命名空间
命名空间	rl

命名空间	segmentation

类
类	AdaptiveManifoldFilter
	自适应流形滤波器实现的接口。更多…

结构体	Box

类	ContourFitting
	用于轮廓拟合算法的类。轮廓拟合匹配两个轮廓\( z_a \)和\( z_b \)以最小化距离。更多…

类	DisparityFilter
	所有视差图滤波器的主接口。更多…

类	DisparityWLSFilter
	基于加权最小二乘滤波器（以快速全局平滑器形式出现，比传统的加权最小二乘滤波器实现快得多）的视差图滤波器，并可选地使用基于左右一致性的置信度来细化半遮挡和均匀区域的结果。更多…

类	DTFilter
	域变换滤波器实现的接口。更多…

类	EdgeAwareInterpolator
	基于[225]中的改进局部加权仿射估计器和快速全局平滑器作为后处理滤波器的稀疏匹配插值算法。更多…

类	EdgeBoxes
	实现来自[323]的EdgeBoxes算法的类：更多…

类	EdgeDrawing
	实现ED（EdgeDrawing）[272]、EDLines [4]、EDPF [5]和EDCircles [6]算法的类。更多…

类	FastBilateralSolverFilter
	快速双边求解器的实现接口。更多…

类	FastGlobalSmootherFilter
	快速全局平滑滤波器的实现接口。更多…

类	FastLineDetector
	实现[155]中描述的FLD（快速线检测器）算法的类。更多…

类	GuidedFilter
	(快速)引导滤波器的实现接口。更多…

类	RFFeatureGetter

类	RICInterpolator
	基于改进的分段局部加权仿射估计器（称为来自[129]的对应关系的鲁棒插值法或RIC）和变分和快速全局平滑器作为后处理滤波器的稀疏匹配插值算法。RICInterpolator是EdgeAwareInterpolator的扩展。此扩展的主要概念是基于通过SLIC超像素估计进行过度分割的分段仿射模型。该方法包含一种有效的传播机制，用于估计分段模型。更多…

类	RidgeDetectionFilter
	将脊线检测滤波器应用于输入图像。使用来自使用Sobel导数的输入图像Hessian矩阵的特征值，实现类似于Mathematica中的脊线检测。可以使用骨架化和二值化进行额外细化。改编自[79]和[186]。更多…

类	ScanSegment
	实现Loke SC等人的F-DBSCAN（使用并行化DBSCAN算法的加速超像素图像分割）超像素算法的类。[170]为原始论文。更多…

类	SparseMatchInterpolator
	所有滤波器的主接口，这些滤波器将稀疏匹配作为输入，并产生密集的逐像素匹配（光流）作为输出。更多…

类	StructuredEdgeDetection
	实现来自[70]的边缘检测算法的类：更多…

类	SuperpixelLSC
	实现[160]中描述的LSC（线性谱聚类）超像素算法的类。更多…

类	SuperpixelSEEDS
	实现[282]中描述的SEEDS（通过能量驱动采样提取的超像素）超像素算法的类。更多…

类	SuperpixelSLIC
	实现[1]中描述的SLIC（简单线性迭代聚类）超像素算法的类。更多…

类型定义
typedef std::vector< Box >	Boxes

枚举
枚举	AngleRangeOption { ARO_0_45 = 0 , ARO_45_90 = 1 , ARO_90_135 = 2 , ARO_315_0 = 3 , ARO_315_45 = 4 , ARO_45_135 = 5 , ARO_315_135 = 6 , ARO_CTR_HOR = 7 , ARO_CTR_VER = 8 }
	指定要计算的霍夫空间部分。更多…

