| 类 |
描述 |
| 自适应流形滤波器 |
自适应流形滤波器实现的接口。
|
| AffineFeature |
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 中所述。
|
| AffineFeature2D |
实现关键点仿射自适应的类。
|
| 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算法的基类，特别是对于可以有多种实现的算法类。
|
| AlignExposures |
对齐具有不同曝光的相同场景图像的算法的基类
|
| AlignMTB |
此算法将图像转换为中值阈值位图（亮度大于中值亮度为 1，否则为 0），然后使用位运算对生成的位图进行对齐。
|
| Animation |
表示具有多个帧的动画。
|
| ANN_MLP |
人工神经网络 - 多层感知器。
|
| Aruco |
|
| ArucoDetector |
ArucoDetector 类的主要功能是通过 detectMarkers() 方法检测图像中的标记。
|
| AverageHash |
计算输入图像的平均哈希值。这是一个快速的图像哈希算法，但仅适用于简单情况。
|
| BackgroundSubtractor |
背景/前景分割的基类。
|
| BackgroundSubtractorCNT |
基于计数的背景减除。
|
| BackgroundSubtractorGMG |
基于 CITE: Gold2012 中算法的背景减除模块。
|
| BackgroundSubtractorGSOC |
实现了不同的但更好的算法，称为 GSOC，因为它是在 GSOC 期间实现的，并且不是源自任何论文。
|
| BackgroundSubtractorKNN |
K-近邻 - 基于背景/前景分割算法。
|
| BackgroundSubtractorLSBP |
使用局部 SVD 二进制模式进行背景减除。
|
| BackgroundSubtractorLSBPDesc |
这是为了计算 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（增强的二元局部图像描述符）的类，如 CITE: Suarez2020BEBLID 中所述。
|
| BFMatcher |
暴力描述符匹配器。
|
| Bgsegm |
|
| BIF |
生物启发式特征 (BIF) 的实现，出自论文：Guo, Guodong, et al。
|
| Bioinspired |
|
| BlockMeanHash |
基于块均值的图像哈希。
|
| Board |
ArUco 标记板。板是在 3D 空间中具有共同坐标系的标记集。
|
| Boost |
从 DTrees 派生的增强树分类器。参见：REF: ml_intro_boost
|
| BoostDesc |
实现 BoostDesc（使用增强学习图像描述符）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 |
使用“视觉词袋”方法训练视觉词汇表的 K-means 类。
|
| BOWTrainer |
从一组描述符训练“视觉词袋”词汇表的抽象基类。
|
| BriefDescriptorExtractor |
计算 BRIEF 描述符的类，如 CITE: calon2010 中所述。
|
| 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 |
所有相机响应校准算法的基类。
|
| CalibrateDebevec |
通过最小化线性系统作为目标函数来提取每个亮度值的逆相机响应函数。
|
| CalibrateRobertson |
通过最小化线性系统作为目标函数来提取每个亮度值的逆相机响应函数。
|
| CascadeClassifier |
用于对象检测的级联分类器类。
|
| CharucoBoard |
ChArUco 板是一个平面棋盘，标记放置在棋盘的白色方格内。
|
| CharucoDetector |
|
| CharucoParameters |
|
| CLAHE |
对比度限制自适应直方图均衡化的基类。
|
| ClassificationModel |
此类代表分类模型的 Odoo API。
|
| CleanableMat |
|
| ColorMomentHash |
基于颜色矩的图像哈希。
|
| 轮廓拟合 |
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。q_radius 描述符在初始尺度下的半径；q_radius 径向范围划分的量；q_theta 角范围划分的量；q_hist 梯度方向范围划分的量；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，L2 范数为 1.0；DAISY::NRM_FULL 表示描述符归一化，L2 范数为 1.0；DAISY::NRM_SIFT 表示描述符归一化，L2 范数为 1.0，但没有单个描述符大于 0.154，如 SIFT 中所述。H 是用于扭曲 daisy 网格的可选 3x3 同形矩阵，但采样关键点在图像上保持未扭曲。interpolation 开关用于通过微小的质量损失来提高速度。use_orientation 使用关键点方向采样模式，默认禁用。
|
| DenseOpticalFlow |
密集光流算法的基类。
|
| DescriptorMatcher |
匹配关键点描述符的抽象基类。
|
| DetectionModel |
此类代表对象检测网络的 Odoo API。
|
| DetectorParameters |
