| Class |
描述 |
| 自适应流形滤波器 |
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，如 CITE: YM11 中描述的 ASIFT。
|
| AffineFeature2D |
实现关键点仿射适配的类。
|
| 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，如 CITE: ANB13 中所述。
|
| Algorithm |
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 |
用于对同一场景中不同曝光的图像进行对齐的算法基类。
|
| AlignMTB |
该算法将图像转换为中值阈值位图（亮度高于中值亮度为 1，否则为 0），然后使用位操作对结果位图进行对齐。
|
| Animation |
表示包含多个帧的动画。
|
| ANN_MLP |
人工神经网络 - 多层感知器。
|
| Aruco |
|
| ArucoDetector |
ArucoDetector 类的主要功能是使用 detectMarkers() 方法检测图像中的标记。
|
| AverageHash |
计算输入图像的平均哈希值。这是一种快速图像哈希算法，但仅适用于简单情况。
|
| 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 中算法的背景减除模块。
|
| BackgroundSubtractorGSOC |
GSOC 算法的实现，该算法是在 GSOC 期间实现的，并非源自任何论文。
|
| BackgroundSubtractorKNN |
基于 K 最近邻的背景/前景分割算法。
|
| BackgroundSubtractorLSBP |
使用局部 SVD 二进制模式的背景减除。
|
| BackgroundSubtractorLSBPDesc |
用于计算 LSBP 描述符。
|
| BackgroundSubtractorMOG |
基于高斯混合模型的背景/前景分割算法。
|
| BackgroundSubtractorMOG2 |
基于高斯混合模型的背景/前景分割算法。
|
| BarcodeDetector |
|
| BaseCascadeClassifier |
|
| BaseOCR |
|
| BasicFaceRecognizer |
|
| BEBLID |
实现 BEBLID（Boosted Efficient Binary Local Image Descriptor）的类，如 CITE: Suarez2020BEBLID 中所述。
|
| BFMatcher |
暴力描述符匹配器。
|
| Bgsegm |
|
| BIF |
实现论文 Guo, Guodong, et al. 中生物启发特征（BIF）的类。
|
| Bioinspired |
|
| BlockMeanHash |
基于块均值的图像哈希。
|
| Board |
ArUco 标记板。板是在三维空间中具有共同坐标系的一组标记。
|
| Boost |
源自 DTrees 的增强树分类器 SEE: REF: ml_intro_boost
|
| BoostDesc |
实现 BoostDesc（Learning Image Descriptors with Boosting）的类，如 CITE: Trzcinski13a 和 CITE: Trzcinski13b 中所述。
|
| 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 |
抽象基类，用于从一组描述符中训练*视觉词袋*词汇表。
|
| 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，如 CITE: LCS11 中所述。
|
| Calib3d |
|
| CalibrateCRF |
相机响应校准算法的基类。
|
| CalibrateDebevec |
通过最小化目标函数作为线性系统，为每个亮度值提取逆相机响应函数。
|
| CalibrateRobertson |
通过最小化目标函数作为线性系统，为每个亮度值提取逆相机响应函数。
|
| CascadeClassifier |
用于对象检测的 Cascade 分类器类。
|
| CharucoBoard |
ChArUco 板是一种平面棋盘，标记放置在棋盘的白色方块内。
|
| CharucoDetector |
|
| CharucoParameters |
|
| CLAHE |
对比度受限自适应直方图均衡化的基类。
|
| ClassificationModel (分类模型) |
此类表示分类模型的高级 API。
|
| ColorMomentHash |
基于颜色矩的图像哈希。
|
| ContourFitting |
用于轮廓拟合算法的类。
|
| Converters |
|
| Core |
|
| Core.MinMaxLocResult |
|
| CvException |
|
| CvType |
|
| DAISY |
实现 DAISY 描述符的类，如 CITE: Tola10 中所述。radius 初始尺度下描述符的半径。q_radius 径向范围划分量。q_theta 角度范围划分量。q_hist 梯度方向范围划分量。norm 选择描述符归一化类型，其中 DAISY::NRM_NONE 不进行任何归一化（默认），DAISY::NRM_PARTIAL 表示直方图独立归一化到 L2 范数等于 1.0，DAISY::NRM_FULL 表示描述符归一化到 L2 范数等于 1.0，DAISY::NRM_SIFT 表示描述符归一化到 L2 范数等于 1.0 但单个值不超过 0.154，如 SIFT 中所述。H 可选的 3x3 单应矩阵，用于扭曲 DAISY 网格，但采样关键点在图像上保持未扭曲。interpolation 用于禁用插值以提高速度，但质量略有损失。use_orientation 使用关键点方向采样模式，默认禁用。