枚举	EdgeAwareFiltersList { DTF_NC , DTF_IC , DTF_RF , GUIDED_FILTER , AM_FILTER }

枚举	HoughDeskewOption { HDO_RAW = 0 , HDO_DESKEW = 1 }
	指定是否对霍夫变换图像进行倾斜。更多…

枚举	HoughOp { FHT_MIN = 0 , FHT_MAX = 1 , FHT_ADD = 2 , FHT_AVE = 3 }
	指定二元运算。更多…

枚举	LocalBinarizationMethods { BINARIZATION_NIBLACK = 0 , BINARIZATION_SAUVOLA = 1 , BINARIZATION_WOLF = 2 , BINARIZATION_NICK = 3 }
	指定在cv::ximgproc::niBlackThreshold中使用的二值化方法。更多…

枚举	RulesOption { RO_STRICT = 0x00 , RO_IGNORE_BORDERS = 0x01 }
	指定规则验证的程度。更多…

枚举	SLICType { SLIC = 100 , SLICO = 101 , MSLIC = 102 }

枚举	ThinningTypes { THINNING_ZHANGSUEN = 0 , THINNING_GUOHALL = 1 }

枚举	WMFWeightType { WMF_EXP = 1 , WMF_IV1 = 1 << 1 , WMF_IV2 = 1 << 2 , WMF_COS = 1 << 3 , WMF_JAC = 1 << 4 , WMF_OFF = 1 << 5 }
	指定加权中值滤波器的权重类型。更多…

函数
void	amFilter (InputArray joint, InputArray src, OutputArray dst, double sigma_s, double sigma_r, bool adjust_outliers=false)
	简单的单行自适应流形滤波器调用。

void	anisotropicDiffusion (InputArray src, OutputArray dst, float alpha, float K, int niters)
	对图像执行各向异性扩散。

void	bilateralTextureFilter (InputArray src, OutputArray dst, int fr=3, int numIter=1, double sigmaAlpha=-1., double sigmaAvg=-1.)
	将双边纹理滤波器应用于图像。它执行保持结构的纹理滤波。有关此滤波器的更多详细信息，请参见 [56]。

void	BrightEdges (Mat &_original, Mat &_edgeview, int contrast=1, int shortrange=3, int longrange=9)

void	colorMatchTemplate (InputArray img, InputArray templ, OutputArray result)
	将颜色模板与重叠的颜色图像区域进行比较。

double	computeBadPixelPercent (InputArray GT, InputArray src, Rect ROI, int thresh=24)
	用于计算视差图中“坏”像素百分比的函数（误差高于指定阈值的像素）。

double	computeMSE (InputArray GT, InputArray src, Rect ROI)
	用于计算视差图均方误差的函数。

void	contourSampling (InputArray src, OutputArray out, int nbElt)
	轮廓采样。

void	covarianceEstimation (InputArray src, OutputArray dst, int windowRows, int windowCols)
	使用滑动窗口公式计算图像的估计协方差矩阵。

Ptr< AdaptiveManifoldFilter >	createAMFilter (double sigma_s, double sigma_r, bool adjust_outliers=false)
	工厂方法，创建 AdaptiveManifoldFilter 的实例并执行一些初始化例程。

Ptr< ContourFitting >	createContourFitting (int ctr=1024, int fd=16)
	创建 ContourFitting 算法对象。

Ptr< DisparityWLSFilter >	createDisparityWLSFilter (Ptr< StereoMatcher > matcher_left)
	便捷工厂方法，创建一个 DisparityWLSFilter 实例，并根据匹配器实例自动设置所有相关的滤波器参数。目前仅支持 StereoBM 和 StereoSGBM。

Ptr< DisparityWLSFilter >	createDisparityWLSFilterGeneric (bool use_confidence)
	更通用的工厂方法，创建 DisparityWLSFilter 的实例并执行基本的初始化例程。使用此方法时，需要自行设置 ROI、匹配器和其他参数。

Ptr< DTFilter >	createDTFilter (InputArray guide, double sigmaSpatial, double sigmaColor, int mode=DTF_NC, int numIters=3)
	工厂方法，创建 DTFilter 的实例并执行初始化例程。

