命名空间
命名空间	calib3d
	此命名空间包含用于立体视觉及相关功能的 G-API 操作类型。

命名空间	compound

命名空间	core
	此命名空间包含用于 OpenCV Core 模块功能的 G-API 操作类型。

命名空间	cpu
	此命名空间包含 G-API CPU 后端函数、结构和符号。

命名空间	fluid
	此命名空间包含 G-API Fluid 后端函数、结构和符号。

命名空间	ie
	此命名空间包含 G-API OpenVINO 后端函数、结构和符号。

命名空间	imgproc
	此命名空间包含用于 OpenCV ImgProc 模块功能的 G-API 操作类型。

命名空间	nn

命名空间	oak

命名空间	ocl
	此命名空间包含 G-API OpenCL 后端函数、结构和符号。

命名空间	onnx
	此命名空间包含 G-API ONNX Runtime 后端函数、结构和符号。

命名空间	ot
	此命名空间包含用于 VAS 对象跟踪模块功能的 G-API 操作类型。

命名空间	ov
	此命名空间包含 G-API OpenVINO 2.0 后端函数、结构和符号。

命名空间	own
	此命名空间包含在其独立模式构建中使用的 G-API 自有数据结构。

命名空间	plaidml
	此命名空间包含 G-API PlaidML 后端函数、结构和符号。

命名空间	python
	此命名空间包含 G-API Python 后端函数、结构和符号。

命名空间	render
	此命名空间包含 G-API CPU 渲染后端函数、结构和符号。详情请参阅 G-API 绘制与合成功能。

命名空间	s11n
	此命名空间包含 G-API 序列化和反序列化函数及数据结构。

命名空间	streaming
	此命名空间包含与流式执行模式相关的 G-API 函数、结构和符号。

命名空间	video
	此命名空间包含用于面向视频算法（如光流和背景减除）的 G-API 操作和函数。

命名空间	wip
	此命名空间包含实验性的 G-API 功能，此命名空间中的函数或结构在未来版本中可能会发生变化或被删除。该命名空间还包含 API 尚未稳定的函数。

类
结构体	Generic
	Generic 通用网络类型：输入和输出层在运行时动态配置。更多...

结构体	GNetPackage
	网络配置的容器类。类似于 GKernelPackage。使用 cv::gapi::networks() 构造此对象。更多...

结构体	KalmanParams
	卡尔曼滤波器的初始化参数结构。更多...

结构体	use_only
	cv::gapi::use_only() 是一个特殊的组合器，提示 G-API 仅使用在 cv::GComputation::compile() 中指定的内核（不使用该软件包默认提供的内核进行扩展）。更多...

类型定义 (Typedefs)
using	GKernelPackage = cv::GKernelPackage

枚举
enum class	StereoOutputFormat { DEPTH_FLOAT16 , DEPTH_FLOAT32 , DISPARITY_FIXED16_11_5 , DISPARITY_FIXED16_12_4 , DEPTH_16F = DEPTH_FLOAT16 , DEPTH_32F = DEPTH_FLOAT32 , DISPARITY_16Q_10_5 = DISPARITY_FIXED16_11_5 , DISPARITY_16Q_11_4 = DISPARITY_FIXED16_12_4 }

函数
GMat	absDiff (const GMat &src1, const GMat &src2)
	计算两个矩阵之间逐元素的绝对差值。

GMat	absDiffC (const GMat &src, const GScalar &c)
	计算矩阵元素的绝对值。

GMat	add (const GMat &src1, const GMat &src2, int ddepth=-1)
	计算两个矩阵逐元素的和。

GMat	addC (const GMat &src1, const GScalar &c, int ddepth=-1)
	计算矩阵与给定标量逐元素的和。

GMat	addC (const GScalar &c, const GMat &src1, int ddepth=-1)
	这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

GMat	addWeighted (const GMat &src1, double alpha, const GMat &src2, double beta, double gamma, int ddepth=-1)
	计算两个矩阵的加权和。

GMat	BackgroundSubtractor (const GMat &src, const cv::gapi::video::BackgroundSubtractorParams &bsParams)
	基于高斯混合模型或 K 最近邻的背景/前景分割算法。该操作生成前景掩码。

GMat	BayerGR2RGB (const GMat &src_gr)
	将图像从 BayerGR 颜色空间转换为 RGB。该函数将输入图像从 BayerGR 颜色空间转换为 RGB。G、R、B 通道值的常规范围是 0 到 255。

GMat	BGR2Gray (const GMat &src)
	将图像从 BGR 颜色空间转换为灰度图。

GMat	BGR2I420 (const GMat &src)
	将图像从 BGR 颜色空间转换为 I420 颜色空间。

GMat	BGR2LUV (const GMat &src)
	将图像从 BGR 颜色空间转换为 LUV 颜色空间。

GMat	BGR2RGB (const GMat &src)
	将图像从 BGR 颜色空间转换为 RGB 颜色空间。

GMat	BGR2YUV (const GMat &src)
	将图像从 BGR 颜色空间转换为 YUV 颜色空间。

GMat	bilateralFilter (const GMat &src, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)
	对图像应用双边滤波。

cv::GRunArg	bind (cv::GRunArgP &out)
	将图执行期间可用的输出 GRunArgsP 封装为可序列化的 GRunArgs。

cv::GRunArgsP	bind (cv::GRunArgs &out_args)
	将反序列化的输出 GRunArgs 封装为可供 GCompiled 使用的 GRunArgsP。

GMat	bitwise_and (const GMat &src1, const GMat &src2)
	计算两个矩阵的按位与 (src1 & src2)。计算相同尺寸的两个矩阵逐元素的逻辑位与。

GMat	bitwise_and (const GMat &src1, const GScalar &src2)

GMat	bitwise_not (const GMat &src)
	对数组的每一位取反。

GMat	bitwise_or (const GMat &src1, const GMat &src2)
	计算两个矩阵的按位或 (src1 \| src2)。计算相同尺寸的两个矩阵逐元素的逻辑位或。

GMat	bitwise_or (const GMat &src1, const GScalar &src2)

GMat	bitwise_xor (const GMat &src1, const GMat &src2)
	计算两个矩阵的按位“异或” (src1 ^ src2)。计算相同尺寸的两个矩阵逐元素的逻辑按位“异或”。

GMat	bitwise_xor (const GMat &src1, const GScalar &src2)

GMat	blur (const GMat &src, const Size &ksize, const Point &anchor=Point(-1,-1), int borderType=BORDER_DEFAULT, const Scalar &borderValue=Scalar(0))
	使用归一化框式滤波（normalized box filter）模糊图像。

GOpaque< Rect >	boundingRect (const GArray< Point2f > &src)

GOpaque< Rect >	boundingRect (const GArray< Point2i > &src)

