArray	guide,
		int	radius,
		double	eps,
		double	scale = 1.0 )

Python:
	cv.ximgproc.createGuidedFilter(	guide, radius, eps[, scale]	) ->	retval

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。

引数

guide	最大3チャンネルのガイド画像(または画像の配列)。3チャンネルを超える場合は最初の3チャンネルのみが使用される。
radius	ガイデッドフィルタ(Guided Filter)の半径。
eps	ガイデッドフィルタ(Guided Filter)の正則化項。\({eps}^2\) はbilateralFilterにおける色空間のsigmaに類似している。
scale	高速ガイデッドフィルタ(Fast Guided Filter)のサブサンプル係数。1未満のスケールを使用すると、ほとんど目に見える劣化なしに計算を高速化できる(例: scale==0.5 はフィルタ内部で画像を2分の1に縮小する)。

(Fast) Guided Filter のパラメータの詳細については、原論文 [125] [124] を参照。

◆ createQuaternionImage()

void cv::ximgproc::createQuaternionImage	(	InputArray	img,
		OutputArray	qimg )

Python:
	cv.ximgproc.createQuaternionImage(	img[, qimg]	) ->	qimg

四元数画像を生成する。

引数

img	3チャンネル画像で、8ビット、32ビット、または64ビットのソース画像。
qimg	結果のCV_64FC4のクォータニオン画像(4チャンネル、ゼロチャンネルとB,G,R)。

◆ createRICInterpolator()

Ptr< RICInterpolator > cv::ximgproc::createRICInterpolator ( )

Python:
	cv.ximgproc.createRICInterpolator(		) ->	retval

#include <opencv2/ximgproc/sparse_match_interpolator.hpp>

RICInterpolator のインスタンスを生成するファクトリメソッド。

◆ createRightMatcher()

Ptr< StereoMatcher > cv::ximgproc::createRightMatcher ( Ptr< StereoMatcher > matcher_left )

Python:
	cv.ximgproc.createRightMatcher(	matcher_left	) ->	retval

信頼度を用いたフィルタリングの際に必要となる、右視点の視差マップを計算するためのマッチャを設定する簡易メソッド。

引数

matcher_left フィルタとともに使用されるメインのステレオマッチャーのインスタンス。

◆ dtFilter()

void cv::ximgproc::dtFilter	(	InputArray	guide,
		InputArray	src,
		OutputArray	dst,
		double	sigmaSpatial,
		double	sigmaColor,
		int	mode = DTF_NC,
		int	numIters = 3 )

Python:
	cv.ximgproc.dtFilter(	guide, src, sigmaSpatial, sigmaColor[, dst[, mode[, numIters]]]	) ->	dst

ドメイン変換フィルタを1行で呼び出す簡易関数。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 インターフェースを使用すること。

引数

guide	符号なし8ビットまたは浮動小数点32ビットのビット深度で最大4チャンネルのガイド画像(結合画像とも呼ばれる)。
src	符号なし8ビットまたは浮動小数点32ビットのビット深度で、最大4チャンネルまでの画像をフィルタリングする。
dst	出力画像
sigmaSpatial	元論文における \({\sigma}_H\) パラメータ。bilateralFilterにおける座標空間のsigmaに類似している。
sigmaColor	元論文における \({\sigma}_r\) パラメータ。bilateralFilterにおける色空間のsigmaに類似している。
mode	DTF_NC、DTF_RF、DTF_IC の3つのモードのうちの1つ。論文における2次元信号のフィルタリングの3つのモードに対応する。
numIters	フィルタリングに使用する反復回数(省略可能)。3で十分である。

参照: bilateralFilter, guidedFilter, amFilter

◆ fastBilateralSolverFilter()

void cv::ximgproc::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 )

Python:
	cv.ximgproc.fastBilateralSolverFilter(	guide, src, confidence[, dst[, sigma_spatial[, sigma_luma[, sigma_chroma[, lambda_[, num_iter[, max_tol]]]]]]]	) ->	dst

