包 org.opencv.imgproc

类 IntelligentScissorsMB

java.lang.Object

org.opencv.imgproc.IntelligentScissorsMB

public class IntelligentScissorsMB
extends java.lang.Object

智能剪刀图像分割。此类用于查找两点之间的路径（轮廓），可用于图像分割。用法示例：SNIPPET: snippets/imgproc_segmentation.cpp usage_example_intelligent_scissors 参考: <a href="http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.138.3811&rep=rep1&type=pdf">"用于图像合成的智能剪刀"</a> 算法由 Eric N. Mortensen 和 William A. Barrett, Brigham Young University 设计 CITE: 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()
保护	IntelligentScissorsMB(long addr)

方法摘要

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)	准备图像上给定源点的最佳路径图 注意: 必须在此调用之前调用 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: 必须在此调用之前调用 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: 必须在此调用之前调用 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。零限制值用于禁用梯度幅度阈值（默认行为，如原始文章中所述）。
IntelligentScissorsMB	setGradientMagnitudeMaxLimit(float gradient_magnitude_threshold_max)	指定梯度幅度最大值阈值。零限制值用于禁用梯度幅度阈值（默认行为，如原始文章中所述）。
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（权重之和等于 1.0）。离散动态规划 (DP) 目标是最小化像素之间的成本。

从类继承的方法 java.lang.Object

clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

字段详细信息

nativeObj

protected final long nativeObj

构造函数详细信息

IntelligentScissorsMB

protected IntelligentScissorsMB(long addr)

IntelligentScissorsMB

public IntelligentScissorsMB()

方法详细信息

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（权重之和等于 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。零限制值用于禁用梯度幅度阈值（默认行为，如原始文章中所述）。否则，gradient magnitude >= threshold 的像素具有零成本。 注意: 阈值应该用于具有不规则区域的图像（以避免卡在高对比度区域的参数上，如嵌入的徽标）。

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。零限制值用于禁用梯度幅度阈值（默认行为，如原始文章中所述）。否则，gradient magnitude >= threshold 的像素具有零成本。 注意: 阈值应该用于具有不规则区域的图像（以避免卡在高对比度区域的参数上，如嵌入的徽标）。

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。实现具有额外的低幅度噪声区域的过滤。此过滤通过最小梯度幅度的参数启用（使用一些小值 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（首先将彩色图像转换为灰度图像）。 注意: Canny 边缘检测器速度稍慢，但提供更好的结果（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。实现具有额外的低幅度噪声区域的过滤。此过滤通过最小梯度幅度的参数启用（使用一些小值 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（首先将彩色图像转换为灰度图像）。 注意: Canny 边缘检测器速度稍慢，但提供更好的结果（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。值应归一化：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 [0, 1] 范围内。

image - 可选参数。如果指定了特征的子集，则必须指定（未指定的特征在内部计算）

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。值应归一化：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 [0, 1] 范围内。

返回

自动生成

buildMap

public void buildMap(Point sourcePt)

准备图像上给定源点的最佳路径图 注意: 必须在此调用之前调用 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: 必须在此调用之前调用 buildMap()

参数

targetPt - 目标点

contour - 像素列表，其中包含图像的源点和目标点之间的最佳路径。类型为 CV_32SC2（与 std::vector<Point> 兼容）

backward - 指示检索到的像素的反向顺序的标志（使用 "true" 值从目标点获取点到源点）

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: 必须在此调用之前调用 buildMap()

参数

targetPt - 目标点

contour - 像素列表，其中包含图像的源点和目标点之间的最佳路径。类型为 CV_32SC2（与 std::vector<Point> 兼容）

finalize

protected void finalize()
                 throws java.lang.Throwable

重写

finalize 在类 java.lang.Object 中

抛出

java.lang.Throwable