|
| DenseOpticalFlow |
稠密光流算法的基类
|
| DescriptorMatcher |
用于匹配关键点描述符的抽象基类。
|
| DetectionModel |
此类表示用于目标检测网络的高级 API。
|
| DetectorParameters |
struct DetectorParameters 被 ArucoDetector 使用
|
| Dictionary |
字典是相同大小的唯一 ArUco 标记的集合。`bytesList` 存储为 2 维 Mat，具有 4 个通道（使用 CV_8UC4 类型），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 - 每行包含标记的所有 4 个旋转，因此其长度为 `4*nbytes` - bytesList[i] 行中的字节顺序：`//bytes without rotation/bytes with rotation 1/bytes with rotation 2/bytes with rotation 3//` 因此 `bytesList.ptr(i)[k*nbytes + j]` 是第 i 个标记的第 j 个字节，在其第 k 次旋转中。
|
| 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（视差滤波器） |
所有视差图滤波器的主要接口。
|
| 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。
|
| DMatch |
匹配结构：查询描述符索引、训练描述符索引、训练图像索引以及描述符之间的距离。
|
| Dnn |
|
| Dnn_superres |
|
| DnnSuperResImpl |
一个通过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集合。
|
| EdgeAwareInterpolator |
基于 CITE: Revaud2015 中修改后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实现的稀疏匹配插值算法。
|
| EdgeBoxes |
实现 CITE: ZitnickECCV14edgeBoxes 中 EdgeBoxes 算法的类。
|
| EdgeDrawing |
实现 ED (EdgeDrawing) CITE: topal2012edge, EDLines CITE: akinlar2011edlines, EDPF CITE: akinlar2012edpf, EDCircles CITE: akinlar2013edcircles 和 ColorED CITE: akinlar201782 算法的类。
|
| EdgeDrawing_Params |
|
| EigenFaceRecognizer |
|
| EM |
此类实现期望最大化算法。
|
| ERFilter |
Neumann 和 Matas 场景文本检测算法 CITE: Neumann12 第一阶段和第二阶段的基类。
|
| ERFilter_Callback |
使用分类器的回调函数被设计为一个类。
|
| EstimateParameters |
已弃用。
|
| Face |
|
| FaceDetectorYN |
基于 DNN 的人脸检测器模型下载链接：https://github.com/opencv/opencv_zoo/tree/master/models/face_detection_yunet
|
| Facemark |
所有面部标志模型的抽象基类。要在您的程序中利用此 API，请参阅 REF: tutorial_table_of_content_facemark ### 描述 Facemark 是一个基类，它为任何特定的面部标志算法提供通用访问。
|
| FacemarkAAM |
|
| FacemarkKazemi |
|
| FacemarkLBF |
|
| FacemarkTrain |
可训练面部标志模型的抽象基类。要在您的程序中利用此 API，请参阅 REF: tutorial_table_of_content_facemark ### 描述 OpenCV 中的 AAM 和 LBF 面部标志模型派生自抽象基类 FacemarkTrain，它为 OpenCV 中的这些面部标志算法提供统一访问。
|
| FaceRecognizer |
所有人脸识别模型的抽象基类。OpenCV 中的所有人脸识别模型都派生自抽象基类 FaceRecognizer，它为 OpenCV 中的所有人脸识别算法提供统一访问。
|
| FaceRecognizerSF |
基于 DNN 的人脸识别器模型下载链接：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 |
快速双边求解器实现的接口。
|
| FastFeatureDetector |
用于使用 FAST 方法进行特征检测的包装类。
|
| 快速全局平滑滤波器 |
快速全局平滑滤波器实现的接口。
|
| FastLineDetector |
实现 CITE: Lee14 中描述的 FLD（Fast Line Detector）算法的类。
|
| Feature2D |
2D 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（*Fast Retina Keypoint*）关键点描述符的类，如 CITE: AOV12 中所述。
|