Fast Bilateral Solver フィルタを1行で呼び出す簡易関数。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 インターフェースを使用すること。

引数

guide	フィルタリングのガイドとして機能する画像。ビット深度は8ビットで、チャンネル数は1または3である必要がある。
src	フィルタリング対象の入力画像。符号なし8ビット、符号付き16ビット、または浮動小数点32ビットのビット深度で、最大4チャンネルまで。
confidence	符号なし8ビットまたは浮動小数点32ビットの信頼度を持つ1チャンネルの信頼度画像。
dst	出力画像。
sigma_spatial	bilateralFilterにおける空間方向のsigma(帯域幅)に類似したパラメータ。
sigma_luma	bilateralFilterにおける輝度(luma)空間のsigma(帯域幅)に類似したパラメータ。
sigma_chroma	bilateralFilterにおける色差(chroma)空間のsigma(帯域幅)に類似したパラメータ。
lambda	ソルバーの平滑化強度パラメータ。
num_iter	ソルバーに使用する反復回数。通常は25で十分である。
max_tol	ソルバーに使用する収束許容誤差。

Fast Bilateral Solver の引数の詳細については、元の論文 [21] を参照。

覚え書き: CV_8U のビット深度を持つ信頼度画像は [0, 255] の範囲、CV_32F は [0, 1] の範囲であることが期待される。

◆ fastGlobalSmootherFilter()

void cv::ximgproc::fastGlobalSmootherFilter	(	InputArray	guide,
		InputArray	src,
		OutputArray	dst,
		double	lambda,
		double	sigma_color,
		double	lambda_attenuation = 0.25,
		int	num_iter = 3 )

Python:
	cv.ximgproc.fastGlobalSmootherFilter(	guide, src, lambda_, sigma_color[, dst[, lambda_attenuation[, num_iter]]]	) ->	dst

Fast Global Smoother フィルタを1行で呼び出す簡易関数。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 インターフェースを使用すること。

引数

guide	フィルタリングのガイドとして機能する画像。ビット深度は8ビットで、チャンネル数は1または3である必要がある。
src	フィルタリング対象の入力画像。符号なし8ビット、符号付き16ビット、または浮動小数点32ビットのビット深度で、最大4チャンネルまで。
dst	出力画像。
lambda	正則化の度合いを定義するパラメータ。
sigma_color	bilateralFilterにおける色空間のsigmaに類似したパラメータ。
lambda_attenuation	内部パラメータ。各反復後にlambdaがどれだけ減少するかを定義する。通常は0.25であるべきである。1.0に設定すると筋状のアーティファクトが生じる可能性がある。
num_iter	フィルタリングに使用する反復回数。通常は3で十分である。

◆ getDisparityVis()

void cv::ximgproc::getDisparityVis	(	InputArray	src,
		OutputArray	dst,
		double	scale = 1.0 )

Python:
	cv.ximgproc.getDisparityVis(	src[, dst[, scale]]	) ->	dst

視差マップの可視化（クランプされた CV_8U 画像）を作成する関数

引数

src	入力視差マップ (CV_16S のビット深度)
dst	出力する可視化結果
scale	可視化のために視差マップに乗算される値

◆ GradientDericheX()

void cv::ximgproc::GradientDericheX	(	InputArray	op,
		OutputArray	dst,
		double	alpha,
		double	omega )

Python:
	cv.ximgproc.GradientDericheX(	op, alpha, omega[, dst]	) ->	dst

#include <opencv2/ximgproc/deriche_filter.hpp>

画像に X 方向の Deriche フィルタを適用する。

この実装の詳細については http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.476.5736&rep=rep1&type=pdf を参照

引数

op	入力となる8ビットまたは16ビットの画像。1チャンネルまたは3チャンネルの画像。
dst	_op と同じチャンネル数を持つ結果の CV_32FC 画像。
alpha	double。論文を参照。
omega	double。論文を参照。

