包 org.opencv.text

类 Text

java.lang.Object

org.opencv.text.Text

public class Text
extends java.lang.Object

字段摘要

字段

修饰符和类型	字段	描述
static int	ERFILTER_NM_IHSGrad
static int	ERFILTER_NM_RGBLGrad
static int	ERGROUPING_ORIENTATION_ANY
static int	ERGROUPING_ORIENTATION_HORIZ
static int	OCR_CNN_CLASSIFIER
static int	OCR_DECODER_VITERBI
static int	OCR_KNN_CLASSIFIER
static int	OCR_LEVEL_TEXTLINE
static int	OCR_LEVEL_WORD
static int	OEM_CUBE_ONLY
static int	OEM_DEFAULT
static int	OEM_TESSERACT_CUBE_COMBINED
static int	OEM_TESSERACT_ONLY
static int	PSM_AUTO
static int	PSM_AUTO_ONLY
static int	PSM_AUTO_OSD
static int	PSM_CIRCLE_WORD
static int	PSM_OSD_ONLY
static int	PSM_SINGLE_BLOCK
static int	PSM_SINGLE_BLOCK_VERT_TEXT
static int	PSM_SINGLE_CHAR
static int	PSM_SINGLE_COLUMN
static int	PSM_SINGLE_LINE
static int	PSM_SINGLE_WORD

构造函数摘要

构造函数

构造函数	描述
文本()

