| 类 |
描述 |
| AdaptiveManifoldFilter |
自适应流形滤波器实现的接口。
|
| AffineFeature |
用于实现包装器的类，该包装器使检测器和提取器具有仿射不变性，在 CITE: YM11 中描述为 ASIFT。
|
| AffineFeature2D |
实现关键点仿射自适应的类。
|
| AgastFeatureDetector |
使用 AGAST 方法进行特征检测的包装类。
|
| AKAZE |
实现 AKAZE 关键点检测器和描述符提取器的类，在 CITE: ANB13 中描述。
|
| 算法 |
这是 OpenCV 中所有或多或少复杂的算法的基类，特别是对于可以有多种实现的算法类。
|
| AlignExposures |
对齐具有不同曝光度的同一场景图像的算法的基类
|
| AlignMTB |
此算法将图像转换为中值阈值位图（对于亮度高于中值亮度的像素为 1，否则为 0），然后使用位运算对齐生成的位图。
|
| Animation |
表示具有多个帧的动画。
|
| ANN_MLP |
人工神经网络 - 多层感知器。
|
| Aruco |
|
| ArucoDetector |
ArucoDetector 类主要功能是使用 detectMarkers() 方法检测图像中的标记。
|
| AverageHash |
计算输入图像的平均哈希值，这是一种快速的图像哈希算法，但仅适用于简单的情况。
|
| BackgroundSubtractor |
背景/前景分割的基类。
|
| BackgroundSubtractorCNT |
基于计数的背景减法。
|
| BackgroundSubtractorGMG |
基于 CITE: Gold2012 中给出的算法的背景减法模块。
|
| BackgroundSubtractorGSOC |
不同但更好的算法的实现，称为 GSOC，因为它是在 GSOC 期间实现的，并且并非源自任何论文。
|
| BackgroundSubtractorKNN |
基于 K 近邻的背景/前景分割算法。
|
| BackgroundSubtractorLSBP |
使用局部 SVD 二元模式的背景减法。
|
| BackgroundSubtractorLSBPDesc |
用于计算 LSBP 描述符。
|
| BackgroundSubtractorMOG |
基于高斯混合的背景/前景分割算法。
|
| BackgroundSubtractorMOG2 |
基于高斯混合的背景/前景分割算法。
|
| BarcodeDetector |
|
| BaseCascadeClassifier |
|
| BaseOCR |
|
| BasicFaceRecognizer |
|
| BEBLID |
实现 BEBLID（增强型高效二元局部图像描述符）的类，在 CITE: Suarez2020BEBLID 中描述。
|
| BFMatcher |
蛮力描述符匹配器。
|
| Bgsegm |
|
| BIF |
论文中生物启发特征 (BIF) 的实现：Guo, Guodong, et al.
|
| Bioinspired |
|
| BlockMeanHash |
基于块均值的图像哈希。
|
| Board |
ArUco 标记板，板是在具有公共坐标系的 3D 空间中的一组标记。
|
| Boost |
源自 DTrees 的增强树分类器，参见：REF: ml_intro_boost
|
| BoostDesc |
实现 BoostDesc（使用 Boosting 学习图像描述符）的类，在 CITE: Trzcinski13a 和 CITE: Trzcinski13b 中描述。
|
| BOWImgDescriptorExtractor |
使用“视觉词袋”计算图像描述符的类。
|
| BOWKMeansTrainer |
基于 kmeans 的类，用于使用“视觉词袋”方法训练视觉词汇。
|
| BOWTrainer |
用于从一组描述符训练“视觉词袋”词汇的抽象基类。
|
| BriefDescriptorExtractor |
用于计算 CITE: calon2010 中描述的 BRIEF 描述符的类。
|
| BRISK |
实现 BRISK 关键点检测器和描述符提取器的类，在 CITE: LCS11 中描述。
|
| Calib3d |
|
| CalibrateCRF |
相机响应校准算法的基类。
|
| CalibrateDebevec |
通过将目标函数最小化为线性系统来为每个亮度值提取逆相机响应函数。
|
| CalibrateRobertson |
通过将目标函数最小化为线性系统来为每个亮度值提取逆相机响应函数。
|
| CascadeClassifier |
用于目标检测的级联分类器类。
|
| CharucoBoard |