◆ GradientDericheY()

void cv::ximgproc::GradientDericheY	(	InputArray	op,
		OutputArray	dst,
		double	alpha,
		double	omega )

Python:
	cv.ximgproc.GradientDericheY(	op, alpha, omega[, dst]	) ->	dst

#include <opencv2/ximgproc/deriche_filter.hpp>

画像に Y 方向の Deriche フィルタを適用する。

この実装の詳細については http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.476.5736&rep=rep1&type=pdf を参照

引数

op	入力となる8ビットまたは16ビットの画像。1チャンネルまたは3チャンネルの画像。
dst	_op と同じチャンネル数を持つ結果の CV_32FC 画像。
alpha	double。論文を参照。
omega	double。論文を参照。

◆ GradientPaillouX()

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

#include <opencv2/ximgproc/paillou_filter.hpp>

◆ GradientPaillouY()

void cv::ximgproc::GradientPaillouY	(	InputArray	op,
		OutputArray	_dst,
		double	alpha,
		double	omega )

#include <opencv2/ximgproc/paillou_filter.hpp>

画像に Paillou フィルタを適用する。

この実装の詳細については、[220] を参照

引数

op	入力となる CV_8U(S) または CV_16U(S) の、1チャンネルまたは3チャンネルの画像。
_dst	op と同じチャンネル数を持つ結果の CV_32F 画像。
omega	double。論文を参照。
alpha	double。論文を参照。

参照: GradientPaillouX, GradientPaillouY

◆ guidedFilter()

void cv::ximgproc::guidedFilter	(	InputArray	guide,
		InputArray	src,
		OutputArray	dst,
		int	radius,
		double	eps,
		int	dDepth = -1,
		double	scale = 1.0 )

Python:
	cv.ximgproc.guidedFilter(	guide, src, radius, eps[, dst[, dDepth[, scale]]]	) ->	dst

(Fast) Guided Filter を1行で呼び出す簡易関数。

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 GuidedFilter インターフェースを使用すること。

引数

guide	最大3チャンネルのガイド画像(または画像の配列)。3チャンネルを超える場合は最初の3チャンネルのみが使用される。
src	任意のチャンネル数を持つフィルタリング対象画像。
dst	出力画像。
radius	ガイデッドフィルタ(Guided Filter)の半径。
eps	ガイデッドフィルタ(Guided Filter)の正則化項。\({eps}^2\) はbilateralFilterにおける色空間のsigmaに類似している。
dDepth	出力画像のビット深度（省略可能）。
scale	高速ガイデッドフィルタ(Fast Guided Filter)のサブサンプル係数。1未満のスケールを使用すると、ほとんど目に見える劣化なしに計算を高速化できる(例: scale==0.5 はフィルタ内部で画像を2分の1に縮小する)。

参照: bilateralFilter, dtFilter, amFilter

◆ jointBilateralFilter()

void cv::ximgproc::jointBilateralFilter	(	InputArray	joint,
		InputArray	src,
		OutputArray	dst,
		int	d,
		double	sigmaColor,
		double	sigmaSpace,
		int	borderType = BORDER_DEFAULT )

Python:
	cv.ximgproc.jointBilateralFilter(	joint, src, d, sigmaColor, sigmaSpace[, dst[, borderType]]	) ->	dst

画像にジョイントバイラテラルフィルタを適用する。

引数

joint	ガイド用の8ビットまたは浮動小数点の、1チャンネルまたは3チャンネルの画像。
src	ガイド画像と同じビット深度を持つ、入力となる8ビットまたは浮動小数点の1チャンネルまたは3チャンネルの画像。
dst	src と同じサイズ・型の出力画像。
d	フィルタリングで使用される各ピクセル近傍の直径。これが正でない場合は sigmaSpace から計算される。
sigmaColor	色空間におけるフィルタの sigma。引数の値が大きいほど、ピクセル近傍（sigmaSpace を参照）内のより遠い色どうしが混合され、結果としてほぼ均一な色の領域がより大きくなる。
sigmaSpace	座標空間におけるフィルタの sigma。引数の値が大きいほど、色が十分に近い限り（sigmaColor を参照）より遠いピクセルどうしが互いに影響し合う。d>0 の場合は、sigmaSpace に関係なく近傍サイズを指定する。それ以外の場合、d は sigmaSpace に比例する。
borderType