方法摘要

修饰符和类型	方法	描述
static void	computeNMChannels(Mat _src, java.util.List<Mat> _channels)	在 N&M 算法 CITE: Neumann12 中计算要独立处理的不同通道。
static void	computeNMChannels(Mat _src, java.util.List<Mat> _channels, int _mode)	在 N&M 算法 CITE: Neumann12 中计算要独立处理的不同通道。
static ERFilter	createERFilterNM1(java.lang.String filename)	从提供的路径（例如）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM1(java.lang.String filename, int thresholdDelta)	从提供的路径（例如）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM1(java.lang.String filename, int thresholdDelta, float minArea)	从提供的路径（例如）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM1(java.lang.String filename, int thresholdDelta, float minArea, float maxArea)	从提供的路径（例如）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM1(java.lang.String filename, int thresholdDelta, float minArea, float maxArea, float minProbability)	从提供的路径（例如）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM1(java.lang.String filename, int thresholdDelta, float minArea, float maxArea, float minProbability, boolean nonMaxSuppression)	从提供的路径（例如）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM1(java.lang.String filename, int thresholdDelta, float minArea, float maxArea, float minProbability, boolean nonMaxSuppression, float minProbabilityDiff)	从提供的路径（例如）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM1(ERFilter_Callback cb)	为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。
static ERFilter	createERFilterNM1(ERFilter_Callback cb, int thresholdDelta)	为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。
static ERFilter	createERFilterNM1(ERFilter_Callback cb, int thresholdDelta, float minArea)	为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。
static ERFilter	createERFilterNM1(ERFilter_Callback cb, int thresholdDelta, float minArea, float maxArea)	为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。
static ERFilter	createERFilterNM1(ERFilter_Callback cb, int thresholdDelta, float minArea, float maxArea, float minProbability)	为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。
static ERFilter	createERFilterNM1(ERFilter_Callback cb, int thresholdDelta, float minArea, float maxArea, float minProbability, boolean nonMaxSuppression)	为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。
static ERFilter	createERFilterNM1(ERFilter_Callback cb, int thresholdDelta, float minArea, float maxArea, float minProbability, boolean nonMaxSuppression, float minProbabilityDiff)	为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。
static ERFilter	createERFilterNM2(java.lang.String filename)	从提供的路径（例如）读取用于 N&M 算法第二阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM2(java.lang.String filename, float minProbability)	从提供的路径（例如）读取用于 N&M 算法第二阶段分类器的极值区域滤波器。
static ERFilter	createERFilterNM2(ERFilter_Callback cb)	为 N&M 算法 CITE: Neumann12 的第二阶段分类器创建极值区域滤波器。
static ERFilter	createERFilterNM2(ERFilter_Callback cb, float minProbability)	为 N&M 算法 CITE: Neumann12 的第二阶段分类器创建极值区域滤波器。
static Mat	createOCRHMMTransitionsTable(java.lang.String vocabulary, java.util.List<java.lang.String> lexicon)	实用函数，用于从给定的单词列表（词典）创建定制的语言模型转换表。
static void	detectRegions(Mat image, ERFilter er_filter1, ERFilter er_filter2, java.util.List<MatOfPoint> regions)	将 MSER 轮廓（vector<Point>）转换为 ERStat 区域。
static void	detectRegions(Mat image, ERFilter er_filter1, ERFilter er_filter2, MatOfRect groups_rects)	从图像中提取文本区域。
static void	detectRegions(Mat image, ERFilter er_filter1, ERFilter er_filter2, MatOfRect groups_rects, int method)	从图像中提取文本区域。
static void	detectRegions(Mat image, ERFilter er_filter1, ERFilter er_filter2, MatOfRect groups_rects, int method, java.lang.String filename)	从图像中提取文本区域。
static void	detectRegions(Mat image, ERFilter er_filter1, ERFilter er_filter2, MatOfRect groups_rects, int method, java.lang.String filename, float minProbability)	从图像中提取文本区域。
static void	detectTextSWT(Mat input, MatOfRect result, boolean dark_on_light)	应用笔画宽度变换算子，然后对具有相似笔画宽度的连通分量进行滤波，以返回字母候选。
static void	detectTextSWT(Mat input, MatOfRect result, boolean dark_on_light, Mat draw)	应用笔画宽度变换算子，然后对具有相似笔画宽度的连通分量进行滤波，以返回字母候选。
static void	detectTextSWT(Mat input, MatOfRect result, boolean dark_on_light, Mat draw, Mat chainBBs)	应用笔画宽度变换算子，然后对具有相似笔画宽度的连通分量进行滤波，以返回字母候选。
static void	erGrouping(Mat image, Mat channel, java.util.List<MatOfPoint> regions, MatOfRect groups_rects)	查找组织成文本块的极值区域组。
static void	erGrouping(Mat image, Mat channel, java.util.List<MatOfPoint> regions, MatOfRect groups_rects, int method)	查找组织成文本块的极值区域组。
static void	erGrouping(Mat image, Mat channel, java.util.List<MatOfPoint> regions, MatOfRect groups_rects, int method, java.lang.String filename)	查找组织成文本块的极值区域组。
static void	erGrouping(Mat image, Mat channel, java.util.List<Mat> regions, MatOfRect groups_rects, int method, java.lang.String filename, float minProbablity)	查找组织成文本块的极值区域组。
static ERFilter_Callback	loadClassifierNM1(java.lang.String filename)	允许在创建 ERFilter 对象时隐式加载默认分类器。
static ERFilter_Callback	loadClassifierNM2(java.lang.String filename)	允许在创建 ERFilter 对象时隐式加载默认分类器。
static OCRBeamSearchDecoder_ClassifierCallback	loadOCRBeamSearchClassifierCNN(java.lang.String filename)	允许在创建 OCRBeamSearchDecoder 对象时隐式加载默认字符分类器。
static OCRHMMDecoder_ClassifierCallback	loadOCRHMMClassifier(java.lang.String filename, int classifier)	允许在创建 OCRHMMDecoder 对象时隐式加载默认字符分类器。
static OCRHMMDecoder_ClassifierCallback	loadOCRHMMClassifierCNN(java.lang.String filename)	已弃用。 使用 loadOCRHMMClassifier 代替
static OCRHMMDecoder_ClassifierCallback	loadOCRHMMClassifierNM(java.lang.String filename)	已弃用。 loadOCRHMMClassifier 代替