Ptr< EdgeAwareInterpolator >	createEdgeAwareInterpolator ()
	工厂方法，创建一个 EdgeAwareInterpolator 实例。

Ptr< EdgeBoxes >	createEdgeBoxes (float alpha=0.65f, float beta=0.75f, float eta=1, float minScore=0.01f, int maxBoxes=10000, float edgeMinMag=0.1f, float edgeMergeThr=0.5f, float clusterMinMag=0.5f, float maxAspectRatio=3, float minBoxArea=1000, float gamma=2, float kappa=1.5f)
	创建一个 Edgeboxes。

Ptr< EdgeDrawing >	createEdgeDrawing ()
	创建一个指向EdgeDrawing对象的智能指针并对其进行初始化。

Ptr< FastBilateralSolverFilter >	createFastBilateralSolverFilter (InputArray guide, double sigma_spatial, double sigma_luma, double sigma_chroma, double lambda=128.0, int num_iter=25, double max_tol=1e-5)
	工厂方法，创建FastBilateralSolverFilter实例并执行初始化例程。

Ptr< FastGlobalSmootherFilter >	createFastGlobalSmootherFilter (InputArray guide, double lambda, double sigma_color, double lambda_attenuation=0.25, int num_iter=3)
	工厂方法，创建FastGlobalSmootherFilter实例并执行初始化例程。

Ptr< FastLineDetector >	createFastLineDetector (int length_threshold=10, float distance_threshold=1.414213562f, double canny_th1=50.0, double canny_th2=50.0, int canny_aperture_size=3, bool do_merge=false)
	创建一个指向FastLineDetector对象的智能指针并对其进行初始化。

Ptr< GuidedFilter >	createGuidedFilter (InputArray guide, int radius, double eps, double scale=1.0)
	工厂方法，创建GuidedFilter实例并执行初始化例程。

void	createQuaternionImage (InputArray img, OutputArray qimg)
	创建一个四元数图像。

Ptr< RFFeatureGetter >	createRFFeatureGetter ()

Ptr< RICInterpolator >	createRICInterpolator ()
	工厂方法，创建一个RICInterpolator实例。

Ptr< StereoMatcher >	createRightMatcher (Ptr< StereoMatcher > matcher_left)
	便捷方法，用于设置匹配器以计算在使用置信度进行滤波的情况下所需的右视图视差图。

cv::Ptr< ScanSegment >	createScanSegment (int image_width, int image_height, int num_superpixels, int slices=8, bool merge_small=true)
	初始化一个ScanSegment对象。

Ptr< StructuredEdgeDetection >	createStructuredEdgeDetection (const String &model, Ptr< const RFFeatureGetter > howToGetFeatures=Ptr< RFFeatureGetter >())

Ptr< SuperpixelLSC >	createSuperpixelLSC (InputArray image, int region_size=10, float ratio=0.075f)
	实现LSC（线性谱聚类）超像素的类。

Ptr< SuperpixelSEEDS >	createSuperpixelSEEDS (int image_width, int image_height, int image_channels, int num_superpixels, int num_levels, int prior=2, int histogram_bins=5, bool double_step=false)
	初始化一个SuperpixelSEEDS对象。

Ptr< SuperpixelSLIC >	createSuperpixelSLIC (InputArray image, int algorithm=SLICO, int region_size=10, float ruler=10.0f)
	初始化一个SuperpixelSLIC对象。

void	dtFilter (InputArray guide, InputArray src, OutputArray dst, double sigmaSpatial, double sigmaColor, int mode=DTF_NC, int numIters=3)
	简单的单行域变换滤波器调用。如果您有多个图像需要使用相同的引导图像进行滤波，则可以使用DTFilter接口来避免初始化阶段的额外计算。

void	edgePreservingFilter (InputArray src, OutputArray dst, int d, double threshold)
	使用边缘保持滤波器平滑图像。