ChArUco 板是一个平面棋盘，其中标记放置在棋盘的白色方格内。
|
| CharucoDetector |
|
| CharucoParameters |
|
| CLAHE |
对比度受限自适应直方图均衡化的基类。
|
| ClassificationModel |
此类表示分类模型的高级 API。
|
| ColorMomentHash |
基于颜色矩的图像哈希。
|
| ContourFitting |
轮廓拟合算法的类。
|
| Converters |
|
| Core |
|
| Core.MinMaxLocResult |
|
| CvException |
|
| CvType |
|
| DAISY |
实现 DAISY 描述符的类，在 CITE: Tola10 中描述 radius 描述符在初始比例下的半径 q_radius 径向范围划分数量 q_theta 角范围划分数量 q_hist 梯度方向范围划分数量 norm 选择描述符归一化类型，其中 DAISY::NRM_NONE 不会进行任何归一化（默认），DAISY::NRM_PARTIAL 表示直方图独立归一化，L2 范数等于 1.0，DAISY::NRM_FULL 表示描述符归一化，L2 范数等于 1.0，DAISY::NRM_SIFT 表示描述符归一化，L2 范数等于 1.0，但单个描述符不大于 0.154，如 SIFT 中一样 H 可选的 3x3 单应性矩阵，用于扭曲 DAISY 的网格，但采样关键点在图像插值上保持未扭曲，切换以禁用插值以提高速度，同时稍微降低质量 use_orientation 使用关键点方向采样模式，默认情况下禁用。
|
| DenseOpticalFlow |
密集光流算法的基类
|
| DescriptorMatcher |
用于匹配关键点描述符的抽象基类。
|
| DetectionModel |
此类表示目标检测网络的高级 API。
|
| DetectorParameters |
ArucoDetector 使用 struct DetectorParameters
|
| Dictionary |
Dictionary 是一组相同大小的唯一 ArUco 标记 bytesList 存储为具有 4 个通道的二维 Mat（使用了 CV_8UC4 类型）并包含标记码字，其中：- bytesList.rows 是字典大小 - 每个标记使用 nbytes = ceil(markerSize*markerSize/8.) 字节编码 - 每行包含标记的 4 个旋转，因此其长度为 4*nbytes - bytesList[i] 行中的字节顺序：//无旋转的字节/旋转 1 的字节/旋转 2 的字节/旋转 3 的字节// 因此 bytesList.ptr(i)[k*nbytes + j] 是第 i 个标记的第 j 个字节，在其第 k 个旋转中。
|
| DictValue |
此结构存储以下类型之一的标量值（或数组）：double、cv::String 或 int64。
|
| DISOpticalFlow |
DIS 光流算法。
|
| DisparityFilter |
所有视差图滤波器的主接口。
|
| DisparityWLSFilter |
基于加权最小二乘滤波器（以快速全局平滑器的形式，比传统的加权最小二乘滤波器实现快得多）和可选使用基于左右一致性的置信度来细化半遮挡和均匀区域结果的视差图滤波器。
|
| DMatch |
匹配结构：查询描述符索引、训练描述符索引、训练图像索引和描述符之间的距离。
|
| Dnn |
|
| Dnn_superres |
|
| DnnSuperResImpl |
一个使用卷积神经网络放大图像的类。
|
| DTFilter |
域变换滤波器实现的接口。
|
| DTrees |
该类表示单个决策树或决策树的集合。
|
| EdgeAwareInterpolator |
基于 CITE: Revaud2015 中改进的局部加权仿射估计器和作为后处理滤波器的快速全局平滑器的稀疏匹配插值算法。
|
| EdgeBoxes |
实现 CITE: ZitnickECCV14edgeBoxes 中的 EdgeBoxes 算法的类
|
| EdgeDrawing |
实现 ED (EdgeDrawing) CITE: topal2012edge、EDLines CITE: akinlar2011edlines、EDPF CITE: akinlar2012edpf 和 EDCircles CITE: akinlar2013edcircles 算法的类
|
| EdgeDrawing_Params |
|
| EigenFaceRecognizer |
|
| EM |
该类实现了期望最大化算法。
|
| ERFilter |
Neumann 和 Matas 场景文本检测算法第一和第二阶段的基类，参考文献：Neumann12。