从类继承的方法 java.lang.Object

克隆, 相等, 结束, 获取类, 哈希码, 通知, 通知所有, 转字符串, 等待, 等待, 等待

字段详细信息

OCR_LEVEL_WORD

public static final int OCR_LEVEL_WORD

参见

常量字段值

OCR_LEVEL_TEXTLINE

public static final int OCR_LEVEL_TEXTLINE

参见

常量字段值

ERFILTER_NM_RGBLGrad

public static final int ERFILTER_NM_RGBLGrad

参见

常量字段值

ERFILTER_NM_IHSGrad

public static final int ERFILTER_NM_IHSGrad

参见

常量字段值

OCR_KNN_CLASSIFIER

public static final int OCR_KNN_CLASSIFIER

参见

常量字段值

OCR_CNN_CLASSIFIER

public static final int OCR_CNN_CLASSIFIER

参见

常量字段值

OCR_DECODER_VITERBI

public static final int OCR_DECODER_VITERBI

参见

常量字段值

ERGROUPING_ORIENTATION_HORIZ

public static final int ERGROUPING_ORIENTATION_HORIZ

参见

常量字段值

ERGROUPING_ORIENTATION_ANY

public static final int ERGROUPING_ORIENTATION_ANY

参见

常量字段值

OEM_TESSERACT_ONLY

public static final int OEM_TESSERACT_ONLY

参见

常量字段值

OEM_CUBE_ONLY

public static final int OEM_CUBE_ONLY

参见

常量字段值

OEM_TESSERACT_CUBE_COMBINED

public static final int OEM_TESSERACT_CUBE_COMBINED

参见

常量字段值

OEM_DEFAULT

public static final int OEM_DEFAULT

参见

常量字段值

PSM_OSD_ONLY

public static final int PSM_OSD_ONLY

参见

常量字段值

PSM_AUTO_OSD

public static final int PSM_AUTO_OSD

参见

常量字段值

PSM_AUTO_ONLY

public static final int PSM_AUTO_ONLY

参见

常量字段值

PSM_AUTO

public static final int PSM_AUTO

参见

常量字段值

PSM_SINGLE_COLUMN

public static final int PSM_SINGLE_COLUMN

参见

常量字段值

PSM_SINGLE_BLOCK_VERT_TEXT

public static final int PSM_SINGLE_BLOCK_VERT_TEXT

参见

常量字段值

PSM_SINGLE_BLOCK

public static final int PSM_SINGLE_BLOCK

参见

常量字段值

PSM_SINGLE_LINE

public static final int PSM_SINGLE_LINE

参见

常量字段值

PSM_SINGLE_WORD

public static final int PSM_SINGLE_WORD

参见

常量字段值

PSM_CIRCLE_WORD

public static final int PSM_CIRCLE_WORD

参见

常量字段值

PSM_SINGLE_CHAR

public static final int PSM_SINGLE_CHAR

参见

常量字段值

构造函数详细信息

文本

public Text()

方法详细信息

loadOCRHMMClassifierNM

@Deprecated
public static OCRHMMDecoder_ClassifierCallback loadOCRHMMClassifierNM(java.lang.String filename)

已弃用。

loadOCRHMMClassifier 代替

允许在创建 OCRHMMDecoder 对象时隐式加载默认字符分类器。

参数

filename - 包含分类器模型（例如 OCRHMM_knn_model_data.xml）的 XML 或 YAML 文件。KNN 默认分类器基于 Lukás Neumann & Jiri Matas 在 [Neumann11b] 中提出的场景文本识别方法。基本上，输入图像中的区域（轮廓）被归一化为固定大小，同时保留质心和纵横比，以便提取基于其周长链码的梯度方向特征向量。然后，使用通过不同标准字体类型的渲染字符合成数据训练的 KNN 模型对区域进行分类。

返回

自动生成

loadOCRHMMClassifierCNN

@Deprecated
public static OCRHMMDecoder_ClassifierCallback loadOCRHMMClassifierCNN(java.lang.String filename)

已弃用。

使用 loadOCRHMMClassifier 代替

允许在创建 OCRHMMDecoder 对象时隐式加载默认字符分类器。

参数

filename - 包含分类器模型（例如 OCRBeamSearch_CNN_model_data.xml.gz）的 XML 或 YAML 文件。CNN 默认分类器基于 Adam Coates & Andrew NG 在 [Coates11a] 中提出的场景文本识别方法。字符分类器由单层卷积神经网络和线性分类器组成。它以滑动窗口的方式应用于输入图像，在每个窗口位置提供一组识别结果。

返回

自动生成

loadOCRHMMClassifier

public static OCRHMMDecoder_ClassifierCallback loadOCRHMMClassifier(java.lang.String filename,
                                                                    int classifier)

允许在创建 OCRHMMDecoder 对象时隐式加载默认字符分类器。

参数

filename - 包含分类器模型（例如 OCRBeamSearch_CNN_model_data.xml.gz）的 XML 或 YAML 文件。

classifier - 可以是 classifier_type 枚举值之一。

返回

自动生成

createOCRHMMTransitionsTable

public static Mat createOCRHMMTransitionsTable(java.lang.String vocabulary,
                                               java.util.List<java.lang.String> lexicon)

实用函数，用于从给定的单词列表（词典）创建定制的语言模型转换表。

参数

vocabulary - 语言词汇表（当为 ASCII 英文文本时为字符）。

lexicon - 期望在特定图像中找到的单词列表。该函数计算给定词典中字符对的频率统计数据，并用它们填充输出 transition_probabilities_table。transition_probabilities_table 可以用作 OCRHMMDecoder::create() 和 OCRBeamSearchDecoder::create() 方法的输入。注意： - (C++) 另一种方法是加载文本模块示例文件夹中提供的默认通用语言转换表（由 ispell 42869 英文单词列表创建）：<https://github.com/opencv/opencv_contrib/blob/master/modules/text/samples/OCRHMM_transitions_table.xml>