GOpaque< Rect >	boundingRect (const GMat &src)
	计算点集或灰度图像中非零像素的正外接矩形。

GMat	boxFilter (const GMat &src, int dtype, const Size &ksize, const Point &anchor=Point(-1,-1), bool normalize=true, int borderType=BORDER_DEFAULT, const Scalar &borderValue=Scalar(0))
	使用框式滤波模糊图像。

std::tuple< GArray< GMat >, GScalar >	buildOpticalFlowPyramid (const GMat &img, const Size &winSize, const GScalar &maxLevel, bool withDerivatives=true, int pyrBorder=BORDER_REFLECT_101, int derivBorder=BORDER_CONSTANT, bool tryReuseInputImage=true)
	构建可以传递给 calcOpticalFlowPyrLK 的图像金字塔。

std::tuple< GArray< Point2f >, GArray< uchar >, GArray< float > >	calcOpticalFlowPyrLK (const GArray< GMat > &prevPyr, const GArray< GMat > &nextPyr, const GArray< Point2f > &prevPts, const GArray< Point2f > &predPts, const Size &winSize=Size(21, 21), const GScalar &maxLevel=3, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT\|TermCriteria::EPS, 30, 0.01), int flags=0, double minEigThresh=1e-4)

std::tuple< GArray< Point2f >, GArray< uchar >, GArray< float > >	calcOpticalFlowPyrLK (const GMat &prevImg, const GMat &nextImg, const GArray< Point2f > &prevPts, const GArray< Point2f > &predPts, const Size &winSize=Size(21, 21), const GScalar &maxLevel=3, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT\|TermCriteria::EPS, 30, 0.01), int flags=0, double minEigThresh=1e-4)
	使用带金字塔的迭代 Lucas-Kanade 方法计算稀疏特征集的光流。

GMat	Canny (const GMat &image, double threshold1, double threshold2, int apertureSize=3, bool L2gradient=false)
	使用 Canny 算法检测图像边缘。

std::tuple< GMat, GMat >	cartToPolar (const GMat &x, const GMat &y, bool angleInDegrees=false)
	计算二维向量的幅值和角度。

GMat	cmpEQ (const GMat &src1, const GMat &src2)
	执行两个矩阵逐元素比较，检查第一个矩阵的元素是否等于第二个矩阵中对应的元素。

GMat	cmpEQ (const GMat &src1, const GScalar &src2)

GMat	cmpGE (const GMat &src1, const GMat &src2)
	执行两个矩阵逐元素比较，检查第一个矩阵的元素是否大于或等于第二个矩阵中对应的元素。

GMat	cmpGE (const GMat &src1, const GScalar &src2)

GMat	cmpGT (const GMat &src1, const GMat &src2)
	执行两个矩阵逐元素比较，检查第一个矩阵的元素是否大于第二个矩阵中对应的元素。

GMat	cmpGT (const GMat &src1, const GScalar &src2)

GMat	cmpLE (const GMat &src1, const GMat &src2)
	执行两个矩阵逐元素比较，检查第一个矩阵的元素是否小于或等于第二个矩阵中对应的元素。

GMat	cmpLE (const GMat &src1, const GScalar &src2)

GMat	cmpLT (const GMat &src1, const GMat &src2)
	执行两个矩阵逐元素比较，检查第一个矩阵的元素是否小于第二个矩阵中对应的元素。

GMat	cmpLT (const GMat &src1, const GScalar &src2)

GMat	cmpNE (const GMat &src1, const GMat &src2)
	执行两个矩阵逐元素比较，检查第一个矩阵的元素是否不等于第二个矩阵中对应的元素。

GMat	cmpNE (const GMat &src1, const GScalar &src2)

template<typename... Ps>
cv::GKernelPackage	combine (const cv::GKernelPackage &a, const cv::GKernelPackage &b, Ps &&... rest)
	将多个 G-API 内核包合并为一个。

cv::GKernelPackage	combine (const cv::GKernelPackage &lhs, const cv::GKernelPackage &rhs)

GMat	concatHor (const GMat &src1, const GMat &src2)
	对给定的矩阵进行水平拼接。

GMat	concatHor (const std::vector< GMat > &v)

GMat	concatVert (const GMat &src1, const GMat &src2)
	对给定的矩阵进行垂直拼接。

GMat	concatVert (const std::vector< GMat > &v)

GMat	convertTo (const GMat &src, int rdepth, double alpha=1, double beta=0)
	将矩阵转换为另一个数据深度，并可选择缩放。

GFrame	copy (const GFrame &in)
	创建输入帧的副本。请注意，此副本可能不是真实复制（不进行实际数据拷贝）。在需要直接将图的输入传递给输出时（例如在流模式下），使用此函数来维护图约定。

GMat	copy (const GMat &in)
	创建输入图像的副本。请注意，此副本可能不是真实复制（不进行实际数据拷贝）。在需要直接将图的输入传递给输出时（例如在流模式下），使用此函数来维护图约定。

GOpaque< int >	countNonZero (const GMat &src)
	统计非零数组元素的数量。

GMat	crop (const GMat &src, const Rect &rect)
	裁剪 2D 矩阵。

template<>
cv::GComputation	deserialize (const std::vector< char > &bytes)
	从字节数组反序列化 GComputation。

template<>
cv::GMetaArgs	deserialize (const std::vector< char > &bytes)
	从字节数组反序列化 GMetaArgs。

template<>
cv::GRunArgs	deserialize (const std::vector< char > &bytes)
	从字节数组反序列化 GRunArgs。

template<>
std::vector< std::string >	deserialize (const std::vector< char > &bytes)
	从字节数组反序列化 std::vector<std::string>。

template<typename T , typename... Types>
std::enable_if< std::is_same< T, GCompileArgs >::value, GCompileArgs >::type	deserialize (const std::vector< char > &bytes)
	从字节数组反序列化在模板中指定类型的 GCompileArgs。

template<typename T , typename AtLeastOneAdapterT , typename... AdapterTypes>
std::enable_if< std::is_same< T, GRunArgs >::value, GRunArgs >::type	deserialize (const std::vector< char > &bytes)
	从字节数组反序列化 GRunArgs，包括 RMat 和 MediaFrame 对象（如果有）。

GMat	dilate (const GMat &src, const Mat &kernel, const Point &anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar &borderValue=morphologyDefaultBorderValue())
	使用特定的结构元素膨胀图像。

GMat	dilate3x3 (const GMat &src, int iterations=1, int borderType=BORDER_CONSTANT, const Scalar &borderValue=morphologyDefaultBorderValue())
	使用 3x3 矩形结构元素对图像进行膨胀。

GMat	div (const GMat &src1, const GMat &src2, double scale, int ddepth=-1)
	执行两个矩阵的逐元素除法。

GMat	divC (const GMat &src, const GScalar &divisor, double scale, int ddepth=-1)
	用矩阵除以标量。

GMat	divRC (const GScalar &divident, const GMat &src, double scale, int ddepth=-1)
	用标量除以矩阵。

