命名空间
命名空间	rl

命名空间	分割

类
类	自适应流形滤波器
	自适应流形滤镜实现接口。更多...

结构体	Box

类	轮廓拟合
	用于轮廓拟合算法的类。轮廓拟合匹配两个轮廓 \( z_a \) 和 \( z_b \) 并使距离最小化。更多...

类	视差滤波器
	所有视差图滤镜的主接口。更多...

类	视差WLS滤波器
	基于加权最小二乘滤镜（以快速全局平滑器的形式，比传统的加权最小二乘滤镜实现快得多）的视差图滤镜，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	DT滤波器
	域变换滤镜实现接口。更多...

类	边缘感知插值器
	基于[231]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镜的稀疏匹配插值算法。更多...

类	边缘框
	实现 EdgeBoxes 算法的类，来自 [328] : 更多...

类	边缘绘制
	实现 ED (边缘绘制) [278], EDLines [5], EDPF [6], EDCircles [7] 和 ColorED [8] 算法的类。更多...

类	快速双边求解器滤波器
	快速双边求解器实现接口。更多...

类	快速全局平滑器滤波器
	快速全局平滑器滤镜实现接口。更多...

类	快速直线检测器
	实现 FLD (快速直线检测器) 算法的类，该算法在 [161] 中描述。更多...

类	引导滤波器
	(快速)引导滤镜实现接口。更多...

类	RFFeatureGetter

类	RIC插值器
	基于改进的分段局部加权仿射估计器（称为对应关系的鲁棒插值方法或来自 [134] 的 RIC）和变分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 SLIC 超像素估计的过分割的分段仿射模型。该方法包含一种高效的传播机制，用于在分段模型之间进行估计。更多...

类	脊线检测滤波器
	对输入图像应用脊检测滤镜。使用Sobel导数从输入图像的Hessian矩阵的特征值实现类似于Mathematica中的脊检测。可以使用骨架化和二值化进行额外的细化。改编自[83]和[192]。更多...

类	扫描分割
	实现 Loke SC 等人的 F-DBSCAN（带并行 DBSCAN 算法的加速超像素图像分割）超像素算法的类。[176] 为原始论文。更多...

类	稀疏匹配插值器
	所有滤镜的主接口，这些滤镜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	结构化边缘检测
	实现边缘检测算法的类，来自 [74] : 更多...

类	超像素LSC
	实现 LSC（线性谱聚类）超像素算法的类，该算法在 [166] 中描述。更多...

类	超像素SEEDS
	实现 SEEDS（通过能量驱动采样提取的超像素）超像素算法的类，该算法在 [288] 中描述。更多...

类	超像素SLIC
	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 (Typedefs)
typedef std::vector< Box >	Boxes

枚举
enum	AngleRangeOption { 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 Hough 空间部分。更多...

enum	EdgeAwareFiltersList { DTF_NC , DTF_IC , DTF_RF , GUIDED_FILTER , AM_FILTER }

enum	HoughDeskewOption { HDO_RAW = 0 , HDO_DESKEW = 1 }
	指定是否对 Hough 变换图像进行倾斜。更多...

enum	HoughOp { FHT_MIN = 0 , FHT_MAX = 1 , FHT_ADD = 2 , FHT_AVE = 3 }
	指定二元操作。更多...

enum	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...

enum	RulesOption { RO_STRICT = 0x00 , RO_IGNORE_BORDERS = 0x01 }
	指定规则验证的程度。更多...

enum	SLICType { SLIC = 100 , SLICO = 101 , MSLIC = 102 }

enum	ThinningTypes { THINNING_ZHANGSUEN = 0 , THINNING_GUOHALL = 1 }

enum	WMFWeightType { 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 (Adaptive Manifold Filter) 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.)
	对图像应用双边纹理滤镜。它执行结构保留纹理滤镜。有关此滤镜的更多详细信息，请参阅[59]。

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”像素百分比的函数（误差高于指定阈值的像素）

double	computeMSE (InputArray GT, InputArray src, Rect ROI)
	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)
	方便的工厂方法，创建DisparityWLSFilter实例，并根据匹配器实例自动设置所有相关的滤镜参数。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 >	createEdgeAwareInterpolator ()
	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)
	创建边缘框。

Ptr< EdgeDrawing >	createEdgeDrawing ()
	创建并初始化指向 EdgeDrawing 对象的智能指针。

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)
	创建并初始化指向 FastLineDetector 对象的智能指针。