返回

自动生成

loadOCRBeamSearchClassifierCNN

public static OCRBeamSearchDecoder_ClassifierCallback loadOCRBeamSearchClassifierCNN(java.lang.String filename)

允许在创建 OCRBeamSearchDecoder 对象时隐式加载默认字符分类器。

参数

filename - 包含分类器模型（例如 OCRBeamSearch_CNN_model_data.xml.gz）的 XML 或 YAML 文件。CNN 默认分类器基于 Adam Coates & Andrew NG 在 [Coates11a] 中提出的场景文本识别方法。字符分类器由单层卷积神经网络和线性分类器组成。它以滑动窗口的方式应用于输入图像，在每个窗口位置提供一组识别结果。

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(ERFilter_Callback cb,
                                         int thresholdDelta,
                                         float minArea,
                                         float maxArea,
                                         float minProbability,
                                         boolean nonMaxSuppression,
                                         float minProbabilityDiff)

为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM1.xml 文件中加载 loadClassifierNM1。图像的组件树是通过从 0 到 255 逐步增加阈值来提取的，为每个 ER 计算增量可计算描述符（纵横比、紧凑度、孔数和水平交叉数），并将其用作分类器的特征，该分类器估计类条件概率 P(er|character)。P(er|character) 的值通过所有阈值下的 ER 包含关系进行跟踪，并且只选择与概率 P(er|character) 的局部最大值对应的 ER（如果概率的局部最大值高于全局限制 pmin 并且局部最大值与局部最小值之间的差异大于 minProbabilityDiff）。

参数

cb - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

maxArea - 自动生成

minProbability - 自动生成

nonMaxSuppression - 自动生成

minProbabilityDiff - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(ERFilter_Callback cb,
                                         int thresholdDelta,
                                         float minArea,
                                         float maxArea,
                                         float minProbability,
                                         boolean nonMaxSuppression)

为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM1.xml 文件中加载 loadClassifierNM1。图像的组件树是通过从 0 到 255 逐步增加阈值来提取的，为每个 ER 计算增量可计算描述符（纵横比、紧凑度、孔数和水平交叉数），并将其用作分类器的特征，该分类器估计类条件概率 P(er|character)。P(er|character) 的值通过所有阈值下的 ER 包含关系进行跟踪，并且只选择与概率 P(er|character) 的局部最大值对应的 ER（如果概率的局部最大值高于全局限制 pmin 并且局部最大值与局部最小值之间的差异大于 minProbabilityDiff）。

参数

cb - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

maxArea - 自动生成

minProbability - 自动生成

nonMaxSuppression - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(ERFilter_Callback cb,
                                         int thresholdDelta,
                                         float minArea,
                                         float maxArea,
                                         float minProbability)

为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM1.xml 文件中加载 loadClassifierNM1。图像的组件树是通过从 0 到 255 逐步增加阈值来提取的，为每个 ER 计算增量可计算描述符（纵横比、紧凑度、孔数和水平交叉数），并将其用作分类器的特征，该分类器估计类条件概率 P(er|character)。P(er|character) 的值通过所有阈值下的 ER 包含关系进行跟踪，并且只选择与概率 P(er|character) 的局部最大值对应的 ER（如果概率的局部最大值高于全局限制 pmin 并且局部最大值与局部最小值之间的差异大于 minProbabilityDiff）。

参数

cb - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

maxArea - 自动生成

minProbability - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(ERFilter_Callback cb,
                                         int thresholdDelta,
                                         float minArea,
                                         float maxArea)

为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM1.xml 文件中加载 loadClassifierNM1。图像的组件树是通过从 0 到 255 逐步增加阈值来提取的，为每个 ER 计算增量可计算描述符（纵横比、紧凑度、孔数和水平交叉数），并将其用作分类器的特征，该分类器估计类条件概率 P(er|character)。P(er|character) 的值通过所有阈值下的 ER 包含关系进行跟踪，并且只选择与概率 P(er|character) 的局部最大值对应的 ER（如果概率的局部最大值高于全局限制 pmin 并且局部最大值与局部最小值之间的差异大于 minProbabilityDiff）。

参数

cb - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

maxArea - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(ERFilter_Callback cb,
                                         int thresholdDelta,
                                         float minArea)

