详细描述

函数
void	cv::accumulate (InputArray src, InputOutputArray dst, InputArray mask=noArray())
	将图像添加到累加器图像中。

void	cv::accumulateProduct (InputArray src1, InputArray src2, InputOutputArray dst, InputArray mask=noArray())
	将两个输入图像的逐元素乘积添加到累加器图像中。

void	cv::accumulateSquare (InputArray src, InputOutputArray dst, InputArray mask=noArray())
	将源图像的平方添加到累加器图像中。

void	cv::accumulateWeighted (InputArray src, InputOutputArray dst, double alpha, InputArray mask=noArray())
	更新运行平均值。

void	cv::createHanningWindow (OutputArray dst, Size winSize, int type)
	此函数计算二维汉宁窗系数。

void	cv::divSpectrums (InputArray a, InputArray b, OutputArray c, int flags, bool conjB=false)
	对第一个傅里叶谱进行逐元素除以第二个傅里叶谱。

Point2d	cv::phaseCorrelate (InputArray src1, InputArray src2, InputArray window=noArray(), double *response=0)
	该函数用于检测两个图像之间发生的平移位移。

函数文档

◆ accumulate()

void cv::accumulate	(	InputArray	src,
		InputOutputArray	dst,
		InputArray	mask = `noArray()`
	)

Python
	cv.accumulate(	src, dst[, mask]	) ->	dst

#include <opencv2/imgproc.hpp>

将图像添加到累加器图像中。

该函数将 src 或其部分元素添加到 dst 中

\[\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\]

该函数支持多通道图像。每个通道都独立处理。

函数 cv::accumulate 可用于收集静止摄像机所看到的场景背景的统计信息，以及用于后续的前景-背景分割。

参数

src	类型为 CV_8UC(n)、CV_16UC(n)、CV_32FC(n) 或 CV_64FC(n) 的输入图像，其中 n 是正整数。
dst	与输入图像具有相同通道数且深度为 CV_32F 或 CV_64F 的累加器图像。
mask	可选操作掩码。

另请参阅: accumulateSquare、accumulateProduct、accumulateWeighted

◆ accumulateProduct()

void cv::accumulateProduct	(	InputArray	src1,
		InputArray	src2,
		InputOutputArray	dst,
		InputArray	mask = `noArray()`
	)

Python
	cv.accumulateProduct(	src1, src2, dst[, mask]	) ->	dst

#include <opencv2/imgproc.hpp>

将两个输入图像的逐元素乘积添加到累加器图像中。

该函数将两个图像或其选定区域的乘积添加到累加器 dst 中

\[\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src1} (x,y) \cdot \texttt{src2} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\]

该函数支持多通道图像。每个通道都独立处理。

参数

src1	第一个输入图像，1 通道或 3 通道，8 位或 32 位浮点数。
src2	第二个输入图像，类型和大小与 src1 相同。
dst	累加器图像，通道数与输入图像相同，32 位或 64 位浮点数。
mask	可选操作掩码。

另请参阅: accumulate、accumulateSquare、accumulateWeighted

◆ accumulateSquare()

void cv::accumulateSquare	(	InputArray	src,
		InputOutputArray	dst,
		InputArray	mask = `noArray()`
	)

Python
	cv.accumulateSquare(	src, dst[, mask]	) ->	dst

#include <opencv2/imgproc.hpp>

将源图像的平方添加到累加器图像中。

该函数将输入图像 src 或其选定区域（平方）添加到累加器 dst 中

\[\texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y)^2 \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\]

该函数支持多通道图像。每个通道都独立处理。

参数

src	输入图像为 1 通道或 3 通道，8 位或 32 位浮点数。
dst	累加器图像，通道数与输入图像相同，32 位或 64 位浮点数。
mask	可选操作掩码。

另请参阅: accumulateSquare、accumulateProduct、accumulateWeighted

◆ accumulateWeighted()

void cv::accumulateWeighted	(	InputArray	src,
		InputOutputArray	dst,
		double	alpha,
		InputArray	mask = `noArray()`
	)

Python
	cv.accumulateWeighted(	src, dst, alpha[, mask]	) ->	dst

#include <opencv2/imgproc.hpp>

更新运行平均值。

该函数计算输入图像 src 和累加器 dst 的加权和，使 dst 成为帧序列的运行平均值

\[\texttt{dst} (x,y) \leftarrow (1- \texttt{alpha} ) \cdot \texttt{dst} (x,y) + \texttt{alpha} \cdot \texttt{src} (x,y) \quad \text{if} \quad \texttt{mask} (x,y) \ne 0\]

