详细描述

0阶模糊变换（\(F^0\)-变换）将整个图像转换为其分量矩阵。这些分量用于后续计算，其中每个分量代表某个子区域的平均颜色。

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)
	\(F^0\)-变换计算的精度略低，但为了提高速度进行了优化。该方法使用线性基本函数。

void	cv::ft::FT02D_FL_process_float (InputArray matrix, const int radius, OutputArray output)
	\(F^0\)-变换计算的精度略低，但为了提高速度进行了优化。该方法使用线性基本函数。

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。可以使用函数`ft::createKernel`。
components	用于存放分量的输出32位浮点数组。
mask	掩码可用于标记不需要的区域。

该函数使用预定义的核和掩码计算分量。

◆ 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>

\(F^0\)-变换计算的精度略低，但为了提高速度进行了优化。该方法使用线性基本函数。

参数

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

此函数一步完成F变换和逆F变换，使用线性基本函数。它比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>

\(F^0\)-变换计算的精度略低，但为了提高速度进行了优化。该方法使用线性基本函数。

参数

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

此函数一步完成F变换和逆F变换，使用线性基本函数。它比ft::FT02D_process方法快约9倍，并且比ft::FT02D_FL_process方法更精确。

◆ 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	用于存放分量的输入32位单通道浮点数组。
kernel	用于处理的核。可以使用函数`ft::createKernel`。
output	输出32位浮点数组。
width	输出数组的宽度。
height	输出数组的高度。

逆F变换的计算。

◆ 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。可以使用函数`ft::createKernel`。
output	输出32位浮点数组。
mask	用于标记不需要区域的掩码。
maskOutput	一次迭代后的掩码。
firstStop	如果为true，则当出现第一个问题时，函数返回-1。如果为`false`，则完成整个过程并返回所有问题的总和。

此函数计算F变换和逆F变换的迭代，并处理图像和掩码的变化。该函数用于ft::inpaint函数。

◆ 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。可以使用函数`ft::createKernel`。
output	输出32位浮点数组。
mask	用于标记不需要区域的掩码。

此函数一步完成F变换和逆F变换。它完全足够，并针对cv::Mat进行了优化。