为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM1.xml 文件中加载 loadClassifierNM1。图像的组件树是通过从 0 到 255 逐步增加阈值来提取的，为每个 ER 计算增量可计算描述符（纵横比、紧凑度、孔数和水平交叉数），并将其用作分类器的特征，该分类器估计类条件概率 P(er|character)。P(er|character) 的值通过所有阈值下的 ER 包含关系进行跟踪，并且只选择与概率 P(er|character) 的局部最大值对应的 ER（如果概率的局部最大值高于全局限制 pmin 并且局部最大值与局部最小值之间的差异大于 minProbabilityDiff）。

参数

cb - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(ERFilter_Callback cb,
                                         int thresholdDelta)

为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM1.xml 文件中加载 loadClassifierNM1。图像的组件树是通过从 0 到 255 逐步增加阈值来提取的，为每个 ER 计算增量可计算描述符（纵横比、紧凑度、孔数和水平交叉数），并将其用作分类器的特征，该分类器估计类条件概率 P(er|character)。P(er|character) 的值通过所有阈值下的 ER 包含关系进行跟踪，并且只选择与概率 P(er|character) 的局部最大值对应的 ER（如果概率的局部最大值高于全局限制 pmin 并且局部最大值与局部最小值之间的差异大于 minProbabilityDiff）。

参数

cb - 自动生成

thresholdDelta - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(ERFilter_Callback cb)

为 N&M 算法 CITE: Neumann12 的第一阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM1.xml 文件中加载 loadClassifierNM1。图像的组件树是通过从 0 到 255 逐步增加阈值来提取的，为每个 ER 计算增量可计算描述符（纵横比、紧凑度、孔数和水平交叉数），并将其用作分类器的特征，该分类器估计类条件概率 P(er|character)。P(er|character) 的值通过所有阈值下的 ER 包含关系进行跟踪，并且只选择与概率 P(er|character) 的局部最大值对应的 ER（如果概率的局部最大值高于全局限制 pmin 并且局部最大值与局部最小值之间的差异大于 minProbabilityDiff）。

参数

cb - 自动生成

返回

自动生成

createERFilterNM2

public static ERFilter createERFilterNM2(ERFilter_Callback cb,
                                         float minProbability)

为 N&M 算法 CITE: Neumann12 的第二阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM2.xml 文件中加载 loadClassifierNM2。在第二阶段，通过第一阶段的 ER 使用更具信息性但计算成本也更高的特征被分类为字符和非字符类别。分类器使用第一阶段计算的所有特征以及以下附加特征：孔面积比、凸包比和外部拐点数。

参数

cb - 自动生成

minProbability - 自动生成

返回

自动生成

createERFilterNM2

public static ERFilter createERFilterNM2(ERFilter_Callback cb)

为 N&M 算法 CITE: Neumann12 的第二阶段分类器创建极值区域滤波器。例如，从 samples/cpp/trained_classifierNM2.xml 文件中加载 loadClassifierNM2。在第二阶段，通过第一阶段的 ER 使用更具信息性但计算成本也更高的特征被分类为字符和非字符类别。分类器使用第一阶段计算的所有特征以及以下附加特征：孔面积比、凸包比和外部拐点数。

参数

cb - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(java.lang.String filename,
                                         int thresholdDelta,
                                         float minArea,
                                         float maxArea,
                                         float minProbability,
                                         boolean nonMaxSuppression,
                                         float minProbabilityDiff)

从提供的路径（例如 /path/to/cpp/trained_classifierNM1.xml）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。

参数

filename - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

maxArea - 自动生成

minProbability - 自动生成

nonMaxSuppression - 自动生成

minProbabilityDiff - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(java.lang.String filename,
                                         int thresholdDelta,
                                         float minArea,
                                         float maxArea,
                                         float minProbability,
                                         boolean nonMaxSuppression)

从提供的路径（例如 /path/to/cpp/trained_classifierNM1.xml）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。

参数

filename - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

maxArea - 自动生成

minProbability - 自动生成

nonMaxSuppression - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(java.lang.String filename,
                                         int thresholdDelta,
                                         float minArea,
                                         float maxArea,
                                         float minProbability)

从提供的路径（例如 /path/to/cpp/trained_classifierNM1.xml）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。

参数

filename - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

maxArea - 自动生成

minProbability - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(java.lang.String filename,
                                         int thresholdDelta,
                                         float minArea,
                                         float maxArea)

从提供的路径（例如 /path/to/cpp/trained_classifierNM1.xml）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。