void	fastBilateralSolverFilter (InputArray guide, InputArray src, InputArray confidence, OutputArray dst, double sigma_spatial=8, double sigma_luma=8, double sigma_chroma=8, double lambda=128.0, int num_iter=25, double max_tol=1e-5)
	快速双边求解器滤波器的简单单行调用。如果有多个图像需要使用相同的引导图像进行滤波，则可以使用FastBilateralSolverFilter接口避免额外的计算。

void	fastGlobalSmootherFilter (InputArray guide, InputArray src, OutputArray dst, double lambda, double sigma_color, double lambda_attenuation=0.25, int num_iter=3)
	快速全局平滑滤波器的简单单行调用。如果有多个图像需要使用相同的引导图像进行滤波，则可以使用FastGlobalSmootherFilter接口避免额外的计算。

void	FastHoughTransform (InputArray src, OutputArray dst, int dstMatDepth, int angleRange=ARO_315_135, int op=FHT_ADD, int makeSkew=HDO_DESKEW)
	计算图像的二维快速霍夫变换。

void	findEllipses (InputArray image, OutputArray ellipses, float scoreThreshold=0.7f, float reliabilityThreshold=0.5f, float centerDistanceThreshold=0.05f)
	使用投影不变性剪枝快速查找图像中的椭圆。

void	fourierDescriptor (InputArray src, OutputArray dst, int nbElt=-1, int nbFD=-1)
	平面闭合曲线的傅里叶描述符。

void	getDisparityVis (InputArray src, OutputArray dst, double scale=1.0)
	用于创建视差图可视化效果（钳位CV_8U图像）的函数。

void	GradientDericheX (InputArray op, OutputArray dst, double alpha, double omega)
	将X Deriche滤波器应用于图像。

void	GradientDericheY (InputArray op, OutputArray dst, double alpha, double omega)
	将Y Deriche滤波器应用于图像。

void	GradientPaillouX (InputArray op, OutputArray _dst, double alpha, double omega)

void	GradientPaillouY (InputArray op, OutputArray _dst, double alpha, double omega)
	将Paillou滤波器应用于图像。

void	guidedFilter (InputArray guide, InputArray src, OutputArray dst, int radius, double eps, int dDepth=-1, double scale=1.0)
	简单的单行（快速）引导滤波器调用。

Vec4i	HoughPoint2Line (const Point &houghPoint, InputArray srcImgInfo, int angleRange=ARO_315_135, int makeSkew=HDO_DESKEW, int rules=RO_IGNORE_BORDERS)
	计算霍夫空间中点对应的线段坐标。

void	jointBilateralFilter (InputArray joint, InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)
	将联合双边滤波器应用于图像。

void	l0Smooth (InputArray src, OutputArray dst, double lambda=0.02, double kappa=2.0)
	通过L0梯度最小化进行全局图像平滑。

void	niBlackThreshold (InputArray _src, OutputArray _dst, double maxValue, int type, int blockSize, double k, int binarizationMethod=BINARIZATION_NIBLACK, double r=128)
	使用Niblack技术或其启发的某些流行变体对输入图像进行阈值处理。

Matx23d	PeiLinNormalization (InputArray I)
	计算使用Pei&Lin归一化对给定图像进行归一化的仿射变换。

void	PeiLinNormalization (InputArray I, OutputArray T)

void	qconj (InputArray qimg, OutputArray qcimg)
	计算四元数图像的共轭。

void	qdft (InputArray img, OutputArray qimg, int flags, bool sideLeft)
	执行二维四元数数组的正向或逆向离散四元数傅里叶变换。

void	qmultiply (InputArray src1, InputArray src2, OutputArray dst)
	计算两个数组的逐元素四元数乘积。

void	qunitary (InputArray qimg, OutputArray qnimg)
	将每个元素除以其模数。

void	RadonTransform (InputArray src, OutputArray dst, double theta=1, double start_angle=0, double end_angle=180, bool crop=false, bool norm=false)
	计算图像的Radon变换。