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 >	createRFFeatureGetter ()

Ptr< RICInterpolator >	createRICInterpolator ()
	创建RICInterpolator实例的工厂方法。

Ptr< StereoMatcher >	createRightMatcher (Ptr< StereoMatcher > matcher_left)
	便捷方法，用于设置匹配器以计算右视图视差图，这在进行置信度滤波时是必需的。

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镜调用。如果您有多个图像需要使用相同的引导图像进行滤镜，那么请使用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镜调用。如果您有多个图像需要使用相同的引导图像进行滤镜，那么请使用FastBilateralSolverFilter接口，以避免进行额外计算。

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镜调用。如果您有多个图像需要使用相同的引导图像进行滤镜，那么请使用FastGlobalSmootherFilter接口，以避免进行额外计算。

void	FastHoughTransform (InputArray src, OutputArray dst, int dstMatDepth, int angleRange=ARO_315_135, int op=FHT_ADD, int makeSkew=HDO_DESKEW)
	计算图像的二维快速霍夫变换 (Fast Hough transform)。

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 (projective invariant pruning) 快速查找图像中的椭圆。

void	fourierDescriptor (InputArray src, OutputArray dst, int nbElt=-1, int nbFD=-1)
	平面闭合曲线的傅里叶描述符。

void	getDisparityVis (InputArray src, OutputArray dst, double scale=1.0)
	用于创建视差图可视化效果（钳位 CV_8U 图像）的函数

void	GradientDericheX (InputArray op, OutputArray dst, double alpha, double omega)
	对图像应用 X 方向的 Deriche 滤波器。

void	GradientDericheY (InputArray op, OutputArray dst, double alpha, double omega)
	对图像应用 Y 方向的 Deriche 滤波器。

void	GradientPaillouX (InputArray op, OutputArray _dst, double alpha, double omega)

void	GradientPaillouY (InputArray op, OutputArray _dst, double alpha, double omega)
	对图像应用Paillou滤镜。

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）导向滤波器 (Guided Filter) 调用。

Vec4i	HoughPoint2Line (const Point &houghPoint, InputArray srcImgInfo, int angleRange=ARO_315_135, int makeSkew=HDO_DESKEW, int rules=RO_IGNORE_BORDERS)
	计算霍夫空间中点所对应的线段坐标。

void	jointBilateralFilter (InputArray joint, InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)
	对图像应用联合双边滤波器。

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 技术或其启发的一些流行变体对输入图像执行二值化。

Matx23d	PeiLinNormalization (InputArray I)
	使用裴-林归一化计算归一化给定图像的仿射变换。

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积。

void	qunitary (InputArray qimg, OutputArray qnimg)
	将每个元素除以其模数（单位化）。

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)
	用于读取地面真值（Ground Truth）视差图的函数。支持基础的 Middlebury 和 MPI-Sintel 格式。注意，生成的视差图被缩放了 16 倍。

void	rollingGuidanceFilter (InputArray src, OutputArray dst, int d=-1, double sigmaColor=25, double sigmaSpace=3, int numOfIter=4, int borderType=BORDER_DEFAULT)
	对图像应用滚动导向滤波器 (rolling guidance filter)。

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())
	对图像应用加权中值滤波器。

枚举类型文档 (Enumeration Type Documentation)

◆ AngleRangeOption

枚举 cv::ximgproc::AngleRangeOption

指定要计算的 Hough 空间部分。

枚举指定要计算的 Hough 空间部分。每个成员主要指定线条的方向（水平或垂直）和角度变化的方向。角度变化方向从 90 的倍数到 45 的奇数倍。图像被认为是自上而下、自左向右书写的。角度从垂直线开始并顺时针方向增加。单独的四分之一和一半以它们在完整 Hough 空间中应有的方向书写。

枚举值 (Enumerator)
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

◆ HoughDeskewOption

枚举 cv::ximgproc::HoughDeskewOption

指定是否对 Hough 变换图像进行倾斜。

枚举指定是否对 Hough 变换图像进行倾斜，以便在 Hough 变换图像中不会通过图像边界循环。

枚举值 (Enumerator)
HDO_RAW Python: cv.ximgproc.HDO_RAW
HDO_DESKEW Python: cv.ximgproc.HDO_DESKEW

