java.lang.Object
- org.opencv.imgproc.IntelligentScissorsMB

```
public class IntelligentScissorsMB
extends java.lang.Object
```
智能剪刀图像分割此类用于查找可用于图像分割的两点之间的路径（轮廓）。使用示例：代码片段：snippets/imgproc_segmentation.cpp usage_example_intelligent_scissors 参考："用于图像合成的智能剪刀" Brigham Young University 的 Eric N. Mortensen 和 William A. Barrett 设计的算法引用：Mortensen95intelligentscissors

字段摘要

字段
修饰符和类型字段描述

protected long nativeObj

构造函数摘要

构造函数
修饰符构造函数描述

IntelligentScissorsMB()

protected IntelligentScissorsMB(long addr)

方法摘要

所有方法静态方法实例方法具体方法
修饰符和类型	方法	描述
`static IntelligentScissorsMB`	`__fromPtr__(long addr)`
`IntelligentScissorsMB`	`applyImage(Mat image)`	指定输入图像并提取图像特征
`IntelligentScissorsMB`	`applyImageFeatures(Mat non_edge, Mat gradient_direction, Mat gradient_magnitude)`	指定输入图像的自定义特征 applyImage() 调用的自定义高级变体。
`IntelligentScissorsMB`	`applyImageFeatures(Mat non_edge, Mat gradient_direction, Mat gradient_magnitude, Mat image)`	指定输入图像的自定义特征 applyImage() 调用的自定义高级变体。
`void`	`buildMap(Point sourcePt)`	为图像上给定的源点准备最佳路径映射注意：在此调用之前必须调用 applyImage() / applyImageFeatures()
`protected void`	`finalize()`
`void`	`getContour(Point targetPt, Mat contour)`	提取图像上给定目标点的最佳轮廓注意：在此调用之前必须调用 buildMap()
`void`	`getContour(Point targetPt, Mat contour, boolean backward)`	提取图像上给定目标点的最佳轮廓注意：在此调用之前必须调用 buildMap()
`long`	`getNativeObjAddr()`
`IntelligentScissorsMB`	`setEdgeFeatureCannyParameters(double threshold1, double threshold2)`	切换边缘特征提取器以使用 Canny 边缘检测器注意：默认情况下使用“拉普拉斯零交叉”特征提取器（遵循原始文章）参见：Canny
`IntelligentScissorsMB`	`setEdgeFeatureCannyParameters(double threshold1, double threshold2, int apertureSize)`	切换边缘特征提取器以使用 Canny 边缘检测器注意：默认情况下使用“拉普拉斯零交叉”特征提取器（遵循原始文章）参见：Canny
`IntelligentScissorsMB`	`setEdgeFeatureCannyParameters(double threshold1, double threshold2, int apertureSize, boolean L2gradient)`	切换边缘特征提取器以使用 Canny 边缘检测器注意：默认情况下使用“拉普拉斯零交叉”特征提取器（遵循原始文章）参见：Canny
`IntelligentScissorsMB`	`setEdgeFeatureZeroCrossingParameters()`	切换到“拉普拉斯零交叉”边缘特征提取器并指定其参数根据文章，默认使用此特征提取器。
`IntelligentScissorsMB`	`setEdgeFeatureZeroCrossingParameters(float gradient_magnitude_min_value)`	切换到“拉普拉斯零交叉”边缘特征提取器并指定其参数根据文章，默认使用此特征提取器。
`IntelligentScissorsMB`	`setGradientMagnitudeMaxLimit()`	指定梯度幅度最大值阈值零极限值用于禁用梯度幅度阈值（默认行为，如原始文章所述）。
`IntelligentScissorsMB`	`setGradientMagnitudeMaxLimit(float gradient_magnitude_threshold_max)`	指定梯度幅度最大值阈值零极限值用于禁用梯度幅度阈值（默认行为，如原始文章所述）。
`IntelligentScissorsMB`	`setWeights(float weight_non_edge, float weight_gradient_direction, float weight_gradient_magnitude)`	指定特征函数的权重考虑保持权重归一化（权重总和等于 1.0）离散动态规划 (DP) 目标是最小化像素之间的成本。