GMat	equalizeHist (const GMat &src)

GMat	erode (const GMat &src, const Mat &kernel, const Point &anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar &borderValue=morphologyDefaultBorderValue())
	使用特定的结构元素腐蚀图像。

GMat	erode3x3 (const GMat &src, int iterations=1, int borderType=BORDER_CONSTANT, const Scalar &borderValue=morphologyDefaultBorderValue())
	使用 3x3 矩形结构元素对图像进行腐蚀。

GMat	filter2D (const GMat &src, int ddepth, const Mat &kernel, const Point &anchor=Point(-1,-1), const Scalar &delta=Scalar(0), int borderType=BORDER_DEFAULT, const Scalar &borderValue=Scalar(0))
	将图像与卷积核进行卷积。

GArray< GArray< Point > >	findContours (const GMat &src, const RetrievalModes mode, const ContourApproximationModes method)

GArray< GArray< Point > >	findContours (const GMat &src, const RetrievalModes mode, const ContourApproximationModes method, const GOpaque< Point > &offset)
	在二值图像中查找轮廓。

std::tuple< GArray< GArray< Point > >, GArray< Vec4i > >	findContoursH (const GMat &src, const RetrievalModes mode, const ContourApproximationModes method)

std::tuple< GArray< GArray< Point > >, GArray< Vec4i > >	findContoursH (const GMat &src, const RetrievalModes mode, const ContourApproximationModes method, const GOpaque< Point > &offset)
	在二值图像中查找轮廓及其层级结构。

GOpaque< Vec4f >	fitLine2D (const GArray< Point2d > &src, const DistanceTypes distType, const double param=0., const double reps=0., const double aeps=0.)

GOpaque< Vec4f >	fitLine2D (const GArray< Point2f > &src, const DistanceTypes distType, const double param=0., const double reps=0., const double aeps=0.)

GOpaque< Vec4f >	fitLine2D (const GArray< Point2i > &src, const DistanceTypes distType, const double param=0., const double reps=0., const double aeps=0.)

GOpaque< Vec4f >	fitLine2D (const GMat &src, const DistanceTypes distType, const double param=0., const double reps=0., const double aeps=0.)
	为 2D 点集拟合直线。

GOpaque< Vec6f >	fitLine3D (const GArray< Point3d > &src, const DistanceTypes distType, const double param=0., const double reps=0., const double aeps=0.)

GOpaque< Vec6f >	fitLine3D (const GArray< Point3f > &src, const DistanceTypes distType, const double param=0., const double reps=0., const double aeps=0.)

GOpaque< Vec6f >	fitLine3D (const GArray< Point3i > &src, const DistanceTypes distType, const double param=0., const double reps=0., const double aeps=0.)

GOpaque< Vec6f >	fitLine3D (const GMat &src, const DistanceTypes distType, const double param=0., const double reps=0., const double aeps=0.)
	为 3D 点集拟合直线。

GMat	flip (const GMat &src, int flipCode)
	围绕垂直、水平或两个轴翻转 2D 矩阵。

GMat	gaussianBlur (const GMat &src, const Size &ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT, const Scalar &borderValue=Scalar(0))
	使用高斯滤波器模糊图像。

template<typename T >
cv::util::optional< T >	getCompileArg (const cv::GCompileArgs &args)
	根据类型从 cv::GCompileArgs 中检索特定的编译参数。

GArray< Point2f >	goodFeaturesToTrack (const GMat &image, int maxCorners, double qualityLevel, double minDistance, const Mat &mask=Mat(), int blockSize=3, bool useHarrisDetector=false, double k=0.04)
	在图像上确定强角点。

GMat	I4202BGR (const GMat &src)
	将图像从 I420 颜色空间转换为 BGR 颜色空间。

GMat	I4202RGB (const GMat &src)
	将图像从 I420 颜色空间转换为 BGR 颜色空间。

template<typename Net , typename... Args>
Net::Result	infer (Args &&... args)
	给定输入数据，计算指定网络（模板参数）的响应。

template<typename T = Generic>
cv::GInferListOutputs	infer (const std::string &tag, const cv::GArray< cv::Rect > &rois, const cv::GInferInputs &inputs)
	计算源图像中每个区域指定网络的响应。

template<typename T = Generic>
cv::GInferOutputs	infer (const std::string &tag, const cv::GInferInputs &inputs)
	计算通用网络的响应。

template<typename T = Generic>
cv::GInferOutputs	infer (const std::string &tag, const cv::GOpaque< cv::Rect > &roi, const cv::GInferInputs &inputs)
	计算源图像中指定区域通用网络的响应。目前仅支持单输入网络。

template<typename Net , typename... Args>
Net::ResultL	infer (cv::GArray< cv::Rect > roi, Args &&... args)
	计算源图像中每个区域指定网络（模板参数）的响应。

template<typename Net , typename T >
Net::Result	infer (cv::GOpaque< cv::Rect > roi, T in)
	计算源图像中指定区域指定网络（模板参数）的响应。目前仅支持单输入网络。

template<typename T = Generic, typename Input >
std::enable_if< cv::detail::accepted_infer_types< Input >::value, cv::GInferListOutputs >::type	infer2 (const std::string &tag, const Input &in, const cv::GInferListInputs &inputs)
	计算源图像中每个区域指定网络的响应，扩展版本。

template<typename Net , typename T , typename... Args>
Net::ResultL	infer2 (T image, cv::GArray< Args >... args)
	计算源图像中每个区域指定网络（模板参数）的响应，扩展版本。

GMat	inRange (const GMat &src, const GScalar &threshLow, const GScalar &threshUp)
	对每个矩阵元素应用范围级阈值。

std::tuple< GMat, GMat >	integral (const GMat &src, int sdepth=-1, int sqdepth=-1)
	计算图像的积分图。

void	island (const std::string &name, GProtoInputArgs &&ins, GProtoOutputArgs &&outs)
	在计算中定义一个带标签的岛屿（子图）。

GMat	KalmanFilter (const GMat &measurement, const GOpaque< bool > &haveMeasurement, const cv::gapi::KalmanParams &kfParams)

GMat	KalmanFilter (const GMat &measurement, const GOpaque< bool > &haveMeasurement, const GMat &control, const cv::gapi::KalmanParams &kfParams)
	标准卡尔曼滤波算法 http://en.wikipedia.org/wiki/Kalman_filter。

template<typename... KK>
GKernelPackage	kernels ()
	创建一个包含可变模板参数中指定的内核和转换的内核包对象。

template<typename... FF>
GKernelPackage	kernels (FF &... functors)

std::tuple< GOpaque< double >, GArray< int >, GArray< Point2f > >	kmeans (const GArray< Point2f > &data, const int K, const GArray< int > &bestLabels, const TermCriteria &criteria, const int attempts, const KmeansFlags flags)

std::tuple< GOpaque< double >, GArray< int >, GArray< Point3f > >	kmeans (const GArray< Point3f > &data, const int K, const GArray< int > &bestLabels, const TermCriteria &criteria, const int attempts, const KmeansFlags flags)

std::tuple< GOpaque< double >, GMat, GMat >	kmeans (const GMat &data, const int K, const GMat &bestLabels, const TermCriteria &criteria, const int attempts, const KmeansFlags flags)
	查找聚类中心并将输入样本围绕聚类进行分组。

std::tuple< GOpaque< double >, GMat, GMat >	kmeans (const GMat &data, const int K, const TermCriteria &criteria, const int attempts, const KmeansFlags flags)