|
| ERFilter_Callback |
将分类器作为类回调。
|
| EstimateParameters |
已弃用。
|
| Face |
|
| FaceDetectorYN |
基于DNN的人脸检测模型下载链接：https://github.com/opencv/opencv_zoo/tree/master/models/face_detection_yunet
|
| Facemark |
所有 facemark 模型的抽象基类。要在您的程序中使用此 API，请查看 REF: tutorial_table_of_content_facemark ### 描述 Facemark 是一个基类，它提供对任何特定 facemark 算法的通用访问。
|
| FacemarkAAM |
|
| FacemarkKazemi |
|
| FacemarkLBF |
|
| FacemarkTrain |
可训练 facemark 模型的抽象基类。要在您的程序中使用此 API，请查看 REF: tutorial_table_of_content_facemark ### 描述 OpenCV 中的 AAM 和 LBF facemark 模型派生自抽象基类 FacemarkTrain，它提供对 OpenCV 中这些 facemark 算法的统一访问。
|
| FaceRecognizer |
所有面部识别模型的抽象基类。OpenCV 中的所有面部识别模型都派生自抽象基类 FaceRecognizer，它提供对 OpenCV 中所有面部识别算法的统一访问。
|
| FaceRecognizerSF |
基于DNN的人脸识别模型下载链接：https://github.com/opencv/opencv_zoo/tree/master/models/face_recognition_sface
|
| FarnebackOpticalFlow |
使用 Gunnar Farneback 算法计算密集光流的类。
|
| FastBilateralSolverFilter |
快速双边求解器的实现接口。
|
| FastFeatureDetector |
使用 FAST 方法进行特征检测的包装类。
|
| FastGlobalSmootherFilter |
快速全局平滑滤波器的实现接口。
|
| FastLineDetector |
实现 FLD（快速线检测）算法的类，该算法在 CITE: Lee14 中有描述。
|
| Feature2D |
二维图像特征检测器和描述符提取器的抽象基类。
|
| Features2d |
|
| FisherFaceRecognizer |
|
| FlannBasedMatcher |
基于 Flann 的描述符匹配器。
|
| FREAK |
实现 FREAK（快速视网膜关键点）关键点描述符的类，在 CITE: AOV12 中有描述。
|
| GeneralizedHough |
使用广义霍夫变换在灰度图像中查找任意模板。
|
| GeneralizedHoughBallard |
使用广义霍夫变换在灰度图像中查找任意模板。仅检测位置，不包含平移和旋转，参考文献：Ballard1981。
|
| GeneralizedHoughGuil |
使用广义霍夫变换在灰度图像中查找任意模板。检测位置、平移和旋转，参考文献：Guil1999。
|
| GFTTDetector |
使用 goodFeaturesToTrack 函数进行特征检测的包装类。
|
| GraphicalCodeDetector |
|
| GraphSegmentation |
基于图的分割算法。
|
| GrayCodePattern |
实现基于 CITE: UNDERWORLD 的灰度码模式的类。
|
| GrayworldWB |
灰世界白平衡算法。该算法基于灰世界假设（所有通道的平均值应导致灰度图像）缩放像素值。
|
| GridBoard |
具有网格排列标记的平面板。更常见的板类型。
|
| GuidedFilter |
（快速）引导滤波器的实现接口。
|
| HarrisLaplaceFeatureDetector |
实现 Harris-Laplace 特征检测器的类，如 CITE: Mikolajczyk2004 所述。
|
| HighGui |
此类旨在用于 Java 应用程序中，以重新创建 OpenCV HighGui 功能。
|
| HistogramPhaseUnwrapping |
实现基于 CITE: histogramUnwrapping 的二维相位展开的类。此算法属于质量引导的相位展开方法。
|
| HistogramPhaseUnwrapping_Params |
phaseUnwrapping 构造函数的参数。
|
| HOGDescriptor |