从类 java.lang.Object 继承的方法
clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 字段详情
  - nativeObj
```
protected final long nativeObj
```
- 构造函数详情
  - IntelligentScissorsMB
```
protected IntelligentScissorsMB(long addr)
```
  - IntelligentScissorsMB
```
public IntelligentScissorsMB()
```
- 方法详情
  - getNativeObjAddr
```
public long getNativeObjAddr()
```
  - __fromPtr__
```
public static IntelligentScissorsMB __fromPtr__(long addr)
```
  - setWeights
```
public IntelligentScissorsMB setWeights(float weight_non_edge,
                                        float weight_gradient_direction,
                                        float weight_gradient_magnitude)
```
    指定特征函数的权重考虑保持权重归一化（权重总和等于 1.0）离散动态规划 (DP) 目标是最小化像素之间的成本。
    
    参数
    
    weight_non_edge - 指定非边缘像素的成本（默认值：0.43f）
    
    weight_gradient_direction - 指定梯度方向函数的成本（默认值：0.43f）
    
    weight_gradient_magnitude - 指定梯度幅度函数的成本（默认值：0.14f）
    
    返回
    
    自动生成
  - setGradientMagnitudeMaxLimit
```
public IntelligentScissorsMB setGradientMagnitudeMaxLimit(float gradient_magnitude_threshold_max)
```
    指定梯度幅度最大值阈值零极限值用于禁用梯度幅度阈值（默认行为，如原始文章所述）。否则，梯度幅度 >= 阈值 的像素成本为零。注意：对于具有不规则区域的图像，应使用阈值（以避免停留在高对比度区域的参数上，例如嵌入式徽标）。
    
    参数
    
    gradient_magnitude_threshold_max - 指定梯度幅度最大值阈值（默认值：0，禁用）
    
    返回
    
    自动生成
  - setGradientMagnitudeMaxLimit
```
public IntelligentScissorsMB setGradientMagnitudeMaxLimit()
```
    指定梯度幅度最大值阈值零极限值用于禁用梯度幅度阈值（默认行为，如原始文章所述）。否则，梯度幅度 >= 阈值 的像素成本为零。注意：对于具有不规则区域的图像，应使用阈值（以避免停留在高对比度区域的参数上，例如嵌入式徽标）。
    
    返回
    
    自动生成
  - setEdgeFeatureZeroCrossingParameters
```
public IntelligentScissorsMB setEdgeFeatureZeroCrossingParameters(float gradient_magnitude_min_value)
```
    切换到“拉普拉斯零交叉”边缘特征提取器并指定其参数根据文章，默认使用此特征提取器。实现对具有低幅度噪声的区域进行了额外的滤波。此滤波通过最小梯度幅度参数启用（使用一些较小的值 4、8、16）。注意：此特征提取器的当前实现基于灰度图像的处理（彩色图像首先转换为灰度图像）。注意：Canny 边缘检测器速度稍慢，但效果更好（尤其是在彩色图像上）：使用 setEdgeFeatureCannyParameters()。
    
    参数
    
    gradient_magnitude_min_value - 边缘像素的最小梯度幅度值（默认值：0，禁用检查）
    
    返回
    
    自动生成
  - setEdgeFeatureZeroCrossingParameters
```
public IntelligentScissorsMB setEdgeFeatureZeroCrossingParameters()
```
    切换到“拉普拉斯零交叉”边缘特征提取器并指定其参数根据文章，默认使用此特征提取器。实现对具有低幅度噪声的区域进行了额外的滤波。此滤波通过最小梯度幅度参数启用（使用一些较小的值 4、8、16）。注意：此特征提取器的当前实现基于灰度图像的处理（彩色图像首先转换为灰度图像）。注意：Canny 边缘检测器速度稍慢，但效果更好（尤其是在彩色图像上）：使用 setEdgeFeatureCannyParameters()。
    
    返回
    
    自动生成
  - setEdgeFeatureCannyParameters
```
public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1,
                                                           double threshold2,
                                                           int apertureSize,
                                                           boolean L2gradient)
```
    切换边缘特征提取器以使用 Canny 边缘检测器 注意：默认情况下使用“拉普拉斯零交叉”特征提取器（遵循原始文章）参见：Canny
    
    参数
    
    threshold1 - 自动生成
    
    threshold2 - 自动生成
    
    apertureSize - 自动生成
    
    L2gradient - 自动生成
    
    返回
    
    自动生成
  - setEdgeFeatureCannyParameters
```
public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1,
                                                           double threshold2,
                                                           int apertureSize)
```
    切换边缘特征提取器以使用 Canny 边缘检测器 注意：默认情况下使用“拉普拉斯零交叉”特征提取器（遵循原始文章）参见：Canny
    