GMat	Laplacian (const GMat &src, int ddepth, int ksize=1, double scale=1, double delta=0, int borderType=BORDER_DEFAULT)
	计算图像的拉普拉斯算子。

GMat	LUT (const GMat &src, const Mat &lut)
	对矩阵执行查找表 (LUT) 转换。

GMat	LUV2BGR (const GMat &src)
	将图像从 LUV 颜色空间转换为 BGR 颜色空间。

GMat	mask (const GMat &src, const GMat &mask)
	将掩码应用于矩阵。

GMat	max (const GMat &src1, const GMat &src2)
	计算两个矩阵逐元素的最大值。

GScalar	mean (const GMat &src)
	计算矩阵元素的平均值（均值）。

GMat	medianBlur (const GMat &src, int ksize)
	使用中值滤波器模糊图像。

GMat	merge3 (const GMat &src1, const GMat &src2, const GMat &src3)
	由 3 个单通道矩阵创建 1 个 3 通道矩阵。

GMat	merge4 (const GMat &src1, const GMat &src2, const GMat &src3, const GMat &src4)
	由 4 个单通道矩阵创建 1 个 4 通道矩阵。

GMat	min (const GMat &src1, const GMat &src2)
	计算两个矩阵逐元素的最小值。

GMat	morphologyEx (const GMat &src, const MorphTypes op, const Mat &kernel, const Point &anchor=Point(-1,-1), const int iterations=1, const BorderTypes borderType=BORDER_CONSTANT, const Scalar &borderValue=morphologyDefaultBorderValue())
	执行高级形态学变换。

GMat	mul (const GMat &src1, const GMat &src2, double scale=1.0, int ddepth=-1)
	计算两个矩阵逐元素的缩放乘积。

GMat	mulC (const GMat &src, const GScalar &multiplier, int ddepth=-1)
	这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

GMat	mulC (const GMat &src, double multiplier, int ddepth=-1)
	矩阵乘以标量。

GMat	mulC (const GScalar &multiplier, const GMat &src, int ddepth=-1)
	这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

template<typename... Args>
cv::gapi::GNetPackage	networks (Args &&... args)

GMat	normalize (const GMat &src, double alpha, double beta, int norm_type, int ddepth=-1)
	归一化数组的范数或数值范围。

GScalar	normInf (const GMat &src)
	计算矩阵的绝对无穷范数。

GScalar	normL1 (const GMat &src)
	计算矩阵的绝对 L1 范数。

GScalar	normL2 (const GMat &src)
	计算矩阵的绝对 L2 范数。

GMat	NV12toBGR (const GMat &src_y, const GMat &src_uv)
	将图像从 NV12 (YUV420p) 颜色空间转换为 BGR。该函数将输入图像从 NV12 颜色空间转换为 RGB。Y、U、V 通道值的常规范围是 0 到 255。

GMatP	NV12toBGRp (const GMat &src_y, const GMat &src_uv)
	将图像从 NV12 (YUV420p) 颜色空间转换为 BGR。该函数将输入图像从 NV12 颜色空间转换为 BGR。Y、U、V 通道值的常规范围是 0 到 255。

GMat	NV12toGray (const GMat &src_y, const GMat &src_uv)
	将图像从 NV12 (YUV420p) 颜色空间转换为灰度。该函数将输入图像从 NV12 颜色空间转换为灰度。Y、U、V 通道值的常规范围是 0 到 255。

GMat	NV12toRGB (const GMat &src_y, const GMat &src_uv)
	将图像从 NV12 (YUV420p) 颜色空间转换为 RGB。该函数将输入图像从 NV12 颜色空间转换为 RGB。Y、U、V 通道值的常规范围是 0 到 255。

GMatP	NV12toRGBp (const GMat &src_y, const GMat &src_uv)
	将图像从 NV12 (YUV420p) 颜色空间转换为 RGB。该函数将输入图像从 NV12 颜色空间转换为 RGB。Y、U、V 通道值的常规范围是 0 到 255。

bool	operator!= (const GBackend &lhs, const GBackend &rhs)

cv::gapi::GNetPackage &	operator+= (cv::gapi::GNetPackage &lhs, const cv::gapi::GNetPackage &rhs)

GArray< Rect >	parseSSD (const GMat &in, const GOpaque< Size > &inSz, const float confidenceThreshold, const bool alignmentToSquare, const bool filterOutOfBounds)
	解析 SSD 网络的输出。

std::tuple< GArray< Rect >, GArray< int > >	parseSSD (const GMat &in, const GOpaque< Size > &inSz, const float confidenceThreshold=0.5f, const int filterLabel=-1)
	解析 SSD 网络的输出。

std::tuple< GArray< Rect >, GArray< int > >	parseYolo (const GMat &in, const GOpaque< Size > &inSz, const float confidenceThreshold=0.5f, const float nmsThreshold=0.5f, const std::vector< float > &anchors=nn::parsers::GParseYolo::defaultAnchors())
	解析 Yolo 网络的输出。

GMat	phase (const GMat &x, const GMat &y, bool angleInDegrees=false)
	计算二维向量的旋转角度。

std::tuple< GMat, GMat >	polarToCart (const GMat &magnitude, const GMat &angle, bool angleInDegrees=false)
	根据二维向量的幅值和角度计算其 x 和 y 坐标。

GMat	remap (const GMat &src, const Mat &map1, const Mat &map2, int interpolation, int borderMode=BORDER_CONSTANT, const Scalar &borderValue=Scalar())
	对图像应用通用的几何变换。

GMat	resize (const GMat &src, const Size &dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR)
	调整图像大小。

GMatP	resizeP (const GMatP &src, const Size &dsize, int interpolation=cv::INTER_LINEAR)
	调整平面图像的大小。

GMat	RGB2Gray (const GMat &src)
	将图像从 RGB 颜色空间转换为灰度图。

GMat	RGB2Gray (const GMat &src, float rY, float gY, float bY)

GMat	RGB2HSV (const GMat &src)
	将图像从 RGB 颜色空间转换为 HSV。该函数将输入图像从 RGB 颜色空间转换为 HSV。R、G、B 通道值的常规范围是 0 到 255。