HOG（定向梯度直方图）描述符和目标检测器的实现。
|
| Image2BlobParams |
图像到 Blob 的处理参数。
|
| ImageWindow |
此类旨在创建和操作 HighGui 类将使用的窗口。
|
| Img_hash |
|
| Imgcodecs |
|
| ImgHashBase |
图像哈希算法的基类。
|
| Imgproc |
|
| IntelligentScissorsMB |
智能剪刀图像分割。此类用于查找两点之间的路径（轮廓），可用于图像分割。
|
| IStreamReader |
读取数据流接口。
|
| KalmanFilter |
卡尔曼滤波器类。
|
| KAZE |
实现 KAZE 关键点检测器和描述符提取器的类，在 CITE: ABD12 中有描述。
|
| KeyPoint |
|
| KeypointsModel |
此类表示关键点模型的高级 API。KeypointsModel 允许设置预处理输入图像的参数。
|
| KNearest |
该类实现了 K 近邻模型，参见：REF: ml_intro_knn
|
| LATCH |
计算 LATCH 描述符的类。
|
| Layer |
此接口类允许构建新的层——网络的构建块。
|
| LBPHFaceRecognizer |
|
| LearningBasedWB |
更复杂的基于学习的自动白平衡算法。
|
| legacy_MultiTracker |
此类用于使用指定的跟踪器算法跟踪多个对象。
|
| legacy_Tracker |
长期跟踪器的抽象基类。
|
| legacy_TrackerBoosting |
Boosting 跟踪器。这是一种基于 AdaBoost 算法的新型在线版本的实时目标跟踪。
|
| legacy_TrackerCSRT |
CSRT 跟踪器。该实现基于 CITE: Lukezic_IJCV2018 带通道和空间可靠性的判别相关滤波器。
|
| legacy_TrackerKCF |
KCF（核相关滤波器）跟踪器。KCF 是一个新颖的跟踪框架，它利用循环矩阵的特性来提高处理速度。
|
| legacy_TrackerMedianFlow |
中值流跟踪器。论文 CITE: MedianFlow 的实现。
|
| legacy_TrackerMIL |
MIL 算法以在线方式训练分类器，以将对象与背景分离。
|
| legacy_TrackerMOSSE |
MOSSE（最小输出平方误差和）跟踪器。该实现基于 CITE: MOSSE 使用自适应相关滤波器的视觉目标跟踪 **注意：**此跟踪器使用灰度图像，如果传递 BGR 图像，它们将在内部进行转换。
|
| legacy_TrackerTLD |
TLD（跟踪、学习和检测）跟踪器。TLD 是一个新颖的跟踪框架，它将长期跟踪任务明确地分解为跟踪、学习和检测。
|
| LineSegmentDetector |
线段检测器类，遵循 CITE: Rafael12 中描述的算法。
|
| LogisticRegression |
实现逻辑回归分类器。
|
| LUCID |
实现局部均匀比较图像描述符的类，在 CITE: LUCID 中有描述。这是一种可以非常快速计算的图像描述符，其鲁棒性与 SURF 或 BRIEF 等相当。
|
| MACE |
最小平均相关能量滤波器，适用于（可取消的）生物特征认证。
|
| MarrHildrethHash |
基于 Marr-Hildreth 算子的哈希，速度最慢但更具辨别力。
|
| Mat |
|
| Mat.Atable<T> |
|
| Mat.Tuple2<T> |
|
| Mat.Tuple3<T> |
|
| Mat.Tuple4<T> |
|
| MatOfByte |
|
| MatOfDMatch |
|
| MatOfDouble |
|
| MatOfFloat |
|
| MatOfFloat4 |
|
| MatOfFloat6 |
|
| MatOfInt |
|
| MatOfInt4 |
|
| MatOfKeyPoint |
|
| MatOfPoint |
|
| MatOfPoint2f |
|
| MatOfPoint3 |
|
| MatOfPoint3f |
|
| MatOfRect |
|
| MatOfRect2d |
|
| MatOfRotatedRect |
|
| MergeDebevec |
生成的HDR图像计算为曝光值的加权平均值，并考虑曝光值和相机响应。
|
| MergeExposures |
可以将曝光序列合并为单个图像的基类算法。
|
| MergeMertens |
使用对比度、饱和度和曝光度量对像素进行加权，然后使用拉普拉斯金字塔组合图像。
|
| MergeRobertson |
生成的HDR图像计算为曝光值的加权平均值，并考虑曝光值和相机响应。