    参数
    
    threshold1 - 自动生成
    
    threshold2 - 自动生成
    
    apertureSize - 自动生成
    
    返回
    
    自动生成
  - setEdgeFeatureCannyParameters
```
public IntelligentScissorsMB setEdgeFeatureCannyParameters(double threshold1,
                                                           double threshold2)
```
    切换边缘特征提取器以使用 Canny 边缘检测器 注意：默认情况下使用“拉普拉斯零交叉”特征提取器（遵循原始文章）参见：Canny
    
    参数
    
    threshold1 - 自动生成
    
    threshold2 - 自动生成
    
    返回
    
    自动生成
  - applyImage
```
public IntelligentScissorsMB applyImage(Mat image)
```
    指定输入图像并提取图像特征
    
    参数
    
    image - 输入图像。类型为 #CV_8UC1 / #CV_8UC3
    
    返回
    
    自动生成
  - applyImageFeatures
```
public IntelligentScissorsMB applyImageFeatures(Mat non_edge,
                                                Mat gradient_direction,
                                                Mat gradient_magnitude,
                                                Mat image)
```
    指定输入图像的自定义特征 applyImage() 调用的自定义高级变体。
    
    参数
    
    non_edge - 指定非边缘像素的成本。类型为 CV_8UC1。预期值为 {0, 1}。
    
    gradient_direction - 指定梯度方向特征。类型为 CV_32FC2。预期值为归一化值：x^2 + y^2 == 1
    
    gradient_magnitude - 指定梯度幅度函数的成本：类型为 CV_32FC1。值应在范围 [0, 1] 内。
    
    image - 可选参数。如果指定了特征子集（内部计算未指定的特征），则必须指定。
    
    返回
    
    自动生成
  - applyImageFeatures
```
public IntelligentScissorsMB applyImageFeatures(Mat non_edge,
                                                Mat gradient_direction,
                                                Mat gradient_magnitude)
```
    指定输入图像的自定义特征 applyImage() 调用的自定义高级变体。
    
    参数
    
    non_edge - 指定非边缘像素的成本。类型为 CV_8UC1。预期值为 {0, 1}。
    
    gradient_direction - 指定梯度方向特征。类型为 CV_32FC2。预期值为归一化值：x^2 + y^2 == 1
    
    gradient_magnitude - 指定梯度幅度函数的成本：类型为 CV_32FC1。值应在范围 [0, 1] 内。
    
    返回
    
    自动生成
  - buildMap
```
public void buildMap(Point sourcePt)
```
    为图像上给定的源点准备最佳路径映射 注意：在此调用之前必须调用 applyImage() / applyImageFeatures()
    
    参数
    
    sourcePt - 用于查找路径的源点
  - getContour
```
public void getContour(Point targetPt,
                       Mat contour,
                       boolean backward)
```
    提取图像上给定目标点的最佳轮廓 注意：在此调用之前必须调用 buildMap()
    
    参数
    
    targetPt - 目标点
    
    contour - 包含图像源点和目标点之间最佳路径的像素列表。类型为 CV_32SC2（与std::vector<Point>兼容）
    
    backward - 标志位，指示检索像素的反向顺序（使用“true”值从目标点到源点获取点）
  - getContour
```
public void getContour(Point targetPt,
                       Mat contour)
```
    提取图像上给定目标点的最佳轮廓 注意：在此调用之前必须调用 buildMap()
    
    参数
    
    targetPt - 目标点
    
    contour - 包含图像源点和目标点之间最佳路径的像素列表。类型为 CV_32SC2（与std::vector<Point>兼容）
  - finalize
```
protected void finalize()
                 throws java.lang.Throwable
```
    覆盖
    
    类java.lang.Object中的finalize 方法
    
    抛出
    
    java.lang.Throwable

修饰符	构造函数	描述
	`IntelligentScissorsMB()`
`protected`	`IntelligentScissorsMB(long addr)`

类 IntelligentScissorsMB

字段摘要

构造函数摘要

方法摘要

从类 java.lang.Object 继承的方法

字段详情

nativeObj

构造函数详情

IntelligentScissorsMB

IntelligentScissorsMB

方法详情

getNativeObjAddr

__fromPtr__

setWeights

setGradientMagnitudeMaxLimit

setGradientMagnitudeMaxLimit

setEdgeFeatureZeroCrossingParameters

setEdgeFeatureZeroCrossingParameters

setEdgeFeatureCannyParameters

setEdgeFeatureCannyParameters

setEdgeFeatureCannyParameters

applyImage

applyImageFeatures

applyImageFeatures

buildMap

getContour

getContour

finalize

fromPtr