| 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，不含平移和旋转。CITE: 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。CITE: 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 的格雷码模式的类。
|
| GrayworldWB |
灰度世界白平衡算法。该算法根据灰度世界假设缩放像素值，该假设指出所有通道的平均值应得到灰度图像。
|
| GridBoard |
具有网格排列标记的平面板。更常见的板类型。
|
| GuidedFilter |
(快速)导向滤波器实现的接口。
|
| HarrisLaplaceFeatureDetector |
实现 CITE: Mikolajczyk2004 中描述的 Harris-Laplace 特征检测器的类。
|
| HighGui |
该类旨在用于 Java 应用程序中，以重新创建 OpenCV HighGui 功能。
|
| HistogramPhaseUnwrapping |
实现基于 CITE: histogramUnwrapping 的二维相位解缠的类。该算法属于质量引导相位解缠方法。
|
| HistogramPhaseUnwrapping_Params |
phaseUnwrapping 构造函数的参数。
|
| HOGDescriptor |
HOG（方向梯度直方图）描述符和目标检测器的实现。
|
| Image2BlobParams |
图像到 Blob 的处理参数。
|
| ImageWindow |
该类旨在创建和操作 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。该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，如 CITE: ABD12 中所述。
|
| KeyPoint |
|
| KeypointsModel |
此类表示用于关键点模型的高级 API。KeypointsModel 允许为预处理输入图像设置参数。
|
| KNearest |
该类实现了 K-最近邻模型 SEE: REF: ml_intro_knn
|
| LATCH |
latch 用于计算 LATCH 描述符的类。
|
| Layer |
此接口类允许构建新的层——网络的基本构建块。
|
| LBPHFaceRecognizer |
|
| LearningBasedWB |
更复杂的基于学习的自动白平衡算法。
|
| legacy_MultiTracker |
该类用于使用指定跟踪器算法跟踪多个对象。
|
| legacy_Tracker |
长期跟踪器的基础抽象类
|
| 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器。
|
| legacy_TrackerCSRT |
CSRT 跟踪器。该实现基于 CITE: Lukezic_IJCV2018 Discriminative Correlation Filter with Channel and Spatial Reliability。
|
| legacy_TrackerKCF |
KCF（核化相关滤波器）跟踪器。KCF 是一种新颖的跟踪框架，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，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 Visual Object Tracking using Adaptive Correlation Filters。注意：此跟踪器适用于灰度图像，如果传入 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 是一种新颖的跟踪框架，它明确地将长期跟踪任务分解为跟踪、学习和检测。
|
| LineSegmentDetector |
遵循 CITE: Rafael12 中描述的算法的线段检测器类。
|
| LogisticRegression |
实现 Logistic 回归分类器。
|
| LUCID |
实现 CITE: LUCID 中描述的局部均匀比较图像描述符的类。这是一种计算速度非常快，同时与 SURF 或 BRIEF 等描述符一样鲁棒的图像描述符。
|
| 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，最慢但更具区分性。
|
| 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 |
结果 HDR 图像根据曝光值和相机响应计算为曝光的加权平均值。
|
| MergeExposures |
可以将曝光序列合并为单个图像的基类算法。
|
| MergeMertens |
像素根据对比度、饱和度和曝光良好度进行加权，然后使用拉普拉斯金字塔组合图像。
|
| MergeRobertson |
结果 HDR 图像根据曝光值和相机响应计算为曝光的加权平均值。
|
| Ml |
|
| Model (模型) |
此类是神经网络的高级 API。
|
| Moments |
|
| MSDDetector |
实现 MSD（*最大自相异性*）关键点检测器的类，如 CITE: Tombari14 中所述。
|
| 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 [wiki article](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 类提供使用波束搜索算法进行 OCR 的接口。
|
| OCRBeamSearchDecoder_ClassifierCallback |
使用字符分类器的回调被设为一个类。
|
| OCRHMMDecoder |
OCRHMMDecoder 类提供使用隐马尔可夫模型进行 OCR 的接口。