int	readGT (String src_path, OutputArray dst)
	读取真值视差图的函数。支持基本的Middlebury和MPI-Sintel格式。请注意，生成的视差图按16缩放。

void	rollingGuidanceFilter (InputArray src, OutputArray dst, int d=-1, double sigmaColor=25, double sigmaSpace=3, int numOfIter=4, int borderType=BORDER_DEFAULT)
	将滚动引导滤波器应用于图像。

void	thinning (InputArray src, OutputArray dst, int thinningType=THINNING_ZHANGSUEN)
	应用二值斑点细化操作，以实现输入图像的细化。

void	transformFD (InputArray src, InputArray t, OutputArray dst, bool fdContour=true)
	变换轮廓

void	weightedMedianFilter (InputArray joint, InputArray src, OutputArray dst, int r, double sigma=25.5, int weightType=WMF_EXP, InputArray mask=noArray())
	将加权中值滤波器应用于图像。

枚举类型文档

◆ AngleRangeOption

枚举 cv::ximgproc::AngleRangeOption

指定要计算的霍夫空间的部分。

该枚举指定要计算的霍夫空间的部分。每个成员主要指定线的方向（水平或垂直）和角度变化的方向。角度变化的方向是从90的倍数到45的奇数倍数。图像被认为是从上到下，从左到右写入。角度从垂直线开始，顺时针方向旋转。单独的象限和半部分按其在完整霍夫空间中的方向书写。

枚举器
ARO_0_45 Python: cv.ximgproc.ARO_0_45
ARO_45_90 Python: cv.ximgproc.ARO_45_90
ARO_90_135 Python: cv.ximgproc.ARO_90_135
ARO_315_0 Python: cv.ximgproc.ARO_315_0
ARO_315_45 Python: cv.ximgproc.ARO_315_45
ARO_45_135 Python: cv.ximgproc.ARO_45_135
ARO_315_135 Python: cv.ximgproc.ARO_315_135
ARO_CTR_HOR Python: cv.ximgproc.ARO_CTR_HOR
ARO_CTR_VER Python: cv.ximgproc.ARO_CTR_VER

◆ HoughDeskewOption

枚举 cv::ximgproc::HoughDeskewOption

指定是否对霍夫变换图像进行倾斜。

该枚举指定是否对霍夫变换图像进行倾斜，以便霍夫变换图像不会通过图像边界循环。

枚举器
HDO_RAW Python: cv.ximgproc.HDO_RAW
HDO_DESKEW Python: cv.ximgproc.HDO_DESKEW

◆ HoughOp

枚举 cv::ximgproc::HoughOp

指定二元运算。

该枚举指定二元运算，即涉及两个操作数的运算。形式上，集合 S 上的二元运算 f 是一个二元关系，它将笛卡尔积 S × S 的元素映射到 S。

\[ f: S \times S \to S \]

枚举器
FHT_MIN Python: cv.ximgproc.FHT_MIN
FHT_MAX Python: cv.ximgproc.FHT_MAX
FHT_ADD Python: cv.ximgproc.FHT_ADD
FHT_AVE Python: cv.ximgproc.FHT_AVE

◆ RulesOption

枚举 cv::ximgproc::RulesOption

指定规则验证的程度。

该枚举指定规则验证的程度。例如，这可以用来选择合适的输入参数验证方法。

枚举器
RO_STRICT	以适当的方式验证每个规则。
RO_IGNORE_BORDERS	跳过图像边界的验证。

◆ WMFWeightType

枚举 cv::ximgproc::WMFWeightType

指定加权中值滤波器的权重类型。

枚举器
WMF_EXP Python: cv.ximgproc.WMF_EXP	\(exp(-\|I1-I2\|^2/(2*sigma^2))\)
WMF_IV1 Python: cv.ximgproc.WMF_IV1	\((\|I1-I2\|+sigma)^-1\)
WMF_IV2 Python: cv.ximgproc.WMF_IV2	\((\|I1-I2\|^2+sigma^2)^-1\)
WMF_COS Python: cv.ximgproc.WMF_COS	\(dot(I1,I2)/(\|I1\|*\|I2\|)\)
WMF_JAC Python: cv.ximgproc.WMF_JAC	\((min(r1,r2)+min(g1,g2)+min(b1,b2))/(max(r1,r2)+max(g1,g2)+max(b1,b2))\)
WMF_OFF Python: cv.ximgproc.WMF_OFF	未加权

