cv::ximgproc 命名空间参考

命名空间
命名空间	rl
命名空间	segmentation

类
类	自适应流形滤波器
	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。轮廓拟合通过最小化距离来匹配两个轮廓 \( z_a \) 和 \( z_b \)。更多...
类	DisparityFilter（视差滤波器）
	所有视差图滤波器的主要接口。更多...
类	DisparityWLSFilter（视差WLS滤波器）
	基于加权最小二乘滤波器（以快速全局平滑器形式，比传统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[228]中修改的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EdgeBoxes算法的类，来自[325]：更多...
类	EdgeDrawing
	实现ED（EdgeDrawing）[275]、EDLines [4]、EDPF [5]、EDCircles [6]和ColorED [7]算法的类。更多...
类	FastBilateralSolverFilter
	快速双边求解器实现的接口。更多...
类	快速全局平滑滤波器
	快速全局平滑器滤波器实现的接口。更多...
类	FastLineDetector
	实现FLD（快速线检测器）算法的类，该算法在[158]中描述。更多...
类	GuidedFilter
	（快速）引导滤波器实现的接口。更多...
类	RFFeatureGetter
类	RICInterpolator
	基于修改的分段局部加权仿射估计器（称为相关性鲁棒插值方法或RIC，来自[132]）和变分与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超像素估计进行过分割的分段仿射模型。该方法包含一个有效的传播机制，用于在分段模型之间进行估计。更多...
类	RidgeDetectionFilter
	将脊检测滤波器应用于输入图像。使用输入图像Hessian矩阵的特征值（通过Sobel导数）实现类似于Mathematica中的脊检测。可以使用骨架化和二值化进行额外细化。改编自[81]和[189]。更多...
类	ScanSegment
	实现Loke SC等人提出的F-DBSCAN（使用并行DBSCAN算法加速超像素图像分割）超像素算法的类。[173]为原始论文。更多...
类	SparseMatchInterpolator
	所有滤波器的主要接口，它们以稀疏匹配作为输入，并生成密集的逐像素匹配（光流）作为输出。更多...
类	StructuredEdgeDetection
	实现[72]中边缘检测算法的类：更多...
类	SuperpixelLSC
	实现LSC（线性谱聚类）超像素算法的类，该算法在[163]中描述。更多...
类	SuperpixelSEEDS
	实现SEEDS（通过能量驱动采样提取超像素）超像素算法的类，该算法在[285]中描述。更多...
类	SuperpixelSLIC
	实现SLIC（简单线性迭代聚类）超像素算法的类，该算法在[1]中描述。更多...