|
| Ml |
|
| Model |
此类提供了神经网络的高级API。
|
| Moments |
|
| MSDDetector |
实现MSD（*最大自相似性*）关键点检测器的类，如文献CITE: Tombari14所述。
|
| MSER |
最大稳定极值区域提取器 该类封装了%MSER提取算法的所有参数（参见[维基百科文章](http://en.wikipedia.org/wiki/Maximally_stable_extremal_regions)）。
|
| Net |
此类允许创建和操作综合人工神经网络。
|
| NormalBayesClassifier |
用于正态分布数据的贝叶斯分类器。
|
| Objdetect |
|
| OCRBeamSearchDecoder |
OCRBeamSearchDecoder类提供了一个使用波束搜索算法进行OCR的接口。
|
| OCRBeamSearchDecoder_ClassifierCallback |
带有字符分类器的回调被设置为一个类。
|
| OCRHMMDecoder |
OCRHMMDecoder类提供了一个使用隐马尔可夫模型进行OCR的接口。
|
| OCRHMMDecoder_ClassifierCallback |
带有字符分类器的回调被设置为一个类。
|
| OCRTesseract |
OCRTesseract类提供了一个与C++中tesseract-ocr API (v3.02.02) 的接口。
|
| OpenCVInterface |
虚拟接口，允许在OSGi实现中进行一些集成测试。
|
| OpenCVNativeLoader |
此类旨在提供一种方便的方法来从Java包加载OpenCV的原生库。
|
| ORB |
实现ORB（*定向BRIEF*）关键点检测器和描述符提取器的类，如文献CITE: RRKB11所述。
|
| ParamGrid |
该结构表示统计模型参数的对数网格范围。
|
| PCTSignatures |
实现PCT（位置-颜色-纹理）特征提取的类，如文献CITE: KrulisLS16所述。
|
| PCTSignaturesSQFD |
实现特征二次型距离 (SQFD) 的类。
|
| Phase_unwrapping |
|
| PhaseUnwrapping |
相位解缠的抽象基类。
|
| PHash |
pHash 比average_hash慢，但对微小修改具有容忍性。此算法可以对抗比averageHash更多的变化，更多细节请参考CITE: lookslikeit。
|
| Photo |
|
| Plot |
|
| Plot2d |
plot Mat数据的绘图函数
|
| Point |
|
| Point3 |
|
| PredictCollector |
所有预测结果处理策略的抽象基类
|
| QRCodeDetector |
|
| QRCodeDetectorAruco |
|
| QRCodeDetectorAruco_Params |
|
| QRCodeEncoder |
对目标候选矩形进行分组。
|
| QRCodeEncoder_Params |
二维码编码器参数。
|
| RadialVarianceHash |
基于Radon变换的图像哈希。
|
| Range |
|
| Rect |
|
| Rect2d |
|
| RefineParameters |
结构体RefineParameters由ArucoDetector使用。
|
| Retina |
允许将Gipsa/Listic Labs模型与OpenCV一起使用的类。
|
| RetinaFastToneMapping |
一个包装类，允许将Meylan&al(2007)的色调映射算法与OpenCV一起使用。
|
| RFFeatureGetter |
2014年6月17日
|
| RICInterpolator |
基于改进的分段局部加权仿射估计器（称为对应关系的鲁棒插值法或来自CITE: Hu2017的RIC）的稀疏匹配插值算法，以及作为后处理滤波器的变分和快速全局平滑器。
|
| RidgeDetectionFilter |
将脊线检测滤波器应用于输入图像。
|
| RotatedRect |
|
| RTrees |
该类实现了随机森林预测器。
|
| Scalar |
|
| ScanSegment |
实现Loke SC等人提出的F-DBSCAN（使用并行化DBSCAN算法加速超像素图像分割）超像素算法的类。
|
| SegmentationModel |
此类表示分割模型的高级API。SegmentationModel允许设置预处理输入图像的参数。
|
| SelectiveSearchSegmentation |
选择性搜索分割算法 该类实现了文献CITE: uijlings2013selective中描述的算法。