◆ HoughOp

枚举 cv::ximgproc::HoughOp

指定二元操作。

枚举指定二元操作，即涉及两个操作数的那些操作。形式上，集合 \( S \) 上的二元操作 \( f \) 是一个二元关系，它将笛卡尔积 \( S \times S \) 的元素映射到 \( S \)

\[ f: S \times S \to S \]

枚举值 (Enumerator)
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

◆ RulesOption

枚举 cv::ximgproc::RulesOption

指定规则验证的程度。

枚举指定规则验证的程度。例如，这可用于选择输入参数验证的正确方法。

枚举值 (Enumerator)
RO_STRICT	以正确的方式验证每个规则。
RO_IGNORE_BORDERS	跳过图像边界的验证。

◆ WMFWeightType

枚举 cv::ximgproc::WMFWeightType

指定加权中值滤波器的权重类型。

枚举值 (Enumerator)
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	不加权

函数文档 (Function Documentation)

◆ BrightEdges()

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

◆ covarianceEstimation()

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。输出矩阵的大小为 (windowRowswindowCols, windowRowswindowCols)。
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精度。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。如果窗口的大小与图像相同，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	image_width,
		int	image_height,
		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。它存储图像的参数：image_width 和 image_height。它还设置 F-DBSCAN 超像素算法的参数，包括：num_superpixels、threads 和 merge_small。

参数

image_width	图像宽度。
image_height	图像高度。
num_superpixels	所需的超像素数量。请注意，由于限制（取决于图像大小），实际数量可能更少。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 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。不合并时处理速度要快得多，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

计算图像的二维快速霍夫变换 (Fast Hough transform)。

参数

dst	转换结果的目标图像。
src	源（输入）图像。
dstMatDepth	目标图像的深度
op	要应用的操作，请参见 cv::HoughOp
angleRange	要计算的 Hough 空间部分，请参见 cv::AngleRangeOption
makeSkew	指定是否进行图像倾斜，请参见 cv::HoughDeskewOption

该函数计算全角、半角或四分之一角范围的快速 Hough 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

计算霍夫空间中点所对应的线段坐标。

参数

houghPoint	Hough 空间中的点。
srcImgInfo	Hough 变换的源（输入）图像。
angleRange	点所在的 Hough 空间部分，请参见 cv::AngleRangeOption
makeSkew	指定是否进行图像倾斜，请参见 cv::HoughDeskewOption
rules	指定线段计算的严格性，请参见 cv::RulesOption

返回值

[Vec4i] Hough 空间中点对应的线段坐标。

备注: 如果 rules 参数设置为 RO_STRICT，则返回的线段沿源图像的边界裁剪。; 如果 rules 参数设置为 RO_WEAK，则对于属于 Hough 图像不正确部分的点，返回的线段将不会与源图像相交。

该函数计算 Hough 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	转换结果的目标图像。
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 归一化为灰度并将其类型转换为 CV_8U

此函数计算给定图像在任何范围内的 Radon 变换。有关详细信息，请参见 https://engineering.purdue.edu/~malcolm/pct/CTI_Ch03.pdf。如果输入类型为 CV_8U，则输出为 CV_32S。如果输入类型为 CV_32F 或 CV_64F，则输出为 CV_64F。输出大小将为 num_of_integral x src_diagonal_length。如果选择了 crop，则输入图像将被裁剪成正方形然后圆形，输出大小将为 num_of_integral x min_edge。

◆ weightedMedianFilter()

void cv::ximgproc::weightedMedianFilter	(	InputArray	联合,
		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

对图像应用加权中值滤波器。

有关此实现的更多详细信息，请参见 [323]

参数

联合	联合 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，请参见 WMFWeightType
mask	与 I 大小相同的 0-1 掩码。此掩码用于忽略某些像素的效果。如果掩码上的像素值为 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。

另请参阅: medianBlur, jointBilateralFilter

命名空间

类

类型定义 (Typedefs)

枚举

函数

枚举类型文档 (Enumeration Type Documentation)

◆ AngleRangeOption

◆ HoughDeskewOption

◆ HoughOp

◆ RulesOption

◆ WMFWeightType

函数文档 (Function Documentation)

◆ BrightEdges()

◆ covarianceEstimation()

◆ createScanSegment()

◆ FastHoughTransform()

◆ HoughPoint2Line()

◆ RadonTransform()

◆ weightedMedianFilter()