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的矩阵。这些分量用于后续计算，其中每个分量代表特定子区域的平均颜色。

函数
void	cv::ft::FT02D_components ( InputArray matrix, InputArray kernel, OutputArray components, InputArray mask=noArray() )
	使用直接 \(F^0\)-变换计算数组的组件。

void	cv::ft::FT02D_FL_process ( InputArray matrix, const int radius, OutputArray output )
	稍微不太准确的 \(F^0\) -变换计算版本，针对更高的速度进行了优化。该方法采用线性基本函数进行计算。

void	cv::ft::FT02D_FL_process_float ( InputArray matrix, const int radius, OutputArray output )
	稍微不太准确的 \(F^0\) -变换计算版本，针对更高的速度进行了优化。该方法采用线性基本函数进行计算。

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	矩阵,
		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 \(F^0\)-变换计算数组的组件。

参数

矩阵	输入数组。
kernel	用于处理的内核。可以使用函数 `ft::createKernel`。
components	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内核和掩码计算分量。

◆ FT02D_FL_process()

void cv::ft::FT02D_FL_process	(	InputArray	矩阵,
		const int	radius,
		OutputArray	output )

Python
	cv.ft.FT02D_FL_process(	matrix, radius[, output]	) ->	输出

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

稍微不太准确的 \(F^0\) -变换计算版本，针对更高的速度进行了优化。该方法采用线性基本函数进行计算。

参数

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

此函数一步计算 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	矩阵,
		const int	radius,
		OutputArray	output )

Python
	cv.ft.FT02D_FL_process_float(	matrix, radius[, output]	) ->	输出

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

稍微不太准确的 \(F^0\) -变换计算版本，针对更高的速度进行了优化。该方法采用线性基本函数进行计算。

参数

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

此函数一步计算 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 方法更准确。

◆ FT02D_inverseFT()

void cv::ft::FT02D_inverseFT	(	InputArray	components,
		InputArray	kernel,
		OutputArray	输出,
		int	width,
		int	height )

Python
	cv.ft.FT02D_inverseFT(	分量，核，宽度，高度[, 输出]	) ->	输出

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

计算逆 \(F^0\)-变换。

参数

components	分量的输入 32 位浮点单通道数组。
kernel	用于处理的内核。可以使用函数 `ft::createKernel`。
输出	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	矩阵,
		InputArray	kernel,
		OutputArray	输出,
		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

矩阵	输入矩阵。
kernel	用于处理的内核。可以使用函数 `ft::createKernel`。
输出	输出 32 位浮点数组。
mask	用于标记不需要的区域的掩码。
maskOutput	一次迭代后的掩码。
firstStop	如果为 true，则函数在第一次出现问题时返回 -1。如果为 `false`，则完成该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，并处理图像和掩码更改。该函数在 ft::inpaint 函数中使用。

◆ FT02D_process()

void cv::ft::FT02D_process	(	InputArray	矩阵,
		InputArray	kernel,
		OutputArray	输出,
		InputArray	mask = noArray() )

Python
	cv.ft.FT02D_process(	矩阵，核[, 输出[, 掩码]]	) ->	输出

#include <opencv2/fuzzy/fuzzy_F0_math.hpp>

同时计算 \(F^0\) -变换和逆 \(F^0\) -变换。

参数

矩阵	输入矩阵。
kernel	用于处理的内核。可以使用函数 `ft::createKernel`。
输出	输出 32 位浮点数组。
mask	用于标记不需要的区域的掩码。

此函数一步计算 F-变换和逆 F-变换。它对于 cv::Mat 是完全足够的且经过优化。