cv::optflow::GPCForest< T > 类模板参考

#include <opencv2/optflow/sparse_matching_gpc.hpp>

cv::optflow::GPCForest< T > 的协作图

公有成员函数
void	findCorrespondences (InputArray imgFrom, InputArray imgTo, std::vector< std::pair< Point2i, Point2i > > &corr, const GPCMatchingParams params=GPCMatchingParams()) const
	查找两幅图像之间的对应点。
void	read (const FileNode &fn) CV_OVERRIDE
	从文件存储中读取算法参数。
void	train (const std::vector< String > &imagesFrom, const std::vector< String > &imagesTo, const std::vector< String > &gt, const GPCTrainingParams params=GPCTrainingParams())
	使用每棵树的单个样本训练森林。通常最好使用此方法而不是第一种方法。
void	train (GPCTrainingSamples &samples, const GPCTrainingParams params=GPCTrainingParams())
	使用每个树的一个样本集训练森林。为了获得更好的质量，请考虑使用下一种方法代替这种方法。
void	train (InputArrayOfArrays imagesFrom, InputArrayOfArrays imagesTo, InputArrayOfArrays gt, const GPCTrainingParams params=GPCTrainingParams())
void	write (FileStorage &fs) const CV_OVERRIDE
	将算法参数存储到文件存储中。
从 cv::Algorithm 继承的公有成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在最开始或读取失败后），则返回 true。
virtual String	getDefaultName () const
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
void	write (FileStorage &fs, const String &name) const

静态公有成员函数
static Ptr< GPCForest >	create ()
从 cv::Algorithm 继承的静态公有成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串中加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

其他继承的成员
从 cv::Algorithm 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

成员函数文档

create()

template<int T>

static Ptr< GPCForest > cv::optflow::GPCForest< T >::create ( )

inlinestatic

read()

template<int T>

void cv::optflow::GPCForest< T >::read ( const FileNode &  fn )

inlinevirtual

从文件存储中读取算法参数。

从 cv::Algorithm 重新实现。

以下是此函数的调用图

train() [1/3]

template<int T>

void cv::optflow::GPCForest< T >::train ( const std::vector< String > &  imagesFrom, const std::vector< String > &  imagesTo, const std::vector< String > &  gt, const GPCTrainingParams  params = GPCTrainingParams()  )

inline

使用每棵树的单个样本训练森林。通常最好使用此方法而不是第一种方法。

以下是此函数的调用图

train() [2/3]

template<int T>

void cv::optflow::GPCForest< T >::train ( GPCTrainingSamples &  samples, const GPCTrainingParams  params = GPCTrainingParams()  )

inline

使用每个树的一个样本集训练森林。为了获得更好的质量，请考虑使用下一种方法代替这种方法。

以下是此函数的调用图

train() [3/3]

template<int T>

void cv::optflow::GPCForest< T >::train ( InputArrayOfArrays  imagesFrom, InputArrayOfArrays  imagesTo, InputArrayOfArrays  gt, const GPCTrainingParams  params = GPCTrainingParams()  )

inline

以下是此函数的调用图

write()

template<int T>

void cv::optflow::GPCForest< T >::write ( FileStorage &  fs ) const

inlinevirtual

将算法参数存储到文件存储中。

从 cv::Algorithm 重新实现。

以下是此函数的调用图

---

此类的文档从以下文件生成

• opencv2/optflow/sparse_matching_gpc.hpp