GMat	RGB2I420 (const GMat &src)
	将图像从 RGB 颜色空间转换为 I420 颜色空间。

GMat	RGB2Lab (const GMat &src)
	将图像从 RGB 颜色空间转换为 Lab 颜色空间。

GMat	RGB2YUV (const GMat &src)
	将图像从 RGB 颜色空间转换为 YUV 颜色空间。

GMat	RGB2YUV422 (const GMat &src)
	将图像从 RGB 颜色空间转换为 YUV422。该函数将输入图像从 RGB 颜色空间转换为 YUV422。R、G、B 通道值的常规范围是 0 到 255。

GMat	select (const GMat &src1, const GMat &src2, const GMat &mask)
	通过给定掩码从第一个或第二个输入矩阵中选择值。如果掩码矩阵的对应值为 255，该函数将输出矩阵设为第一个输入矩阵的值；如果掩码矩阵的值为 0，则设为第二个输入矩阵的值。

GMat	sepFilter (const GMat &src, int ddepth, const Mat &kernelX, const Mat &kernelY, const Point &anchor, const Scalar &delta, int borderType=BORDER_DEFAULT, const Scalar &borderValue=Scalar(0))
	对矩阵（图像）应用可分离的线性滤波器。

std::vector< char >	serialize (const cv::GCompileArgs &ca)

std::vector< char >	serialize (const cv::GComputation &c)
	将由 GComputation 表示的图序列化为字节数组。

std::vector< char >	serialize (const cv::GMetaArgs &ma)

std::vector< char >	serialize (const cv::GRunArgs &ra)

std::vector< char >	serialize (const std::vector< std::string > &vs)

GMat	Sobel (const GMat &src, int ddepth, int dx, int dy, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT, const Scalar &borderValue=Scalar(0))
	使用扩展 Sobel 算子计算图像的一阶、二阶、三阶或混合导数。

std::tuple< GMat, GMat >	SobelXY (const GMat &src, int ddepth, int order, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT, const Scalar &borderValue=Scalar(0))
	使用扩展 Sobel 算子计算图像的一阶、二阶、三阶或混合导数。

std::tuple< GMat, GMat, GMat >	split3 (const GMat &src)
	将 3 通道矩阵拆分为 3 个单通道矩阵。

std::tuple< GMat, GMat, GMat, GMat >	split4 (const GMat &src)
	将 4 通道矩阵拆分为 4 个单通道矩阵。

GMat	sqrt (const GMat &src)
	计算数组元素的平方根。

GMat	stereo (const GMat &left, const GMat &right, const StereoOutputFormat of=StereoOutputFormat::DEPTH_FLOAT32)
	计算指定立体对的视差/深度图。该函数根据传入的 StereoOutputFormat 参数计算视差图或深度图。

GMat	sub (const GMat &src1, const GMat &src2, int ddepth=-1)
	计算两个矩阵逐元素的差。

GMat	subC (const GMat &src, const GScalar &c, int ddepth=-1)
	计算矩阵与给定标量逐元素的差。

GMat	subRC (const GScalar &c, const GMat &src, int ddepth=-1)
	计算给定标量与矩阵逐元素的差。

GScalar	sum (const GMat &src)
	计算所有矩阵元素的和。

std::tuple< GMat, GScalar >	threshold (const GMat &src, const GScalar &maxval, int type)

GMat	threshold (const GMat &src, const GScalar &thresh, const GScalar &maxval, int type)
	对每个矩阵元素应用固定级别的阈值。

GMat	transpose (const GMat &src)
	矩阵转置。

GMat	warpAffine (const GMat &src, const Mat &M, const Size &dsize, int flags=cv::INTER_LINEAR, int borderMode=cv::BORDER_CONSTANT, const Scalar &borderValue=Scalar())
	对图像应用仿射变换。

GMat	warpPerspective (const GMat &src, const Mat &M, const Size &dsize, int flags=cv::INTER_LINEAR, int borderMode=cv::BORDER_CONSTANT, const Scalar &borderValue=Scalar())
	对图像应用透视变换。

GMat	YUV2BGR (const GMat &src)
	将图像从 YUV 颜色空间转换为 BGR 颜色空间。

GMat	YUV2RGB (const GMat &src)
	将图像从 YUV 颜色空间转换为 RGB。该函数将输入图像从 YUV 颜色空间转换为 RGB。Y、U、V 通道值的常规范围是 0 到 255。

类型定义文档 (Typedef Documentation)

◆ GKernelPackage

using cv::gapi::GKernelPackage = cv::GKernelPackage

枚举类型文档 (Enumeration Type Documentation)

◆ StereoOutputFormat

enum class cv::gapi::StereoOutputFormat

strong

该枚举指定了从 cv::gapi::stereo 获取的结果格式。

枚举值 (Enumerator)
DEPTH_FLOAT16	浮点 16 位值，CV_16FC1。此标识符已弃用，请改用 DEPTH_16F。
DEPTH_FLOAT32	浮点 32 位值，CV_32FC1。此标识符已弃用，请改用 DEPTH_32F。
DISPARITY_FIXED16_11_5	16 位有符号数：第 1 位为符号位，10 位为整数部分，5 位为小数部分。此标识符已弃用，请改用 DISPARITY_16Q_10_5。
DISPARITY_FIXED16_12_4	16 位有符号数：第 1 位为符号位，11 位为整数部分，4 位为小数部分。此标识符已弃用，请改用 DISPARITY_16Q_11_4。
DEPTH_16F	同 DEPTH_FLOAT16。
DEPTH_32F	同 DEPTH_FLOAT32。
DISPARITY_16Q_10_5	同 DISPARITY_FIXED16_11_5。
DISPARITY_16Q_11_4	同 DISPARITY_FIXED16_12_4。

函数文档 (Function Documentation)

◆ combine() [1/2]

template<typename... Ps>

cv::GKernelPackage cv::gapi::combine	(	const cv::GKernelPackage &	a,
		const cv::GKernelPackage &	b,
		Ps &&...	rest )

Python
	cv.gapi.combine(	lhs, rhs	) ->	retval

将多个 G-API 内核包合并为一个。

这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

此函数使用右折叠（right fold）连续组合传递的核心包。调用 combine(a, b, c) 等同于 combine(a, combine(b, c))。

返回: 生成的内核包

此函数的调用图

◆ combine() [2/2]

cv::GKernelPackage cv::gapi::combine	(	const cv::GKernelPackage &	lhs,
		const cv::GKernelPackage &	rhs )

Python
	cv.gapi.combine(	lhs, rhs	) ->	retval

◆ deserialize() [1/3]

template<>

cv::GMetaArgs cv::gapi::deserialize ( const std::vector< char > & bytes )

内联

从字节数组反序列化 GMetaArgs。

查看不同的重载以获取更多示例。

参数

bytes 序列化的字节向量。

返回: 反序列化的 GMetaArgs 对象。

◆ deserialize() [2/3]

template<>

cv::GRunArgs cv::gapi::deserialize ( const std::vector< char > & bytes )