|
| OCRHMMDecoder_ClassifierCallback |
使用字符分类器的回调被设为一个类。
|
| OCRTesseract |
OCRTesseract 类提供与 C++ 中 tesseract-ocr API (v3.02.02) 的接口。
|
| OpenCVInterface |
允许 OSGi 实现中进行一些集成测试的虚拟接口。
|
| OpenCVNativeLoader |
此类旨在提供一种方便的方式从 Java 包中加载 OpenCV 的本机库。
|
| ORB |
实现 ORB（*定向 BRIEF*）关键点检测器和描述符提取器的类，如 CITE: RRKB11 中所述。
|
| ParamGrid |
该结构表示 statmodel 参数的对数网格范围。
|
| PCTSignatures |
实现 CITE: KrulisLS16 中描述的 PCT（位置-颜色-纹理）特征提取的类。
|
| PCTSignaturesSQFD |
实现签名二次型距离 (SQFD) 的类。
|
| Phase_unwrapping |
|
| PhaseUnwrapping |
相位解包裹的抽象基类。
|
| PHash |
pHash 比 average_hash 慢，但对微小修改容忍度高。该算法可以处理比 averageHash 更多的变化，更多细节请参阅 CITE: lookslikeit
|
| Photo |
|
| Plot |
|
| Plot2d |
用于 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 |
对对象候选矩形进行分组。
|
| QRCodeEncoder_Params |
QR 代码编码器参数。
|
| RadialVarianceHash |
基于 Radon 变换的图像哈希。
|
| Range |
|
| Rect |
|
| Rect2d |
|
| RefineParameters |
struct RefineParameters 被 ArucoDetector 使用
|
| Retina |
允许 Gipsa/Listic Labs 模型与 OpenCV 一起使用的包装类。
|
| RetinaFastToneMapping |
允许 Meylan&al(2007) 的色调映射算法与 OpenCV 一起使用的包装类。
|
| RFFeatureGetter |
2014 年 6 月 17 日
|
| RICInterpolator |
基于 CITE: Hu2017 中修改后的分段局部加权仿射估计器（称为对应关系鲁棒插值法或 RIC）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。
|
| RidgeDetectionFilter |
将脊线检测滤波器应用于输入图像。
|
| RotatedRect |
|
| RTrees |
此类实现随机森林预测器。
|
| 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 |
此类表示用于分割模型的高级 API。SegmentationModel 允许为预处理输入图像设置参数。
|
| SelectiveSearchSegmentation |
选择性搜索分割算法。该类实现了 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 CITE: uijlings2013selective 中描述的算法的通用策略。
|
| SelectiveSearchSegmentationStrategyColor |
选择性搜索分割算法的基于颜色的策略。该类根据 CITE: uijlings2013selective 中描述的算法实现。
|
| SelectiveSearchSegmentationStrategyFill |
选择性搜索分割算法的基于填充的策略。该类根据 CITE: uijlings2013selective 中描述的算法实现。
|
| SelectiveSearchSegmentationStrategyMultiple |
重新组合选择性搜索分割算法的多种策略
|
| SelectiveSearchSegmentationStrategySize |
选择性搜索分割算法的基于大小的策略。该类根据 CITE: uijlings2013selective 中描述的算法实现。
|
| SelectiveSearchSegmentationStrategyTexture |
选择性搜索分割算法的基于纹理的策略。该类根据 CITE: uijlings2013selective 中描述的算法实现。
|
| SIFT |
用于使用 D. Lowe 的尺度不变特征变换 (SIFT) 算法提取关键点和计算描述符的类。
|
| SimpleBlobDetector |
用于从图像中提取 Blob 的类。
|
| SimpleBlobDetector_Params |
|
| SimpleWB |
一种简单的白平衡算法，通过独立拉伸每个输入图像通道到指定范围来工作。
|
| SinusoidalPattern |
实现基于 CITE: faps 的傅里叶变换轮廓术 (FTP)、相移轮廓术 (PSP) 和傅里叶辅助相移轮廓术 (FAPS) 的类。
|
| SinusoidalPattern_Params |
SinusoidalPattern 构造函数的参数。width 投影仪宽度。
|
| Size |
|
| SparseMatchInterpolator |
所有滤波器的主要接口，它们将稀疏匹配作为输入并生成密集像素级匹配（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 CITE: Agrawal08 提出的关键点检测器，是 StarDetector 的同义词。