也就是说，alpha 调节更新速度（累加器“忘记”先前图像的速度有多快）。该函数支持多通道图像。每个通道都独立处理。

参数

src	输入图像为 1 通道或 3 通道，8 位或 32 位浮点数。
dst	累加器图像，通道数与输入图像相同，32 位或 64 位浮点数。
alpha	输入图像的权重。
mask	可选操作掩码。

另请参阅: accumulate、accumulateSquare、accumulateProduct

◆ createHanningWindow()

void cv::createHanningWindow	(	OutputArray	dst,
		Size	winSize,
		int	type
	)

Python
	cv.createHanningWindow(	winSize, type[, dst]	) ->	dst

#include <opencv2/imgproc.hpp>

此函数计算二维汉宁窗系数。

有关详细信息，请参阅 (http://en.wikipedia.org/wiki/Hann_function) 和 (http://en.wikipedia.org/wiki/Window_function)。

下面显示了一个示例

// 创建大小为 100x100 且类型为 CV_32F 的汉宁窗
Mat hann;
createHanningWindow(hann, Size(100, 100), CV_32F);

参数

dst	将汉宁系数放置在其中的目标数组
winSize	窗口大小规格（宽度和高度都必须 > 1）
type	创建的数组类型

◆ divSpectrums()

void cv::divSpectrums	(	InputArray	a,
		InputArray	b,
		OutputArray	c,
		int	flags,
		bool	conjB = `false`
	)

Python
	cv.divSpectrums(	a, b, flags[, c[, conjB]]	) ->	c

#include <opencv2/imgproc.hpp>

对第一个傅里叶谱进行逐元素除以第二个傅里叶谱。

函数 cv::divSpectrums 对第一个数组进行逐元素除以第二个数组。数组是 CCS 打包或复数矩阵，是实数或复数傅里叶变换的结果。

参数

a	第一个输入数组。
b	第二个输入数组，大小和类型与 src1 相同。
c	输出数组，大小和类型与 src1 相同。
flags	操作标志；当前，唯一支持的标志是 cv::DFT_ROWS，它指示 src1 和 src2 的每一行都是独立的 1D 傅里叶谱。如果您不想使用此标志，则只需添加 `0` 作为值。
conjB	可选标志，在乘法之前对第二个输入数组进行共轭（true）或不进行共轭（false）。

◆ phaseCorrelate()

Point2d cv::phaseCorrelate	(	InputArray	src1,
		InputArray	src2,
		InputArray	window = `noArray()`,
		double *	response = `0`
	)

Python
	cv.phaseCorrelate(	src1, src2[, window]	) ->	retval, response

#include <opencv2/imgproc.hpp>

该函数用于检测两个图像之间发生的平移位移。

该操作利用傅里叶位移定理来检测频域中的平移位移。它可用于快速图像配准以及运动估计。有关详细信息，请参阅 http://en.wikipedia.org/wiki/Phase_correlation

计算两个提供的源数组的互功率谱。如果需要，使用 getOptimalDFTSize 对数组进行填充。

该函数执行以下等式

首先，它对每个图像应用汉宁窗（请参阅 http://en.wikipedia.org/wiki/Hann_function）以消除可能的边缘效应。此窗口会在数组大小发生更改时进行缓存，以加快处理时间。
接下来它计算每个源数组的正向 DFT
\[\mathbf{G}_a = \mathcal{F}\{src_1\}, \; \mathbf{G}_b = \mathcal{F}\{src_2\}\]
其中 \(\mathcal{F}\) 是正向 DFT。
然后它计算每个频域数组的互功率谱
\[R = \frac{ \mathbf{G}_a \mathbf{G}_b^*}{|\mathbf{G}_a \mathbf{G}_b^*|}\]
接下来通过逆 DFT 将互相关转换回时域
\[r = \mathcal{F}^{-1}\{R\}\]
最后，它计算峰值位置并计算峰值周围 5x5 加权质心以实现亚像素精度。
\[(\Delta x, \Delta y) = \texttt{weightedCentroid} \{\arg \max_{(x, y)}\{r\}\}\]
如果非零，响应参数计算为峰值位置周围 5x5 质心内 r 元素的总和。它被归一化为最大值为 1（表示存在单个峰值），并且当存在多个峰值时将更小。

参数

src1	源浮点数组（CV_32FC1 或 CV_64FC1）
src2	源浮点数组（CV_32FC1 或 CV_64FC1）
窗口	具有窗口系数的浮点数组，用于减少边缘效应（可选）。
响应	峰值周围 5x5 质心内的信号功率，在 0 到 1 之间（可选）。

返回: 检测到的两个数组之间的相位差（亚像素）。

另请参阅: dft, getOptimalDFTSize, idft, mulSpectrums createHanningWindow