类型定义
typedef std::vector< Box >	盒

枚举
枚举	角度范围选项 {   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	边缘感知滤波器列表 {   DTF_NC ,   DTF_IC ,   DTF_RF ,   GUIDED_FILTER ,   AM_FILTER }
枚举	霍夫去偏选项 {   HDO_RAW = 0 ,   HDO_DESKEW = 1 }
	指定是否对霍夫变换图像进行去偏斜处理。更多...
枚举	霍夫操作 {   FHT_MIN = 0 ,   FHT_MAX = 1 ,   FHT_ADD = 2 ,   FHT_AVE = 3 }
	指定二元操作。更多...
枚举	局部二值化方法 {   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	规则选项 {   RO_STRICT = 0x00 ,   RO_IGNORE_BORDERS = 0x01 }
	指定规则验证的程度。更多...
枚举	SLIC类型 {   SLIC = 100 ,   SLICO = 101 ,   MSLIC = 102 }
枚举	细化类型 {   THINNING_ZHANGSUEN = 0 ,   THINNING_GUOHALL = 1 }
枚举	WMF权重类型 {   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。它执行结构保留纹理滤波。有关此滤波器的更多详细信息，请参见[58]。
void	BrightEdges (Mat &_original, Mat &_edgeview, int contrast=1, int shortrange=3, int longrange=9)
void	colorMatchTemplate (InputArray img, InputArray templ, OutputArray result)
	将彩色模板与重叠的彩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（误差高于指定阈值的像素）的函数
double	computeMSE (InputArray GT, InputArray src, Rect ROI)
	用于计算视差图的均方误差的函数。
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)
	便捷的工厂方法，创建DisparityWLSFilter实例，并根据匹配器实例自动设置所有相关滤波器参数。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实例并执行基本初始化例程。使用此方法时，您需要自行设置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实例并执行初始化例程。
Ptr< EdgeAwareInterpolator >	创建边缘感知插值器 ()
	创建EdgeAwareInterpolator实例的工厂方法。
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 Edgeboxes。
Ptr< EdgeDrawing >	创建边缘绘制 ()
	创建指向EdgeDrawing对象的智能指针并初始化。
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)
	创建指向FastLineDetector对象的智能指针并初始化。
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)
	创建四元数图像。
Ptr< RFFeatureGetter >	创建RFFeatureGetter ()
Ptr< RICInterpolator >	创建RIC插值器 ()
	创建RICInterpolator实例的工厂方法。
Ptr< StereoMatcher >	createRightMatcher (Ptr< StereoMatcher > matcher_left)
	用于设置匹配器以计算右视图视差图的便捷方法，在进行置信度过滤时需要此视差图。
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)
	简单的一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过滤，请使用 DTFilter 接口，以避免在初始化阶段进行额外计算。
void	edgePreservingFilter (InputArray src, OutputArray dst, int d, double threshold)
	使用边缘保留滤波器平滑图像。
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)
	简单的一行快速双边求解器滤波器调用。如果您有多个图像需要使用相同的引导图像进行过滤，请使用 FastBilateralSolverFilter 接口，以避免额外计算。
void	fastGlobalSmootherFilter (InputArray guide, InputArray src, OutputArray dst, double lambda, double sigma_color, double lambda_attenuation=0.25, int num_iter=3)
	简单的一行快速全局平滑器滤波器调用。如果您有多个图像需要使用相同的引导图像进行过滤，请使用 FastGlobalSmootherFilter 接口，以避免额外计算。
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 2D 快速霍夫变换。
void	findEllipses (InputArray image, OutputArray ellipses, float scoreThreshold=0.7f, float reliabilityThreshold=0.5f, float centerDistanceThreshold=0.05f)
	使用投影不变修剪法在图像中快速查找椭圆。
void	fourierDescriptor (InputArray src, OutputArray dst, int nbElt=-1, int nbFD=-1)
	平面闭合曲线的傅里叶描述子。
void	getDisparityVis (InputArray src, OutputArray dst, double scale=1.0)
	用于创建视差图可视化（钳制到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 技术或受其启发的一些流行变体对输入图像执行阈值处理。
Matx23d	PeiLinNormalization (InputArray I)
	使用 Pei&Lin 归一化方法计算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)
	对二维四元数数组执行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)
	用于读取真实视差图的函数。支持基本的 Middlebury 和 MPI-Sintel 格式。请注意，生成的视差图已按 16 倍缩放。
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，以实现输入图像的骨架化。
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

角度范围选项

enum cv::ximgproc::AngleRangeOption

指定要计算的霍夫空间部分。

该枚举指定了要计算的霍夫空间部分。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 度的倍数到 45 度的奇数倍。图像被视为从上到下、从左到右书写。角度从垂直线开始，顺时针方向。独立的四分之一和二分之一部分以它们在完整霍夫空间中应有的方向书写。

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

霍夫去偏斜选项

enum cv::ximgproc::HoughDeskewOption

指定是否对霍夫变换图像进行去偏斜。

该枚举指定是否对霍夫变换图像进行去偏斜，从而避免霍夫变换图像通过图像边界发生循环。

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

霍夫操作

enum cv::ximgproc::HoughOp

指定二元运算。

该枚举指定了二元运算，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 \( S \times S \) 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