|
| StatModel |
OpenCV ML 中统计模型的基类。
|
| StereoBM |
用于使用块匹配算法计算立体对应关系的类，由 K. Konolige 引入并贡献给 OpenCV。
|
| StereoMatcher |
立体对应算法的基类。
|
| StereoSGBM |
该类实现了改进的 H。
|
| Structured_light |
|
| StructuredEdgeDetection |
实现 CITE: Dollar2013 中边缘检测算法的类。
|
| StructuredLightPattern |
生成和解码结构光模式的抽象基类。
|
| Subdiv2D |
|
| SuperpixelLSC |
实现 CITE: LiCVPR2015LSC 中描述的 LSC（线性谱聚类）超像素算法的类。
|
| SuperpixelSEEDS |
实现 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 CITE: Achanta2012 中描述的 SLIC（简单线性迭代聚类）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 CITE: Najman2014 中描述的基于树的莫尔斯区域 (TBMR) 的类，并扩展了缩放提取能力。
|
| TEBLID |
实现 TEBLID（Triplet-based Efficient Binary Local Image Descriptor）的类，如 CITE: Suarez2021TEBLID 中所述。
|
| TermCriteria |
|
| 文本 |
|
| TextDetectionModel |
文本检测网络的基类
|
| TextDetectionModel_DB |
此类表示用于与 DB 模型兼容的文本检测 DL 网络的高级 API。
|
| TextDetectionModel_EAST |
此类表示用于与 EAST 模型兼容的文本检测 DL 网络的高级 API。
|
| TextDetector |
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。
|
| TextRecognitionModel |
此类表示用于文本识别网络的高级 API。
|
| TickMeter |
一个用于测量流逝时间的类。
|
| Tonemap |
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基层和细节层，并压缩基层的对比度，从而保留所有细节。
|
| TonemapMantiuk |
该算法在所有高斯金字塔层上使用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 |
这是一种模拟人类视觉系统的全局色调映射运算符。
|
| Tracker |
长期跟踪器的基础抽象类
|
| TrackerCSRT |
CSRT 跟踪器。该实现基于 CITE: Lukezic_IJCV2018 Discriminative Correlation Filter with Channel and Spatial Reliability。
|
| TrackerCSRT_Params |
|
| TrackerDaSiamRPN |
|
| TrackerDaSiamRPN_Params |
|
| TrackerGOTURN |
GOTURN（使用回归网络的通用对象跟踪）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（核化相关滤波器）跟踪器。KCF 是一种新颖的跟踪框架，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，将对象与背景分离。
|
| TrackerMIL_Params |
|
| TrackerNano |
Nano 跟踪器是一种超轻量级的基于 DNN 的通用对象跟踪器。
|
| TrackerNano_Params |
|
| TrackerVit |
VIT 跟踪器是一种超轻量级的基于 DNN 的通用对象跟踪器。
|
| TrackerVit_Params |
|
| 跟踪 |
|
| TrainData |
封装训练数据的类。
|
| TransientAreasSegmentationModule |
该类提供了一个瞬态/移动区域分割模块，通过使用视网膜大细胞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 3 个时空滤波器：第一个滤波器过滤噪声和输入运动能量的局部变化；第二个（更强大的低通空间滤波器）提供邻域运动能量；分割在于比较这两个输出，如果局部运动能量高于邻域运动能量，则该区域被认为是移动的并被分割；第三个更强的低通滤波器通过提供更宽区域的“运动上下文”的平滑信息来辅助决策。
|
| UsacParams |
|
| VariationalRefinement |
变分光流细化。此类实现了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，该描述符使用 CITE: Simonyan14 中描述的“使用凸优化的描述符学习”（DLCO）设备进行端到端训练。
|
| Video |
|
| VideoCapture |
用于从视频文件、图像序列或摄像机捕获视频的类。
|
| Videoio |
|
| VideoWriter |
视频写入类。
|
| Wechat_qrcode |
|
| WeChatQRCode |
微信二维码包含两个基于 CNN 的模型：一个目标检测模型和一个超分辨率模型。
|
| WhiteBalancer |
自动白平衡算法的基类。
|
| Xfeatures2d |
|
| Ximgproc |
|
| Xphoto |
|