内联

从字节数组反序列化 GRunArgs。

查看不同的重载以获取更多示例。

参数

bytes 序列化的字节向量。

返回: 反序列化的 GRunArgs 对象。

◆ deserialize() [3/3]

template<>

std::vector< std::string > cv::gapi::deserialize ( const std::vector< char > & bytes )

内联

从字节数组反序列化 std::vector<std::string>。

查看不同的重载以获取更多示例。

参数

bytes 序列化的字节向量。

返回: 反序列化的 std::vector<std::string> 对象。

◆ equalizeHist()

GMat cv::gapi::equalizeHist ( const GMat & src )

Python
	cv.gapi.equalizeHist(	src	) ->	retval

gapi_feature

该函数使用以下算法对输入图像的直方图进行均衡化

计算源图像 src 的直方图 \(H\)。
归一化直方图，使直方图各箱之和为 255。
计算直方图的积分
\[H'_i = \sum _{0 \le j < i} H(j)\]
使用 \(H'\) 作为查找表变换图像：\(\texttt{dst}(x,y) = H'(\texttt{src}(x,y))\)

该算法归一化亮度并增加图像对比度。

注意

返回的图像与输入图像具有相同的尺寸和类型。
函数文本 ID 为 "org.opencv.imgproc.equalizeHist"

参数

src	源 8 位单通道图像。

◆ getCompileArg()

template<typename T >

cv::util::optional< T > cv::gapi::getCompileArg ( const cv::GCompileArgs & args )

内联

根据类型从 cv::GCompileArgs 中检索特定的编译参数。

◆ infer() [1/6]

template<typename Net , typename... Args>

Net::Result cv::gapi::infer ( Args &&... args )


cv.gapi.infer(	name, inputs	) ->	retval
cv.gapi.infer(	name, roi, inputs	) ->	retval
cv.gapi.infer(	name, rois, inputs	) ->	retval

给定输入数据，计算指定网络（模板参数）的响应。

模板参数

A	使用 G_API_NET() 宏定义的网络类型。

参数

args	G_API_NET() 宏中指定的网络输入参数。

返回: G_API_NET() 中定义的返回类型对象。如果网络有多个返回值（用元组定义），则返回适当类型的对象元组。

另请参阅: G_API_NET()

◆ infer() [2/6]

template<typename T = Generic>

cv::GInferListOutputs cv::gapi::infer	(	const std::string &	tag,
		const cv::GArray< cv::Rect > &	rois,
		const cv::GInferInputs &	inputs )


cv.gapi.infer(	name, inputs	) ->	retval
cv.gapi.infer(	name, roi, inputs	) ->	retval
cv.gapi.infer(	name, rois, inputs	) ->	retval

计算源图像中每个区域指定网络的响应。

参数

tag	网络标签
rois	描述源图像中感兴趣区域的矩形列表。通常是物体检测器或跟踪器的输出。
inputs	网络输入

返回: 一个 cv::GInferListOutputs

此函数的调用图

◆ infer() [3/6]

template<typename T = Generic>

cv::GInferOutputs cv::gapi::infer	(	const std::string &	tag,
		const cv::GInferInputs &	inputs )


cv.gapi.infer(	name, inputs	) ->	retval
cv.gapi.infer(	name, roi, inputs	) ->	retval
cv.gapi.infer(	name, rois, inputs	) ->	retval

计算通用网络的响应。

参数

tag	网络标签
inputs	网络输入

返回: 一个 GInferOutputs

此函数的调用图

◆ infer() [4/6]

template<typename T = Generic>

cv::GInferOutputs cv::gapi::infer	(	const std::string &	tag,
		const cv::GOpaque< cv::Rect > &	roi (感兴趣区域),
		const cv::GInferInputs &	inputs )


cv.gapi.infer(	name, inputs	) ->	retval
cv.gapi.infer(	name, roi, inputs	) ->	retval
cv.gapi.infer(	name, rois, inputs	) ->	retval

计算源图像中指定区域通用网络的响应。目前仅支持单输入网络。

参数

tag	网络标签
roi (感兴趣区域)	描述源图像中感兴趣区域的对象。可以在同一个计算图中动态计算。
inputs	网络输入

返回: 一个 cv::GInferOutputs

此函数的调用图

◆ infer() [5/6]

template<typename Net , typename... Args>

Net::ResultL cv::gapi::infer	(	cv::GArray< cv::Rect >	roi (感兴趣区域),
		Args &&...	args )


cv.gapi.infer(	name, inputs	) ->	retval
cv.gapi.infer(	name, roi, inputs	) ->	retval
cv.gapi.infer(	name, rois, inputs	) ->	retval

计算源图像中每个区域指定网络（模板参数）的响应。

模板参数

A	使用 G_API_NET() 宏定义的网络类型。

参数

roi (感兴趣区域)	描述源图像中感兴趣区域的矩形列表。通常是物体检测器或跟踪器的输出。
args	G_API_NET() 宏中指定的网络输入参数。注意：经核实，仅能可靠地支持单输入拓扑。

返回: G_API_NET() 中定义的返回类型对象列表。如果网络有多个返回值（用元组定义），则返回包含适当类型的 GArray<> 对象元组。

另请参阅: G_API_NET()

◆ infer() [6/6]

template<typename Net , typename T >

Net::Result cv::gapi::infer	(	cv::GOpaque< cv::Rect >	roi (感兴趣区域),
		T	in )


cv.gapi.infer(	name, inputs	) ->	retval
cv.gapi.infer(	name, roi, inputs	) ->	retval
cv.gapi.infer(	name, rois, inputs	) ->	retval

计算源图像中指定区域指定网络（模板参数）的响应。目前仅支持单输入网络。

模板参数

A	使用 G_API_NET() 宏定义的网络类型。

参数

in	用于提取 ROI 的源图像。
roi (感兴趣区域)	描述源图像中感兴趣区域的对象。可以在同一个计算图中动态计算。

返回: G_API_NET() 中定义的返回类型对象。如果网络有多个返回值（用元组定义），则返回适当类型的对象元组。

另请参阅: G_API_NET()

◆ infer2() [1/2]

template<typename T = Generic, typename Input >

std::enable_if< cv::detail::accepted_infer_types< Input >::value, cv::GInferListOutputs >::type cv::gapi::infer2	(	const std::string &	tag,
		const Input &	in,
		const cv::GInferListInputs &	inputs )

Python
	cv.gapi.infer2(	name, in_, inputs	) ->	retval

计算源图像中每个区域指定网络的响应，扩展版本。

参数

tag	网络标签
in	包含感兴趣区域的源图像。
inputs	网络输入

返回: 一个 cv::GInferListOutputs

此函数的调用图

◆ infer2() [2/2]

template<typename Net , typename T , typename... Args>

Net::ResultL cv::gapi::infer2	(	T	图像,
		cv::GArray< Args >...	args )