参数

filename - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

maxArea - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(java.lang.String filename,
                                         int thresholdDelta,
                                         float minArea)

从提供的路径（例如 /path/to/cpp/trained_classifierNM1.xml）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。

参数

filename - 自动生成

thresholdDelta - 自动生成

minArea - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(java.lang.String filename,
                                         int thresholdDelta)

从提供的路径（例如 /path/to/cpp/trained_classifierNM1.xml）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。

参数

filename - 自动生成

thresholdDelta - 自动生成

返回

自动生成

createERFilterNM1

public static ERFilter createERFilterNM1(java.lang.String filename)

从提供的路径（例如 /path/to/cpp/trained_classifierNM1.xml）读取用于 N&M 算法第一阶段分类器的极值区域滤波器。

参数

filename - 自动生成

返回

自动生成

createERFilterNM2

public static ERFilter createERFilterNM2(java.lang.String filename,
                                         float minProbability)

从提供的路径（例如 /path/to/cpp/trained_classifierNM2.xml）读取用于 N&M 算法第二阶段分类器的极值区域滤波器。

参数

filename - 自动生成

minProbability - 自动生成

返回

自动生成

createERFilterNM2

public static ERFilter createERFilterNM2(java.lang.String filename)

从提供的路径（例如 /path/to/cpp/trained_classifierNM2.xml）读取用于 N&M 算法第二阶段分类器的极值区域滤波器。

参数

filename - 自动生成

返回

自动生成

loadClassifierNM1

public static ERFilter_Callback loadClassifierNM1(java.lang.String filename)

允许在创建 ERFilter 对象时隐式加载默认分类器。

参数

filename - 包含分类器模型（例如 trained_classifierNM1.xml）的 XML 或 YAML 文件，返回指向 ERFilter::Callback 的指针。

返回

自动生成

loadClassifierNM2

public static ERFilter_Callback loadClassifierNM2(java.lang.String filename)

允许在创建 ERFilter 对象时隐式加载默认分类器。

参数

filename - 包含分类器模型（例如 trained_classifierNM2.xml）的 XML 或 YAML 文件，返回指向 ERFilter::Callback 的指针。

返回

自动生成

computeNMChannels

public static void computeNMChannels(Mat _src,
                                     java.util.List<Mat> _channels,
                                     int _mode)

在 N&M 算法 CITE: Neumann12 中计算要独立处理的不同通道。

参数

_src - 源图像。必须是 RGB CV_8UC3。

_channels - 存储计算通道的输出 vector<Mat>。

_mode - 操作模式。目前唯一可用的选项是：ERFILTER_NM_RGBLGrad (默认使用) 和 ERFILTER_NM_IHSGrad。在 N&M 算法中，为了获得高定位召回率，使用了强度 (I)、色调 (H)、饱和度 (S) 和梯度幅度通道 (Grad) 的组合。此实现还提供了红色 (R)、绿色 (G)、蓝色 (B)、亮度 (L) 和梯度幅度 (Grad) 的替代组合。

computeNMChannels

public static void computeNMChannels(Mat _src,
                                     java.util.List<Mat> _channels)

在 N&M 算法 CITE: Neumann12 中计算要独立处理的不同通道。

参数

_src - 源图像。必须是 RGB CV_8UC3。

_channels - 存储计算通道的输出 vector<Mat>。ERFILTER_NM_RGBLGrad (默认使用) 和 ERFILTER_NM_IHSGrad。在 N&M 算法中，为了获得高定位召回率，使用了强度 (I)、色调 (H)、饱和度 (S) 和梯度幅度通道 (Grad) 的组合。此实现还提供了红色 (R)、绿色 (G)、蓝色 (B)、亮度 (L) 和梯度幅度 (Grad) 的替代组合。

erGrouping

public static void erGrouping(Mat image,
                              Mat channel,
                              java.util.List<MatOfPoint> regions,
                              MatOfRect groups_rects,
                              int method,
                              java.lang.String filename,
                              float minProbablity)

查找组织成文本块的极值区域组。

参数

regions - 从 ERFilter 算法的每个通道中检索到的 ER 向量。提供的区域。

groups_rects - 算法的输出以矩形列表的形式存储在此参数中。

method - 分组方法（参见 text::erGrouping_Modes）。可以是 ERGROUPING_ORIENTATION_HORIZ、ERGROUPING_ORIENTATION_ANY 之一。

filename - 包含分类器模型（例如 samples/trained_classifier_erGrouping.xml）的 XML 或 YAML 文件。仅在分组方法为 ERGROUPING_ORIENTATION_ANY 时使用。

minProbablity - 接受组的最小概率。仅在分组方法为 ERGROUPING_ORIENTATION_ANY 时使用。

image - 自动生成

channel - 自动生成

erGrouping

public static void erGrouping(Mat image,
                              Mat channel,
                              java.util.List<MatOfPoint> regions,
                              MatOfRect groups_rects,
                              int method,
                              java.lang.String filename)