struct DetectorParameters 由 ArucoDetector 使用
|
| Dictionary |
字典是相同大小的唯一 ArUco 标记集。 `bytesList` 以 4 通道的 2D Mat（使用 CV_8UC4 类型）存储，包含标记的字码，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 个标记在第 k 个旋转下的第 j 个字节。
|
| DictValue |
此结构存储以下类型的标量值（或数组）：double、cv::String 或 int64。
|
| DISOpticalFlow |
DIS 光流算法。
|
| 视差滤波器 |
所有视差图滤波器的主要接口。
|
| 视差WLS滤波器 |
基于加权最小二乘滤波器的视差图滤波器（以快速全局平滑器的形式，比传统的加权最小二乘滤波器实现快得多），并可选使用左右一致性置信度来精炼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、训练图像索引和描述符之间的距离。
|
| Dnn |
|
| Dnn_superres |
|
| DnnSuperResImpl |
通过卷积神经网络对图像进行上采样的类。
|
| DT滤波器 |
域变换滤波器实现的接口。
|
| DTrees |
此类表示单个决策树或决策树集合。
|
| 边缘感知插值器 |
基于 CITE: Revaud2015 中的修改后局部加权仿射估计器的稀疏匹配插值算法，以及作为后处理滤波器的快速全局平滑器。
|
| 边缘框 |
实现 CITE: ZitnickECCV14edgeBoxes 中 EdgeBoxes 算法的类。
|
| 边缘绘制 |
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 |
此类实现了期望最大化算法。
|
| ERFilter |
Neumann 和 Matas 场景文本检测算法 CITE: Neumann12 的第一、第二阶段的基类。
|
| ERFilter_Callback |
将分类器作为类的回调。
|
| EstimateParameters |
已弃用。
|
| Face |
|
| FaceDetectorYN |
基于 DNN 的人脸检测模型下载链接：https://github.com/opencv/opencv_zoo/tree/master/models/face_detection_yunet
|
| Facemark |
所有面部标记模型的抽象基类。要在您的程序中使用此 API，请查看 REF: tutorial_table_of_content_facemark ### 说明 Facemark 是一个基类，它提供对任何特定面部标记算法的通用访问。
|
| FacemarkAAM |
|
| FacemarkKazemi |
|
| FacemarkLBF |
|
| FacemarkTrain |
可训练面部标记模型的基本类。要在您的程序中使用此 API，请查看 REF: tutorial_table_of_content_facemark ### 说明 OpenCV 中的 AAM 和 LBF 面部标记模型继承自抽象基类 FacemarkTrain，它提供了对 OpenCV 中这些面部标记算法的统一访问。
|
| FaceRecognizer |
所有人脸识别模型的抽象基类。OpenCV 中所有的人脸识别模型都继承自抽象基类 FaceRecognizer，它提供对 OpenCV 中所有面部识别算法的统一访问。
|
| FaceRecognizerSF |
基于 DNN 的人脸识别模型下载链接：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。
|
| 快速双边求解器滤波器 |
快速双边滤波实现接口。
|
| FastFeatureDetector |
使用 FAST 方法进行特征检测的包装类。
|
| 快速全局平滑器滤波器 |
快速全局平滑滤波器实现的接口。
|
| 快速直线检测器 |
实现 FLD（快速线检测器）算法的类，如 CITE: Lee14 中所述。
|
| 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（*快速视网膜关键点*）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，不进行平移和旋转。 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 |
实现格雷码图案的类，基于 CITE: UNDERWORLD。
|
| 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，该假设认为所有通道的平均值应产生一个灰度图像。
|
| GridBoard |
具有网格排列标记的平面板。更常见的板类型。
|
| 引导滤波器 |
（快速）引导滤波器实现的接口。
|
| HarrisLaplaceFeatureDetector |
实现 Harris-Laplace 特征检测器的类，如 CITE: Mikolajczyk2004 中所述。
|
| HighGui |
此类旨在供 Java 应用程序使用，以重现 OpenCV HighGui 的功能。
|
| HistogramPhaseUnwrapping |
基于 CITE: histogramUnwrapping 的二维相位展开实现类。此算法属于质量引导相位展开方法。
|
| HistogramPhaseUnwrapping_Params |
phaseUnwrapping 构造函数的参数。
|
| HOGDescriptor |