规则选项

enum cv::ximgproc::RulesOption

指定规则验证的程度。

该枚举指定了规则验证的程度。例如，这可以用于选择合适的输入参数验证方式。

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

加权中值滤波器权重类型

enum 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	未加权的

函数文档

BrightEdges()

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

协方差估计()

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。输入图像必须是复杂类型。
dst	目标估计协方差矩阵。输出矩阵的大小将为 (windowRows*windowCols, windowRows*windowCols)。
windowRows	窗口中的行数。
windowCols	窗口中的列数。窗口大小参数控制估计的准确性。滑动窗口从图像的左上角移动到右下角。窗口的每个位置代表一个样本。如果窗口与图像大小相同，则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的元素数量。

createScanSegment()

cv::Ptr< ScanSegment > cv::ximgproc::createScanSegment	(	int	图像宽度,
		int	图像高度,
		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。它存储图像参数：image_width 和 image_height。它还设置 F-DBSCAN 超像素算法的参数：num_superpixels、threads 和 merge_small。

参数

图像宽度	图像宽度。
图像高度	图像高度。
num_superpixels	期望的超像素数量。请注意，由于限制（取决于图像大小），实际数量可能会更小。使用 getNumberOfSuperpixels() 获取实际数量。
slices	用于并行化的处理线程数。设置为 -1 表示使用最大线程数。实际上，对于较小的图像，四个线程就足够了；对于较大的图像，八个线程就足够了。
merge_small	合并小片段以获得所需的超像素数量。不合并时处理速度会快得多，但图像中会留下许多小片段。

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 2D 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	要计算的霍夫空间部分，参见 cv::AngleRangeOption
makeSkew	指定是否对图像进行偏斜，参见 cv::HoughDeskewOption

该函数计算全角、半角或四分之一角度范围的快速霍夫变换。

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	霍夫空间中的点。
srcImgInfo	霍夫变换的源（输入）图像。
angleRange	点所在的霍夫空间部分，参见 cv::AngleRangeOption
makeSkew	指定是否对图像进行偏斜，参见 cv::HoughDeskewOption
rules	指定线段计算的严格性，参见 cv::RulesOption

返回值

[Vec4i]

霍夫空间中点对应的线段坐标。

备注

如果规则参数设置为 RO_STRICT，则返回的线将沿着源图像的边界进行裁剪。

如果规则参数设置为 RO_WEAK，则对于属于霍夫图像不正确部分的点，返回的线将不会与源图像相交。

该函数计算霍夫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）。
crop	将源图像裁剪成圆形。
norm	将输出 Mat 归一化为灰度并转换为 CV_8U 类型。

此函数计算给定图像在任何范围内的 Radon 变换。详细信息请参见 https://engineering.purdue.edu/~malcolm/pct/CTI_Ch03.pdf。如果输入类型为 CV_8U，输出将为 CV_32S。如果输入类型为 CV_32F 或 CV_64F，输出将为 CV_64F。输出大小将为 num_of_integral x src_diagonal_length。如果选择了裁剪，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	joint,
		InputArray	src,
		OutputArray	dst,
		int	r,
		double	sigma = 25.5,
		int	weightType = WMF_EXP,
		InputArray	mask = noArray() )

Python
	cv.ximgproc.weightedMedianFilter(	joint, src, r[, dst[, 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 [320]

参数

joint	联合的 8 位、1 通道或 3 通道图像。
src	源 8 位或浮点型、1 通道或 3 通道图像。
dst	目标图像。
r	滤波核的半径，应为正整数。
sigma	联合图像的滤波器范围标准差。
weightType	weightType 权重定义的类型，参见 WMFWeightType
mask	一个与 I 具有相同大小的 0-1 掩膜。此掩膜用于忽略某些像素的效果。如果掩膜上的像素值为 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。

另请参见

medianBlur, jointBilateralFilter