模糊图像处理

详细介绍

基于模糊数学（即 F 变换）的图像处理。

函数
void	cv::ft::createKernel (InputArray A, InputArray B, OutputArray kernel, const int chn)
	通过基本函数创建内核。
void	cv::ft::createKernel (int function, int radius, OutputArray kernel, const int chn)
	通过一般函数创建内核。
void	cv::ft::filter (InputArray image, InputArray kernel, OutputArray output)
	图像滤波。
void	cv::ft::inpaint (InputArray image, InputArray mask, OutputArray output, int radius, int function, int algorithm)
	图像修复。

函数文档

createKernel() [1/2]

void cv::ft::createKernel	(	InputArray	A,
		InputArray	B,
		OutputArray	kernel,
		const int	chn
	)

Python
	cv.ft.createKernel(	function, radius, chn[, kernel]	) ->	kernel
	cv.ft.createKernel1(	A, B, chn[, kernel]	) ->	kernel

#include <opencv2/fuzzy/fuzzy_image.hpp>

通过基本函数创建内核。

参数

A	x 轴使用的基本函数。
B	y 轴使用的基本函数。
kernel	从 A 和 B 推导而来的最终的 32 位内核。
chn	内核通道数。

此函数创建可用作后续模糊图像处理的内核。

createKernel() [2/2]

void cv::ft::createKernel	(	int	function,
		int	radius,
		OutputArray	kernel,
		const int	chn
	)

Python
	cv.ft.createKernel(	function, radius, chn[, kernel]	) ->	kernel
	cv.ft.createKernel1(	A, B, chn[, kernel]	) ->	kernel

#include <opencv2/fuzzy/fuzzy_image.hpp>

通过一般函数创建内核。

参数

function	函数类型可以是以下类型之一 LINEAR 线性基本函数。
radius	基本函数的半径。
kernel	最终的 32 位内核。
chn	内核通道数。

此函数通过预定义函数创建内核。

filter()

void cv::ft::filter	(	InputArray	image,
		InputArray	kernel,
		OutputArray	output
	)

Python
	cv.ft.filter(	图像, 核[, 输出]	) ->	输出

#include <opencv2/fuzzy/fuzzy_image.hpp>

图像滤波。

参数

image	输入图像。
kernel	最终的 32 位内核。
输出	输出 32 位图像。

使用 F 变换对输入图像进行滤波。

inpaint()

void cv::ft::inpaint	(	InputArray	image,
		InputArray	掩码,
		OutputArray	输出,
		int	radius,
		int	function,
		int	算法
	)

Python
	cv.ft.inpaint(	图像, 掩码, 半径, 函数, 算法[, 输出]	) ->	输出

#include <opencv2/fuzzy/fuzzy_image.hpp>

图像修复。

参数

image	输入图像。
掩码	用于标记不需要的区域的掩码。
输出	输出 32 位图像。
radius	基本函数的半径。
function	函数类型可以是以下类型之一 ft::LINEAR 线性基本函数。
算法	算法 可以是下面之一 ft::ONE_STEP 单步算法。 ft::MULTI_STEP 此算法自动增加基本函数的半径。 ft::ITERATIVE 多步迭代算法，使用部分计算。

此函数提供基于模糊数学的图像修复技术。

说明

算法的描述请参阅论文 [215]。