|
| SelectiveSearchSegmentationStrategy |
选择性搜索分割算法的策略 该类实现了文献CITE: uijlings2013selective中描述的算法的通用策略。
|
| SelectiveSearchSegmentationStrategyColor |
基于颜色的选择性搜索分割算法策略 该类是根据文献CITE: uijlings2013selective中描述的算法实现的。
|
| SelectiveSearchSegmentationStrategyFill |
基于填充的选择性搜索分割算法策略 该类是根据文献CITE: uijlings2013selective中描述的算法实现的。
|
| SelectiveSearchSegmentationStrategyMultiple |
重新组合选择性搜索分割算法的多个策略
|
| SelectiveSearchSegmentationStrategySize |
基于大小的选择性搜索分割算法策略 该类是根据文献CITE: uijlings2013selective中描述的算法实现的。
|
| SelectiveSearchSegmentationStrategyTexture |
基于纹理的选择性搜索分割算法策略 该类是根据文献CITE: uijlings2013selective中描述的算法实现的。
|
| SIFT |
使用D. Lowe的尺度不变特征变换(SIFT)算法提取关键点并计算描述符的类。
|
| SimpleBlobDetector |
用于从图像中提取斑点的类。
|
| SimpleBlobDetector_Params |
|
| SimpleWB |
一个简单的白平衡算法，通过将输入图像的每个通道独立地拉伸到指定的范围来工作。
|
| SinusoidalPattern |
实现基于文献CITE: faps的傅里叶变换轮廓测量(FTP)、相移轮廓测量(PSP)和傅里叶辅助相移轮廓测量(FAPS)的类。
|
| SinusoidalPattern_Params |
SinusoidalPattern构造函数的参数 width 投影仪的宽度。
|
| Size |
|
| SparseMatchInterpolator |
所有滤波器的主要接口，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。
|
| SparseOpticalFlow |
稀疏光流算法的基接口。
|
| SparsePyrLKOpticalFlow |
用于计算稀疏光流的类。
|
| StandardCollector |
默认预测收集器 跟踪最小距离并进行阈值检查（这是大多数预测逻辑的默认行为）。
|
| StarDetector |
该类实现了文献CITE: Agrawal08中介绍的关键点检测器，与StarDetector同义。
|
| StatModel |
OpenCV ML中统计模型的基类。
|
| StereoBM |
使用K. Konolige引入并贡献给OpenCV的块匹配算法计算立体对应关系的类。
|
| StereoMatcher |
立体对应算法的基类。
|
| StereoSGBM |
该类实现了改进的H. Hirschmüller立体匹配算法。
|
| Structured_light |
|
| StructuredEdgeDetection |
实现文献CITE: Dollar2013中边缘检测算法的类。
|
| StructuredLightPattern |
用于生成和解码结构光图案的抽象基类。
|
| Subdiv2D |
|
| SuperpixelLSC |
实现文献CITE: LiCVPR2015LSC中描述的LSC（线性谱聚类）超像素算法的类。
|
| SuperpixelSEEDS |
实现文献CITE: VBRV14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。
|
| SuperpixelSLIC |
实现文献CITE: Achanta2012中描述的SLIC（简单的线性迭代聚类）超像素算法的类。
|
| SURF |
用于从图像中提取加速鲁棒特征的类 CITE: Bay06。
|
| SURF_CUDA |
用于从图像中提取加速鲁棒特征 (SURF) 的类。
|
| SVM |
支持向量机。
|
| SVMSGD |
*************************************************************************************\ 随机梯度下降SVM分类器 * \***************************************************************************************
|