函数文档

◆ BrightEdges()

void cv::ximgproc::BrightEdges	(	Mat &	_original,
		Mat &	_edgeview,
		int	contrast = 1,
		int	shortrange = 3,
		int	longrange = 9 )

◆ covarianceEstimation()

void cv::ximgproc::covarianceEstimation	(	InputArray	src,
		OutputArray	dst,
		int	windowRows,
		int	windowCols )

Python
	cv.ximgproc.covarianceEstimation(	src, windowRows, windowCols[, dst]	) ->	dst

使用滑动窗口公式计算图像的估计协方差矩阵。

参数

src	源图像。输入图像必须为复数类型。
dst	目标估计协方差矩阵。输出矩阵大小为 (windowRowswindowCols, windowRowswindowCols)。
windowRows	窗口的行数。
windowCols	窗口的列数。窗口大小参数控制估计的精度。滑动窗口从左上角移动到图像的右下角。窗口的每个位置代表一个样本。如果窗口的大小与图像大小相同，则这将给出精确的协方差矩阵。对于所有其他情况，窗口的大小将影响样本数量和估计协方差矩阵中元素的数量。

◆ createScanSegment()

cv::Ptr< ScanSegment > cv::ximgproc::createScanSegment	(	int	image_width,
		int	image_height,
		int	num_superpixels,
		int	slices = 8,
		bool	merge_small = true )

Python
	cv.ximgproc.createScanSegment(	image_width, image_height, num_superpixels[, slices[, merge_small]]	) ->	retval

初始化一个ScanSegment对象。

该函数为输入图像初始化一个 ScanSegment 对象。它存储图像的参数：image_width 和 image_height。它还设置 F-DBSCAN 超像素算法的参数，这些参数为：num_superpixels、threads 和 merge_small。

参数

image_width	图像宽度。
image_height	图像高度。
num_superpixels	所需的超像素数量。请注意，由于限制（取决于图像大小），实际数量可能较小。使用 getNumberOfSuperpixels() 获取实际数量。
slices	用于并行的处理线程数。设置为 -1 使用最大线程数。在实践中，对于较小的图像，四个线程就足够了，而对于较大的图像，则需要八个线程。
merge_small	合并小的片段以获得所需的超像素数量。不合并处理速度快得多，但图像中会留下许多小的片段。

◆ FastHoughTransform()

void cv::ximgproc::FastHoughTransform	(	InputArray	src,
		OutputArray	dst,
		int	dstMatDepth,
		int	angleRange = ARO_315_135,
		int	op = FHT_ADD,
		int	makeSkew = HDO_DESKEW )

Python
	cv.ximgproc.FastHoughTransform(	src, dstMatDepth[, dst[, angleRange[, op[, makeSkew]]]]	) ->	dst

计算图像的二维快速霍夫变换。

参数

dst	目标图像，变换结果。
src	源（输入）图像。
dstMatDepth	目标图像的深度
op	要应用的操作，参见 cv::HoughOp
angleRange	要计算的 Hough 空间部分，参见 cv::AngleRangeOption
makeSkew	指定是否进行图像倾斜，参见 cv::HoughDeskewOption

该函数计算全角、半角或四分之一角范围的快速 Hough 变换。

◆ HoughPoint2Line()

Vec4i cv::ximgproc::HoughPoint2Line	(	const Point &	houghPoint,
		InputArray	srcImgInfo,
		int	angleRange = ARO_315_135,
		int	makeSkew = HDO_DESKEW,
		int	rules = RO_IGNORE_BORDERS )