Python
	cv.gapi.infer2(	name, in_, inputs	) ->	retval

计算源图像中每个区域指定网络（模板参数）的响应，扩展版本。

模板参数

A	使用 G_API_NET() 宏定义的网络类型。

参数

图像	包含感兴趣区域的源图像
args	cv::Rect 或 cv::GMat 的 GArray<> 对象，每个网络输入一个如果传递了 cv::GArray<cv::Rect>，则从 `image` 中提取适当的区域并预处理到该特定网络输入；如果传递了 cv::GArray<cv::GMat>，则基础数据被视为张量（不发生自动预处理）。

返回: G_API_NET() 中定义的返回类型对象列表。如果网络有多个返回值（用元组定义），则返回包含适当类型的 GArray<> 对象元组。

另请参阅: G_API_NET()

◆ island()

void cv::gapi::island	(	const std::string &	name,
		GProtoInputArgs &&	ins,
		GProtoOutputArgs &&	outs )

在计算中定义一个带标签的岛屿（子图）。

声明一个标记为 name 的岛（Island），其定义从 ins 到 outs（不含边界，因为 ins/outs 是数据对象，区域划分是在操作级别完成的）。如果 ins 和 outs 之间的任何操作已经分配给另一个岛，则抛出异常。

岛允许将计算图划分为子图，从而微调底层执行器的调度方式。

参数

name	要创建的岛的名称
ins	子图开始处的输入数据对象向量
outs	子图结束处的输出数据对象向量。

岛的定义方式类似于在输入/输出数据对象上定义 cv::GComputation。同样的规则也适用于此——如果输入和输出之间没有函数依赖关系，或者没有指定足够的输入数据对象来正确计算所有输出，则会抛出异常。

使用 cv::GIn() / cv::GOut() 指定输入/输出向量。

◆ kmeans() [1/4]

std::tuple< GOpaque< double >, GArray< int >, GArray< Point2f > > cv::gapi::kmeans	(	const GArray< Point2f > &	data (数据),
		const int	K,
		const GArray< int > &	bestLabels,
		const TermCriteria &	criteria,
		const int	attempts,
		const KmeansFlags	flags (标志) )

Python
	cv.gapi.kmeans(	data, K, bestLabels, criteria, attempts, flags	) ->	retval
	cv.gapi.kmeans(	data, K, criteria, attempts, flags	) ->	retval

这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

注意: 函数文本 ID 为 "org.opencv.core.kmeans2D"

◆ kmeans() [2/4]

std::tuple< GOpaque< double >, GArray< int >, GArray< Point3f > > cv::gapi::kmeans	(	const GArray< Point3f > &	data (数据),
		const int	K,
		const GArray< int > &	bestLabels,
		const TermCriteria &	criteria,
		const int	attempts,
		const KmeansFlags	flags (标志) )

Python
	cv.gapi.kmeans(	data, K, bestLabels, criteria, attempts, flags	) ->	retval
	cv.gapi.kmeans(	data, K, criteria, attempts, flags	) ->	retval

这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

注意: 函数文本 ID 为 "org.opencv.core.kmeans3D"

◆ kmeans() [3/4]

std::tuple< GOpaque< double >, GMat, GMat > cv::gapi::kmeans	(	const GMat &	data (数据),
		const int	K,
		const GMat &	bestLabels,
		const TermCriteria &	criteria,
		const int	attempts,
		const KmeansFlags	flags (标志) )

Python
	cv.gapi.kmeans(	data, K, bestLabels, criteria, attempts, flags	) ->	retval
	cv.gapi.kmeans(	data, K, criteria, attempts, flags	) ->	retval

查找聚类中心并将输入样本围绕聚类进行分组。

kmeans 函数实现了一个 k-means 算法，该算法查找 K 个聚类的中心，并将输入样本围绕聚类进行分组。作为输出，\(\texttt{bestLabels}_i\) 包含第 \(i^{th}\) 个样本的从 0 开始的聚类索引。

注意

函数文本 ID 为 "org.opencv.core.kmeansND"
如果给定的是 N 维点集，输入 GMat 可以具有以下特征：2 维，如果存在 N 个通道，则为单行或单列；或者如果存在单通道，则为 N 列。Mat 深度应为 CV_32F。
但是，如果给定高度 != 1、宽度 != 1、通道数 != 1 的 GMat 作为数据，则认为给定了 A 个 n 维样本，其中 A = 高度，n = 宽度 * 通道数。
在给定 GMat 作为数据的情况下
- 输出标签以单通道 GMat 形式返回，尺寸为宽度 = 1，高度 = A，其中 A 是样本量；如果给定了 bestLabels，则宽度 = bestLabels.width，高度 = bestLabels.height；
- 聚类中心以单通道 GMat 形式返回，尺寸为宽度 = n，高度 = K，其中 n 是样本维度，K 是聚类数量。
作为一种可能的用法，如果你想自己控制每次尝试的初始标签，可以只利用函数的核心部分。为此，请将尝试次数设置为 1，每次使用自定义算法初始化标签，并使用 ( flags = KMEANS_USE_INITIAL_LABELS ) 标志传递它们，然后选择最佳（最紧凑）的聚类结果。

参数

data (数据)	聚类数据。需要具有浮点坐标的 N 维点数组。函数可以接受 2D 和 3D 情况的 GArray<Point2f>、GArray<Point3f>，或者任何维度和通道的 GMat。
K	要划分的聚类数量。
bestLabels	可选的输入整数数组，可以存储每个样本的假设初始聚类索引。当设置了 ( flags = KMEANS_USE_INITIAL_LABELS ) 标志时使用。
criteria	算法终止条件，即最大迭代次数和/或所需的精度。精度指定为 criteria.epsilon。一旦在某次迭代中每个聚类中心的移动距离都小于 criteria.epsilon，算法就会停止。
attempts	指定使用不同初始标签执行算法次数的标志。算法返回产生最佳紧凑度（见第一个函数返回值）的标签。
flags (标志)	可以采用 cv::KmeansFlags 值的标志。

返回

紧凑度度量，计算公式为
\[\sum _i \| \texttt{samples} _i - \texttt{centers} _{ \texttt{labels} _i} \| ^2\]
在每次尝试后计算。选择最佳（最小值），函数返回相应的标签和紧凑度值。
存储每个样本聚类索引的整数数组。
聚类中心数组。

◆ kmeans() [4/4]

std::tuple< GOpaque< double >, GMat, GMat > cv::gapi::kmeans	(	const GMat &	data (数据),
		const int	K,
		const TermCriteria &	criteria,
		const int	attempts,
		const KmeansFlags	flags (标志) )

Python
	cv.gapi.kmeans(	data, K, bestLabels, criteria, attempts, flags	) ->	retval
	cv.gapi.kmeans(	data, K, criteria, attempts, flags	) ->	retval