HOG（方向梯度直方图）描述符和对象检测器的实现。
|
| Image2BlobParams |
图像到 blob 的处理参数。
|
| ImageWindow |
此类旨在创建和操作 HighGui 类使用的窗口。
|
| Img_hash |
|
| Imgcodecs |
|
| ImgHashBase |
图像哈希算法的基类
|
| Imgproc |
|
| IntelligentScissorsMB |
智能剪刀图像分割。此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 |
此类代表关键点模型的 Odoo API。KeypointsModel 允许设置预处理输入图像的参数。
|
| KNearest |
此类实现 K-近邻模型。参见：REF: ml_intro_knn
|
| LATCH |
latch 计算 LATCH 描述符的类。
|
| Layer |
这个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 |
此类用于使用指定的跟踪器算法跟踪多个对象。
|
| legacy_Tracker |
长期跟踪器的抽象基类
|
| legacy_TrackerBoosting |
增强跟踪器。这是基于 AdaBoost 算法的在线版本的实时对象跟踪。
|
| legacy_TrackerCSRT |
CSRT 跟踪器。实现基于 CITE: Lukezic_IJCV2018 具有通道和空间可靠性的判别相关滤波器。
|
| legacy_TrackerKCF |
KCF（核化相关滤波器）跟踪器。KCF 是一个新颖的跟踪框架，它利用循环矩阵的性质来提高处理速度。
|
| legacy_TrackerMedianFlow |
中值流跟踪器。论文 CITE: MedianFlow 的实现。
|
| legacy_TrackerMIL |
MIL 算法在线训练分类器，将对象与背景分离。
|
| legacy_TrackerMOSSE |
MOSSE（最小输出平方误差和）跟踪器。实现基于 CITE: MOSSE 使用自适应相关滤波器进行视觉对象跟踪。注意：此跟踪器使用灰度图像，如果传入 BGR 图像，它们将被内部转换。
|
| legacy_TrackerTLD |
TLD（跟踪、学习和检测）跟踪器。TLD 是一个新颖的跟踪框架，它将长期跟踪任务显式地分解为跟踪、学习和检测。
|
| LineSegmentDetector |
遵循 CITE: Rafael12 中描述的算法的线段检测器类。
|
| LogisticRegression |
实现逻辑回归分类器。
|
| LUCID |
实现局部均匀比较图像描述符的类，如 CITE: LUCID 中所述。该图像描述符计算速度非常快，同时与 SURF 或 BRIEF 等描述符一样鲁棒。
|
| MACE |
最小平均相关能量滤波器，用于身份验证（可注销）生物特征。
|
| MarrHildrethHash |
基于 Marr-Hildreth 算子的哈希，速度最慢但区分度更高。
|
| 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 |
生成的 HDR 图像是考虑了曝光值和相机响应的曝光序列的加权平均值。
|
| 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、饱和度和曝光度进行加权，然后使用拉普拉斯金字塔组合图像。
|
| MergeRobertson |
生成的 HDR 图像是考虑了曝光值和相机响应的曝光序列的加权平均值。
|
| Ml |
|
| Model |
此类代表神经网络的 Odoo API。
|
| Moments |
|
| MotionSaliency |
******************************* 运动显著性基类 *********************************
|
| MotionSaliencyBinWangApr2014 |
CITE: BinWangApr2014 的快速自适应背景减除算法。
|
| MSDDetector |
实现 MSD（*最大自相似性*）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。此类封装了 %MSER 提取算法的所有参数（参见 [wiki 文章](http://en.wikipedia.org/wiki/Maximally_stable_extremal_regions)）。
|
| Net |
此类用于创建和操作复杂的神经网络。
|
| NormalBayesClassifier |
用于正态分布数据的贝叶斯分类器。
|
| Objdetect |
|
| Objectness |
******************************* 物体性基类 *********************************
|
| ObjectnessBING |
CITE: BING 的二值化范数梯度算法。
|
| OCRBeamSearchDecoder |
OCRBeamSearchDecoder 类提供了使用 Beam Search 算法进行 OCR 的接口。
|
| OCRBeamSearchDecoder_ClassifierCallback |
将分类器作为类的回调。
|
| OCRHMMDecoder |
OCRHMMDecoder 类提供了使用隐马尔可夫模型进行 OCR 的接口。
|
| OCRHMMDecoder_ClassifierCallback |
将分类器作为类的回调。
|
| OCRTesseract |