查找组织成文本块的极值区域组。

参数

regions - 从 ERFilter 算法的每个通道中检索到的 ER 向量。提供的区域。

groups_rects - 算法的输出以矩形列表的形式存储在此参数中。

method - 分组方法（参见 text::erGrouping_Modes）。可以是 ERGROUPING_ORIENTATION_HORIZ、ERGROUPING_ORIENTATION_ANY 之一。

filename - 包含分类器模型（例如 samples/trained_classifier_erGrouping.xml）的 XML 或 YAML 文件。仅在分组方法为 ERGROUPING_ORIENTATION_ANY 时使用。

image - 自动生成

channel - 自动生成

erGrouping

public static void erGrouping(Mat image,
                              Mat channel,
                              java.util.List<MatOfPoint> regions,
                              MatOfRect groups_rects,
                              int method)

查找组织成文本块的极值区域组。

参数

regions - 从 ERFilter 算法的每个通道中检索到的 ER 向量。提供的区域。

groups_rects - 算法的输出以矩形列表的形式存储在此参数中。

method - 分组方法（参见 text::erGrouping_Modes）。可以是 ERGROUPING_ORIENTATION_HORIZ、ERGROUPING_ORIENTATION_ANY 之一。仅在分组方法为 ERGROUPING_ORIENTATION_ANY 时使用。

image - 自动生成

channel - 自动生成

erGrouping

public static void erGrouping(Mat image,
                              Mat channel,
                              java.util.List<MatOfPoint> regions,
                              MatOfRect groups_rects)

查找组织成文本块的极值区域组。

参数

regions - 从 ERFilter 算法的每个通道中检索到的 ER 向量。提供的区域。

groups_rects - 算法的输出以矩形列表的形式存储在此参数中。仅在分组方法为 ERGROUPING_ORIENTATION_ANY 时使用。

image - 自动生成

channel - 自动生成

detectRegions

public static void detectRegions(Mat image,
                                 ERFilter er_filter1,
                                 ERFilter er_filter2,
                                 java.util.List<MatOfPoint> regions)

将 MSER 轮廓（vector<Point>）转换为 ERStat 区域。

参数

image - 从中提取 MSER 的源图像 CV_8UC1。

regions - 存储 ERStat 区域的输出。它以 OpenCV MSER 特征检测器提供的轮廓作为输入，并返回两个 ERStats 向量作为输出。这是因为 MSER() 输出在一个 vector<Point> 中包含 MSER+ 和 MSER- 区域，该函数将它们分离为两个不同的向量（这就像从两个不同通道提取 ERStats）。MSERsToERStats 的使用示例可以在文本检测 webcam_demo 中找到：<https://github.com/opencv/opencv_contrib/blob/master/modules/text/samples/webcam_demo.cpp>

er_filter1 - 自动生成

er_filter2 - 自动生成

detectRegions

public static void detectRegions(Mat image,
                                 ERFilter er_filter1,
                                 ERFilter er_filter2,
                                 MatOfRect groups_rects,
                                 int method,
                                 java.lang.String filename,
                                 float minProbability)

从图像中提取文本区域。

参数

image - 需要从中提取文本块的源图像。应为 CV_8UC3（彩色）。

er_filter1 - 用于 N&M 算法 CITE: Neumann12 第一阶段分类器的极值区域滤波器

er_filter2 - 用于 N&M 算法 CITE: Neumann12 第二阶段分类器的极值区域滤波器

groups_rects - 带有文本的矩形块输出列表

method - 分组方法（参见 text::erGrouping_Modes）。可以是 ERGROUPING_ORIENTATION_HORIZ、ERGROUPING_ORIENTATION_ANY 之一。

filename - 包含分类器模型（例如 samples/trained_classifier_erGrouping.xml）的 XML 或 YAML 文件。仅在分组方法为 ERGROUPING_ORIENTATION_ANY 时使用。

minProbability - 接受组的最小概率。仅在分组方法为 ERGROUPING_ORIENTATION_ANY 时使用。

detectRegions

public static void detectRegions(Mat image,
                                 ERFilter er_filter1,
                                 ERFilter er_filter2,
                                 MatOfRect groups_rects,
                                 int method,
                                 java.lang.String filename)