这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

注意

函数文本 ID 为 "org.opencv.core.kmeansNDNoInit"
使用此重载时，不得设置 KMEANS_USE_INITIAL_LABELS 标志。

◆ networks()

template<typename... Args>

cv::gapi::GNetPackage cv::gapi::networks ( Args &&... args )

此函数的调用图

◆ operator!=()

bool cv::gapi::operator!=	(	const GBackend &	lhs,
		const GBackend &	rhs )

内联

◆ operator+=()

cv::gapi::GNetPackage & cv::gapi::operator+=	(	cv::gapi::GNetPackage &	lhs,
		const cv::gapi::GNetPackage &	rhs )

内联

◆ parseSSD() [1/2]

GArray< Rect > cv::gapi::parseSSD	(	const GMat &	in,
		const GOpaque< Size > &	inSz,
		const float	confidenceThreshold,
		const bool	alignmentToSquare,
		const bool	filterOutOfBounds )

Python
	cv.gapi.parseSSD(	in_, inSz[, confidenceThreshold[, filterLabel]]	) ->	retval
	cv.gapi.parseSSD(	in_, inSz, confidenceThreshold, alignmentToSquare, filterOutOfBounds	) ->	retval

解析 SSD 网络的输出。

从 SSD 输出中提取检测信息（框、置信度），并根据给定的置信度和越界情况进行过滤。

注意: 函数文本 ID 为 "org.opencv.nn.parsers.parseSSD"

参数

in	维度为 {1,1,N,7} 的输入 CV_32F 张量。
inSz	检测框要投影到的尺寸（输入图像的尺寸）。
confidenceThreshold	如果检测置信度小于置信度阈值，则拒绝检测结果。
alignmentToSquare	如果为 true，则将边界框扩展为正方形。矩形中心保持不变，正方形边长为矩形的长边。
filterOutOfBounds	如果为 true，则过滤掉帧外框。

返回: 检测到的边界框向量。

◆ parseSSD() [2/2]

std::tuple< GArray< Rect >, GArray< int > > cv::gapi::parseSSD	(	const GMat &	in,
		const GOpaque< Size > &	inSz,
		const float	confidenceThreshold = 0.5f,
		const int	filterLabel = -1 )

Python
	cv.gapi.parseSSD(	in_, inSz[, confidenceThreshold[, filterLabel]]	) ->	retval
	cv.gapi.parseSSD(	in_, inSz, confidenceThreshold, alignmentToSquare, filterOutOfBounds	) ->	retval

解析 SSD 网络的输出。

从 SSD 输出中提取检测信息（框、置信度、标签），并根据给定的置信度和标签进行过滤。

注意: 函数文本 ID 为 "org.opencv.nn.parsers.parseSSD_BL"

参数

in	维度为 {1,1,N,7} 的输入 CV_32F 张量。
inSz	检测框要投影到的尺寸（输入图像的尺寸）。
confidenceThreshold	如果检测置信度小于置信度阈值，则拒绝检测结果。
filterLabel	如果提供（!= -1），则只有带有给定标签的检测结果会输出。

返回: 包含检测框向量和相应标签向量的元组。

◆ parseYolo()

std::tuple< GArray< Rect >, GArray< int > > cv::gapi::parseYolo	(	const GMat &	in,
		const GOpaque< Size > &	inSz,
		const float	confidenceThreshold = 0.5f,
		const float	nmsThreshold = 0.5f,
		const std::vector< float > &	anchors = nn::parsers::GParseYolo::defaultAnchors() )

Python
	cv.gapi.parseYolo(	in_, inSz[, confidenceThreshold[, nmsThreshold[, anchors]]]	) ->	retval

解析 Yolo 网络的输出。

从 Yolo 输出中提取检测信息（框、置信度、标签），通过给定置信度进行过滤，并对重叠框执行非极大值抑制（NMS）。

注意: 函数文本 ID 为 "org.opencv.nn.parsers.parseYolo"

参数

in	尺寸为 {1,13,13,N} 的输入 CV_32F 张量，N 应满足 \[\texttt{N} = (\texttt{num_classes} + \texttt{5}) * \texttt{5},\] 其中 num_classes 是 Yolo 网络训练的类别数量。
inSz	检测框要投影到的尺寸（输入图像的尺寸）。
confidenceThreshold	如果检测置信度小于置信度阈值，则拒绝检测结果。
nmsThreshold	非极大值抑制阈值，控制拒绝置信度较低的框所需的最小相对框相交面积。如果为 1.f，则不执行 NMS，也不拒绝任何框。
anchors	Yolo 网络训练时使用的锚点。

注意: 默认锚点值是为 YOLO v2 Tiny 指定的，如 Intel Open Model Zoo 文档中所述。

返回: 包含检测框向量和相应标签向量的元组。

◆ stereo()

GMat cv::gapi::stereo	(	const GMat &	left (左),
		const GMat &	right (右),
		const StereoOutputFormat	of = StereoOutputFormat::DEPTH_FLOAT32 )

计算指定立体对的视差/深度图。该函数根据传入的 StereoOutputFormat 参数计算视差图或深度图。

参数

left (左)	CV_8UC1 类型的 8 位单通道左图像。
right (右)	CV_8UC1 类型的 8 位单通道右图像。
of	指定输出种类的枚举：深度或视差以及相应的类型

此函数的调用图

◆ transpose()

GMat cv::gapi::transpose ( const GMat & src )

Python
	cv.gapi.transpose(	src	) ->	retval

矩阵转置。

该函数转置矩阵

\[\texttt{dst} (i,j) = \texttt{src} (j,i)\]

注意

函数文本 ID 为 "org.opencv.core.transpose"
如果是复数矩阵，不进行复共轭。如有需要，应单独进行。

参数

src 输入数组。

命名空间

类

类型定义 (Typedefs)

枚举

函数

类型定义文档 (Typedef Documentation)

◆ GKernelPackage

枚举类型文档 (Enumeration Type Documentation)

◆ StereoOutputFormat

函数文档 (Function Documentation)

◆ combine() [1/2]

◆ combine() [2/2]

◆ deserialize() [1/3]

◆ deserialize() [2/3]

◆ deserialize() [3/3]

◆ equalizeHist()

◆ getCompileArg()

◆ infer() [1/6]

◆ infer() [2/6]

◆ infer() [3/6]

◆ infer() [4/6]

◆ infer() [5/6]

◆ infer() [6/6]

◆ infer2() [1/2]

◆ infer2() [2/2]

◆ island()

◆ kmeans() [1/4]

◆ kmeans() [2/4]

◆ kmeans() [3/4]

◆ kmeans() [4/4]

◆ networks()

◆ operator!=()

◆ operator+=()

◆ parseSSD() [1/2]

◆ parseSSD() [2/2]

◆ parseYolo()

◆ stereo()

◆ transpose()