详细描述

零阶模糊变换（\(F^0\)-变换）将整个图像变换为由其分量组成的矩阵。这些分量用于后面的计算，其中每个分量代表指定子区域的平均颜色。

函数
void	cv::ft::FT02D_components (InputArray matrix, InputArray kernel, OutputArray components, InputArray mask=noArray())
	使用直接 \(F^0\)-变换计算数组的分量。

void	cv::ft::FT02D_FL_process (InputArray matrix, const int radius, OutputArray output)
	为更高速度而优化的 \(F^0\)-变换计算的稍不精确的版本。此方法依靠线性基本函数。

void	cv::ft::FT02D_FL_process_float (InputArray matrix, const int radius, OutputArray output)
	为更高速度而优化的 \(F^0\)-变换计算的稍不精确的版本。此方法依靠线性基本函数。

void	cv::ft::FT02D_inverseFT (InputArray components, InputArray kernel, OutputArray output, int width, int height)
	计算逆 \(F^0\)-变换。

int	cv::ft::FT02D_iteration (InputArray matrix, InputArray kernel, OutputArray output, InputArray mask, OutputArray maskOutput, bool firstStop)
	同时计算 \(F^0\)-变换和逆 \(F^0\)-变换并返回状态。

void	cv::ft::FT02D_process (InputArray matrix, InputArray kernel, OutputArray output, InputArray mask=noArray())
	同时计算\(F^0\)-变换和逆\(F^0\)-变换。

函数文档

◆ FT02D_components()

void cv::ft::FT02D_components	(	InputArray	matrix,
		InputArray	kernel,
		OutputArray	components,
		InputArray	mask = `noArray()`
	)

Python
	cv.ft.FT02D_components(	matrix, kernel[, components[, mask]]	) ->	components

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

使用直接 \(F^0\)-变换计算数组的分量。

参数

matrix	输入数组。
kernel	用于处理的核。可以使用 `ft::createKernel` 函数。
components	用于存储各个成分的 32 位浮点输出数组。
mask	可以使用掩码标记不需要的区域。

该函数使用预定义的核和掩码计算各个成分。

◆ FT02D_FL_process()

void cv::ft::FT02D_FL_process	(	InputArray	matrix,
		const int	radius,
		OutputArray	output
	)

Python
	cv.ft.FT02D_FL_process(	matrix, radius[, output]	) ->	output

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

为更高速度而优化的 \(F^0\)-变换计算的稍不精确的版本。此方法依靠线性基本函数。

参数

matrix	3 通道输入矩阵。
radius	`ft::LINEAR` 基本函数的半径。
output	输出数组。

此函数使用线性基本函数一步计算 F-变换和逆 F-变换。它的速度比 ft::FT02D_process 方法快约 10 倍。

◆ FT02D_FL_process_float()

void cv::ft::FT02D_FL_process_float	(	InputArray	matrix,
		const int	radius,
		OutputArray	output
	)

Python
	cv.ft.FT02D_FL_process_float(	matrix, radius[, output]	) ->	output

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

为更高速度而优化的 \(F^0\)-变换计算的稍不精确的版本。此方法依靠线性基本函数。

参数

matrix	3 通道输入矩阵。
radius	`ft::LINEAR` 基本函数的半径。
output	输出数组。

此函数使用线性基本函数一步计算 F-变换和逆 F-变换。它的速度比 ft::FT02D_process 方法快约 9 倍，并且比 ft::FT02D_FL_process 方法更准确。

◆ FT02D_inverseFT()

void cv::ft::FT02D_inverseFT	(	InputArray	components,
		InputArray	kernel,
		OutputArray	output,
		int	width,
		int	height
	)

Python
	cv.ft.FT02D_inverseFT(	components, kernel, width, height[, output]	) ->	output

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

计算逆 \(F^0\)-变换。

参数

components	用于存储各个成分的 32 位浮点单通道输入数组。
kernel	用于处理的核。可以使用 `ft::createKernel` 函数。
output	32 位浮点输出数组。
width	输出数组的宽度。
宽度	输出阵列的高度。

F 逆转换计算。

◆ FT02D_iteration()

int cv::ft::FT02D_iteration	(	InputArray	matrix,
		InputArray	kernel,
		OutputArray	output,
		InputArray	mask,
		OutputArray	maskOutput,
		bool	firstStop
	)

Python
	cv.ft.FT02D_iteration(	matrix, kernel, mask, firstStop[, output[, maskOutput]]	) ->	retval, output, maskOutput

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

同时计算 \(F^0\)-变换和逆 \(F^0\)-变换并返回状态。

参数

matrix	输入矩阵。
kernel	用于处理的核。可以使用 `ft::createKernel` 函数。
output	32 位浮点输出数组。
mask	用来标记不想要区域的掩码。
maskOutput	一次迭代后的掩码。
firstStop	如果为 true 函数在出现第一个问题时返回 -1。如果为 `false`，则过程会完成，并将返回的所有问题的总和。

此函数计算 F 转换和 F 逆转换的迭代，并处理图像和掩码更改。函数在 ft::inpaint 函数中使用。

◆ FT02D_process()

void cv::ft::FT02D_process	(	InputArray	matrix,
		InputArray	kernel,
		OutputArray	output,
		InputArray	mask = `noArray()`
	)

Python
	cv.ft.FT02D_process(	matrix, kernel[, output[, mask]]	) ->	output

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

同时计算\(F^0\)-变换和逆\(F^0\)-变换。

参数

matrix	输入矩阵。
kernel	用于处理的核。可以使用 `ft::createKernel` 函数。
output	32 位浮点输出数组。
mask	用来标记不想要区域的掩码。

此函数一步计算 F 转换和 F 逆转换。它对 cv::Mat 来说完全足够且经过优化。