Python
	cv.ximgproc.HoughPoint2Line(	houghPoint, srcImgInfo[, angleRange[, makeSkew[, rules]]]	) ->	retval

计算霍夫空间中点对应的线段坐标。

参数

houghPoint	Hough 空间中的点。
srcImgInfo	Hough 变换的源（输入）图像。
angleRange	点所在的 Hough 空间部分，参见 cv::AngleRangeOption
makeSkew	指定是否进行图像倾斜，参见 cv::HoughDeskewOption
rules	指定线段计算的严格性，参见 cv::RulesOption

返回值

[Vec4i] Hough 空间中点对应的线段坐标。

备注: 如果 rules 参数设置为 RO_STRICT，则返回沿源图像边界的切割线。; 如果 rules 参数设置为 RO_WEAK，则对于属于 Hough 图像不正确部分的点，返回的线将不会与源图像相交。

该函数计算 Hough 空间中点对应的线段坐标。

◆ RadonTransform()

void cv::ximgproc::RadonTransform	(	InputArray	src,
		OutputArray	dst,
		double	theta = 1,
		double	start_angle = 0,
		double	end_angle = 180,
		bool	crop = false,
		bool	norm = false )

Python
	cv.ximgproc.RadonTransform(	src[, dst[, theta[, start_angle[, end_angle[, crop[, norm]]]]]]	) ->	dst

计算图像的Radon变换。

参数

src	源（输入）图像。
dst	目标图像，变换结果。
theta	变换的角度分辨率（度）。
start_angle	变换的起始角度（度）。
end_angle	变换的结束角度（度）。
裁剪	将源图像裁剪成圆形。
归一化	将输出 Mat 归一化到灰度，并将类型转换为 CV_8U。

此函数计算给定图像在任意范围内的Radon变换。详情请参见 https://engineering.purdue.edu/~malcolm/pct/CTI_Ch03.pdf。如果输入类型为 CV_8U，则输出将为 CV_32S。如果输入类型为 CV_32F 或 CV_64F，则输出将为 CV_64F。输出大小将为 num_of_integral x src_diagonal_length。如果选择裁剪，则输入图像将被裁剪成正方形然后是圆形，输出大小将为 num_of_integral x min_edge。

◆ weightedMedianFilter()

void cv::ximgproc::weightedMedianFilter	(	InputArray	联合图像,
		InputArray	src,
		OutputArray	dst,
		int	半径,
		double	sigma = 25.5,
		int	weightType = WMF_EXP,
		InputArray	mask = noArray() )

Python
	cv.ximgproc.weightedMedianFilter(	联合图像, 源图像, 半径[, 目标图像[, sigma[, weightType[, mask]]]]	) ->	dst

将加权中值滤波器应用于图像。

有关此实现的更多详细信息，请参见 [318]

参数

联合图像	联合图像：8位，1通道或3通道图像。
src	源图像：8位或浮点型，1通道或3通道图像。
dst	目标图像。
半径	滤波核的半径，应为正整数。
sigma	联合图像的滤波范围标准差。
weightType	weightType 权重定义类型，参见 WMFWeightType
mask	一个与 I 大小相同的 0-1 掩码。此掩码用于忽略某些像素的影响。如果掩码上的像素值为 0，则在维护联合直方图时将忽略该像素。这对于光流遮挡处理等应用非常有用。

另请参阅: medianBlur, jointBilateralFilter

命名空间

类

类型定义

枚举

函数

枚举类型文档

◆ AngleRangeOption

◆ HoughDeskewOption

◆ HoughOp

◆ RulesOption

◆ WMFWeightType

函数文档

◆ BrightEdges()

◆ covarianceEstimation()

◆ createScanSegment()

◆ FastHoughTransform()

◆ HoughPoint2Line()

◆ RadonTransform()

◆ weightedMedianFilter()