覚え書き: bilateralFilter と jointBilateralFilter は、色の差を計算するために L1 ノルムを使用する。

参照: bilateralFilter, amFilter

◆ l0Smooth()

void cv::ximgproc::l0Smooth	(	InputArray	src,
		OutputArray	dst,
		double	lambda = 0.02,
		double	kappa = 2.0 )

Python:
	cv.ximgproc.l0Smooth(	src[, dst[, lambda_[, kappa]]]	) ->	dst

L0 勾配最小化による大域的な画像平滑化。

引数

src	フィルタリング対象の入力画像。符号なし8ビット、符号付き16ビット、または浮動小数点のビット深度。
dst	出力画像。
lambda	平滑化項の重みを定義する引数。
kappa	勾配データ項の重みの増加係数を定義する引数。

L0 Smoother の詳細については、原論文 [315] を参照。

◆ qconj()

void cv::ximgproc::qconj	(	InputArray	qimg,
		OutputArray	qcimg )

Python:
	cv.ximgproc.qconj(	qimg[, qcimg]	) ->	qcimg

四元数画像の共役を計算する。

引数

qimg	四元数画像。
qcimg	qimg の共役

◆ qdft()

void cv::ximgproc::qdft	(	InputArray	img,
		OutputArray	qimg,
		int	flags,
		bool	sideLeft )

Python:
	cv.ximgproc.qdft(	img, flags, sideLeft[, qimg]	) ->	qimg

2次元四元数配列の順方向または逆方向の離散四元数フーリエ変換を実行する。

引数

img	四元数画像。
qimg	双対空間における四元数画像。
flags	双対空間における四元数画像。DFT_INVERSE フラグのみがサポートされている。
sideLeft	true の場合、超複素指数を左から乗算する（false の場合は右から）。

◆ qmultiply()

void cv::ximgproc::qmultiply	(	InputArray	src1,
		InputArray	src2,
		OutputArray	dst )

Python:
	cv.ximgproc.qmultiply(	src1, src2[, dst]	) ->	dst

2つの配列の要素ごとの四元数積を計算する。

引数

src1	四元数画像。
src2	四元数画像。
dst	積 dst(I)=src1(I) . src2(I)

◆ qunitary()

void cv::ximgproc::qunitary	(	InputArray	qimg,
		OutputArray	qnimg )

Python:
	cv.ximgproc.qunitary(	qimg[, qnimg]	) ->	qnimg

各要素をその絶対値（モジュラス）で除算する。

引数

qimg	四元数画像。
qnimg	qimg の共役

◆ readGT()

int cv::ximgproc::readGT	(	String	src_path,
		OutputArray	dst )

Python:
	cv.ximgproc.readGT(	src_path[, dst]	) ->	retval, 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。結果の視差マップは16倍にスケーリングされることに注意。

引数

src_path	正解視差マップを含む画像へのパス
dst	出力視差マップ。CV_16S のビット深度。

戻り値: 正解データの読み込みに成功した場合はゼロを返す

◆ rollingGuidanceFilter()

void cv::ximgproc::rollingGuidanceFilter	(	InputArray	src,
		OutputArray	dst,
		int	d = -1,
		double	sigmaColor = 25,
		double	sigmaSpace = 3,
		int	numOfIter = 4,
		int	borderType = BORDER_DEFAULT )

Python:
	cv.ximgproc.rollingGuidanceFilter(	src[, dst[, d[, sigmaColor[, sigmaSpace[, numOfIter[, borderType]]]]]]	) ->	dst