从图像中提取文本区域。

参数

image - 需要从中提取文本块的源图像。应为 CV_8UC3（彩色）。

er_filter1 - 用于 N&M 算法 CITE: Neumann12 第一阶段分类器的极值区域滤波器

er_filter2 - 用于 N&M 算法 CITE: Neumann12 第二阶段分类器的极值区域滤波器

groups_rects - 带有文本的矩形块输出列表

method - 分组方法（参见 text::erGrouping_Modes）。可以是 ERGROUPING_ORIENTATION_HORIZ、ERGROUPING_ORIENTATION_ANY 之一。

filename - 包含分类器模型（例如 samples/trained_classifier_erGrouping.xml）的 XML 或 YAML 文件。仅在分组方法为 ERGROUPING_ORIENTATION_ANY 时使用。

detectRegions

public static void detectRegions(Mat image,
                                 ERFilter er_filter1,
                                 ERFilter er_filter2,
                                 MatOfRect groups_rects,
                                 int method)

从图像中提取文本区域。

参数

image - 需要从中提取文本块的源图像。应为 CV_8UC3（彩色）。

er_filter1 - 用于 N&M 算法 CITE: Neumann12 第一阶段分类器的极值区域滤波器

er_filter2 - 用于 N&M 算法 CITE: Neumann12 第二阶段分类器的极值区域滤波器

groups_rects - 带有文本的矩形块输出列表

method - 分组方法（参见 text::erGrouping_Modes）。可以是 ERGROUPING_ORIENTATION_HORIZ、ERGROUPING_ORIENTATION_ANY 之一。

detectRegions

public static void detectRegions(Mat image,
                                 ERFilter er_filter1,
                                 ERFilter er_filter2,
                                 MatOfRect groups_rects)

从图像中提取文本区域。

参数

image - 需要从中提取文本块的源图像。应为 CV_8UC3（彩色）。

er_filter1 - 用于 N&M 算法 CITE: Neumann12 第一阶段分类器的极值区域滤波器

er_filter2 - 用于 N&M 算法 CITE: Neumann12 第二阶段分类器的极值区域滤波器

groups_rects - 带有文本的矩形块输出列表

detectTextSWT

public static void detectTextSWT(Mat input,
                                 MatOfRect result,
                                 boolean dark_on_light,
                                 Mat draw,
                                 Mat chainBBs)

应用笔画宽度变换算子，然后对具有相似笔画宽度的连通分量进行滤波，以返回字母候选。它还根据邻近度和大小对它们进行链式处理，并将结果保存在 chainBBs 中。

参数

input - 具有 3 个通道的输入图像。

result - 一个结果边界框向量，其中找到文本的概率很高

dark_on_light - 一个布尔值，表示文本是比背景暗还是亮，据观察，它会反转从 Scharr 算子获得的梯度，并显著影响结果。

draw - 一个可选的 CV_8UC3 类型 Mat，用于使用边界框可视化检测到的字母。

chainBBs - 一个可选参数，根据论文中的启发式方法链接字母候选，并返回所有可能出现文本的区域。

detectTextSWT

public static void detectTextSWT(Mat input,
                                 MatOfRect result,
                                 boolean dark_on_light,
                                 Mat draw)

应用笔画宽度变换算子，然后对具有相似笔画宽度的连通分量进行滤波，以返回字母候选。它还根据邻近度和大小对它们进行链式处理，并将结果保存在 chainBBs 中。

参数

input - 具有 3 个通道的输入图像。

result - 一个结果边界框向量，其中找到文本的概率很高

dark_on_light - 一个布尔值，表示文本是比背景暗还是亮，据观察，它会反转从 Scharr 算子获得的梯度，并显著影响结果。

draw - 一个可选的 CV_8UC3 类型 Mat，用于使用边界框可视化检测到的字母。

detectTextSWT

public static void detectTextSWT(Mat input,
                                 MatOfRect result,
                                 boolean dark_on_light)

应用笔画宽度变换算子，然后对具有相似笔画宽度的连通分量进行滤波，以返回字母候选。它还根据邻近度和大小对它们进行链式处理，并将结果保存在 chainBBs 中。

参数

input - 具有 3 个通道的输入图像。

result - 一个结果边界框向量，其中找到文本的概率很高

dark_on_light - 一个布尔值，表示文本是比背景暗还是亮，据观察，它会反转从 Scharr 算子获得的梯度，并显著影响结果。