cv::dnn_superres::DnnSuperResImpl 类参考

一个使用卷积神经网络对图像进行上采样的类。实现了以下四个模型：更多…

#include <opencv2/dnn_superres.hpp>

cv::dnn_superres::DnnSuperResImpl 的协作图

公共成员函数
	DnnSuperResImpl ()
	空构造函数。
	DnnSuperResImpl (const String &algo, int scale)
	立即设置所需模型的构造函数。
String	getAlgorithm ()
	返回模型的缩放因子
int	getScale ()
	返回模型的缩放因子
void	readModel (const String &path)
	从给定路径读取模型。
void	readModel (const String &weights, const String &definition)
	从给定路径读取模型。
void	setModel (const String &algo, int scale)
	设置所需模型。
void	setPreferableBackend (int backendId)
	设置计算后端。
void	setPreferableTarget (int targetId)
	设置计算目标。
void	upsample (InputArray img, OutputArray result)
	通过神经网络进行上采样。
void	upsampleMultioutput (InputArray img, std::vector< Mat > &imgs_new, const std::vector< int > &scale_factors, const std::vector< String > &node_names)
	通过多个输出的神经网络进行上采样。

静态公共成员函数
static Ptr< DnnSuperResImpl >	create ()
	Python 的空构造函数。

详细描述

一个使用卷积神经网络对图像进行上采样的类。实现了以下四个模型

• edsr
• espcn
• fsrcnn
• lapsrn

构造函数和析构函数文档

DnnSuperResImpl() [1/2]

cv::dnn_superres::DnnSuperResImpl::DnnSuperResImpl

(

)

空构造函数。

DnnSuperResImpl() [2/2]

cv::dnn_superres::DnnSuperResImpl::DnnSuperResImpl	(	const String &	algo,
		int	scale )

立即设置所需模型的构造函数。

参数

algo	包含所需模型之一的字符串 edsr espcn fsrcnn lapsrn
scale	指定上采样因子的整数

成员函数文档

create()

static Ptr< DnnSuperResImpl > cv::dnn_superres::DnnSuperResImpl::create ( )

static

Python
	cv.dnn_superres.DnnSuperResImpl.create(		) ->	retval
	cv.dnn_superres.DnnSuperResImpl_create(		) ->	retval

Python 的空构造函数。

getAlgorithm()

String cv::dnn_superres::DnnSuperResImpl::getAlgorithm

(

)

Python
	cv.dnn_superres.DnnSuperResImpl.getAlgorithm(		) ->	retval

返回模型的缩放因子

返回

当前算法。

getScale()

int cv::dnn_superres::DnnSuperResImpl::getScale

(

)

Python
	cv.dnn_superres.DnnSuperResImpl.getScale(		) ->	retval

返回模型的缩放因子

返回

当前缩放因子。

readModel() [1/2]

void cv::dnn_superres::DnnSuperResImpl::readModel

(

const String &

path

)

Python
	cv.dnn_superres.DnnSuperResImpl.readModel(	path	) ->	None

从给定路径读取模型。

参数

path

模型文件的路径。

readModel() [2/2]

void cv::dnn_superres::DnnSuperResImpl::readModel	(	const String &	weights,
		const String &	definition )

Python
	cv.dnn_superres.DnnSuperResImpl.readModel(	path	) ->	None

从给定路径读取模型。

参数

weights	模型权重文件的路径。
definition	模型定义文件的路径。

setModel()

void cv::dnn_superres::DnnSuperResImpl::setModel	(	const String &	algo,
		int	scale )

Python
	cv.dnn_superres.DnnSuperResImpl.setModel(	algo, scale	) ->	None

设置所需模型。

参数

algo	包含所需模型之一的字符串 edsr espcn fsrcnn lapsrn
scale	指定上采样因子的整数

setPreferableBackend()

void cv::dnn_superres::DnnSuperResImpl::setPreferableBackend

(

int

backendId

)

Python
	cv.dnn_superres.DnnSuperResImpl.setPreferableBackend(	backendId	) ->	None

设置计算后端。

setPreferableTarget()

void cv::dnn_superres::DnnSuperResImpl::setPreferableTarget

(

int

targetId

)

Python
	cv.dnn_superres.DnnSuperResImpl.setPreferableTarget(	targetId	) ->	None

设置计算目标。

upsample()

void cv::dnn_superres::DnnSuperResImpl::upsample	(	InputArray	img,
		OutputArray	result )

Python
	cv.dnn_superres.DnnSuperResImpl.upsample(	img[, result]	) ->	result

通过神经网络进行上采样。

参数

img	要上采样的图像
result	目标上采样图像

upsampleMultioutput()

void cv::dnn_superres::DnnSuperResImpl::upsampleMultioutput	(	InputArray	img,
		std::vector< Mat > &	imgs_new,
		const std::vector< int > &	scale_factors,
		const std::vector< String > &	node_names )

Python
	cv.dnn_superres.DnnSuperResImpl.upsampleMultioutput(	img, imgs_new, scale_factors, node_names	) ->	None

通过多个输出的神经网络进行上采样。

参数

img	要上采样的图像
imgs_new	目标上采样图像
scale_factors	输出节点的缩放因子
node_names	神经网络中输出节点的名称

---

此类的文档是从以下文件生成的

• opencv2/dnn_superres.hpp