| SyntheticSequenceGenerator |
用于测试背景减除算法的合成帧序列生成器。
|
| TBMR |
实现基于树的莫尔斯区域 (TBMR) 的类，如 CITE: Najman2014 中所述，并扩展了比例提取能力。
|
| TEBLID |
实现 TEBLID（基于三元组的高效二元局部图像描述符）的类，如 CITE: Suarez2021TEBLID 中所述。
|
| 终止条件 |
|
| 文本 |
|
| 文本检测模型 |
文本检测网络的基类
|
| TextDetectionModel_DB |
此类代表与 DB 模型兼容的文本检测深度学习网络的高级 API。
|
| TextDetectionModel_EAST |
此类代表与 EAST 模型兼容的文本检测深度学习网络的高级 API。
|
| 文本检测器 |
提供文本检测算法接口的抽象类
|
| TextDetectorCNN |
TextDetectorCNN 类提供文本边界框检测的功能。
|
| 文本识别模型 |
此类代表文本识别网络的高级 API。
|
| 计时器 |
用于测量经过时间的类。
|
| 色调映射 |
色调映射算法的基类——用于将 HDR 图像映射到 8 位范围的工具。
|
| TonemapDrago |
自适应对数映射是一种快速的全局色调映射算法，它在对数域中缩放图像。
|
| TonemapDurand |
该算法使用双边滤波器将图像分解为两层：底层和细节层，并压缩底层的对比度，从而保留所有细节。
|
| TonemapMantiuk |
该算法使用高斯金字塔所有级别的梯度将图像转换为对比度，将对比度值转换为 HVS 响应并缩放响应。
|
| TonemapReinhard |
这是一个模拟人类视觉系统的全局色调映射算子。
|
| 跟踪器 |
长期跟踪器的抽象基类。
|
| TrackerCSRT |
CSRT 跟踪器。该实现基于 CITE: Lukezic_IJCV2018 带通道和空间可靠性的判别相关滤波器。
|
| TrackerCSRT_Params |
|
| TrackerDaSiamRPN |
|
| TrackerDaSiamRPN_Params |
|
| TrackerGOTURN |
GOTURN（使用回归网络的通用目标跟踪）跟踪器 GOTURN（CITE: GOTURN）是一种基于卷积神经网络 (CNN) 的跟踪器。
|
| TrackerGOTURN_Params |
|
| TrackerKCF |
KCF（核相关滤波器）跟踪器。KCF 是一个新颖的跟踪框架，它利用循环矩阵的特性来提高处理速度。
|
| TrackerKCF_Params |
|
| TrackerMIL |
MIL 算法以在线方式训练分类器，以将对象与背景分离。
|
| TrackerMIL_Params |
|
| TrackerNano |
Nano 跟踪器是一个超轻量级的基于深度神经网络的通用目标跟踪器。
|
| TrackerNano_Params |
|
| TrackerVit |
VIT 跟踪器是一个超轻量级的基于深度神经网络的通用目标跟踪器。
|
| TrackerVit_Params |
|
| 跟踪 |
|
| 训练数据 |
封装训练数据的类。
|
| 瞬态区域分割模块 |
提供瞬态/移动区域分割模块的类，通过使用视网膜 Magno 输入数据执行局部自适应分割。基于 Alexandre BENOIT 的论文：“Le système visuel humain au secours de la vision par ordinateur”，使用了 3 个时空滤波器：第一个滤波器滤除输入运动能量的噪声和局部变化；第二个（更强大的低通空间滤波器）提供邻域运动能量；分割包括比较这两个输出，如果局部运动能量高于邻域运动能量，则该区域被视为移动区域并进行分割；更强的第三个低通滤波器通过提供关于更广阔区域中“运动上下文”的平滑信息来帮助决策。
|
| UsacParams |
|
| 变分细化 |
变分光流细化 此类实现输入流场的变分细化，即。
|
| VGG |
实现 VGG（牛津视觉几何组）描述符的类，使用“使用凸优化的描述符学习”（DLCO）装置进行端到端训练，如 CITE: Simonyan14 中所述。
|
| 视频 |
|
| VideoCapture |
用于从视频文件、图像序列或摄像机捕获视频的类。
|
| Videoio |
|
| VideoWriter |
视频写入器类。
|
| Wechat_qrcode |
|
| 微信二维码 |
微信二维码包括两个基于 CNN 的模型：一个目标检测模型和一个超分辨率模型。
|
| 白平衡器 |
自动白平衡算法的基类。
|
| Xfeatures2d |
|
| Ximgproc |
|
| Xphoto |
|