OCRTesseract 类提供了一个与 tesseract-ocr API (v3.02.02) 的 C++ 接口。
|
| OpenCVInterface |
虚拟接口，用于在 OSGi 实现内进行一些集成测试。
|
| OpenCVNativeLoader |
此类旨在提供一种便捷的方式来从 Java 捆绑包加载 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 PCT（位置-颜色-纹理）签名提取的类，如 CITE: KrulisLS16 中所述。
|
| PCTSignaturesSQFD |
实现签名二次型距离 (SQFD) 的类。
|
| Phase_unwrapping |
|
| PhaseUnwrapping |
相位展开的抽象基类。
|
| PHash |
pHash。比 average_hash 慢，但能容忍小的修改。此算法可以应对更多变化，更多细节请参阅 CITE: lookslikeit。
|
| Photo |
|
| Plot |
|
| Plot2d |
plot Mat 数据的绘图函数。
|
| 点 (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 |
二维码编码器参数。
|
| RadialVarianceHash |
基于 Radon 变换的图像哈希。
|
| Range |
|
| Rect |
|
| Rect2d |
|
| RefineParameters |
struct RefineParameters 由 ArucoDetector 使用。
|
| Retina |
允许 Gipsa/Listic Labs 模型与 OpenCV 一起使用的类。
|
| RetinaFastToneMapping |
一个包装器类，允许将 Meylan&al(2007) 的色调映射算法与 OpenCV 一起使用。
|
| RFFeatureGetter |
2014 年 6 月 17 日
|
| RIC插值器 |
基于 CITE: Hu2017 中的修改后的分段局部加权仿射估计器（称为 RIC）和作为后处理滤波器的变分和快速全局平滑器的稀疏匹配插值算法。
|
| 脊线检测滤波器 |
将脊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。
|
| Saliency |
******************************* 显著性基类 *********************************
|
| Scalar |
|
| 扫描分割 |
实现 Loke SC 等人的 F-DBSCAN（具有并行化 DBSCAN 算法的加速超像素图像分割）超像素算法的类。
|
| SegmentationModel |
此类代表分割模型的 Odoo API。SegmentationModel 允许设置预处理输入图像的参数。
|
| SelectiveSearchSegmentation |
选择性搜索分割算法。该类实现 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 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。该类基于 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。该类基于 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。该类基于 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。该类基于 CITE: uijlings2013selective 中描述的算法实现。
|
| SIFT |
使用 D. Lowe 提出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 |
从图像中提取斑块的类。
|
| SimpleBlobDetector_Params |
|
| SimpleWB |
一种简单的白平衡算法，通过独立地将输入图像的每个通道拉伸到指定范围来工作。
|
| SinusoidalPattern |
实现基于 CITE: faps 的傅里叶变换轮廓测量 (FTP)、相移轮廓测量 (PSP) 和傅里叶辅助相移轮廓测量 (FAPS) 的类。
|
| SinusoidalPattern_Params |
SinusoidalPattern 构造函数的参数。width 是投影仪的宽度。
|
| Size |
|
| 稀疏匹配插值器 |
所有接收稀疏匹配作为输入并生成密集逐像素匹配（光流）作为输出的滤波器的主要接口。
|
| 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 |
此类实现了 CITE: Agrawal08 中介绍的关键点检测器，是 StarDetector 的同义词。
|
| StaticSaliency |
******************************* 静态显著性基类 *********************************
|
| StaticSaliencyFineGrained |
CITE: FGS 的精细显著性方法。此方法基于中心-环绕差异计算显著性。
|
| StaticSaliencySpectralResidual |
CITE: SR 的谱残差方法。从自然图像统计原理出发，此方法模拟了注意前视觉搜索的行为。
|
| StatModel |
OpenCV ML 中统计模型的基类。
|
| StereoBM |
使用块匹配算法计算立体匹配的类，由 K. 引入并贡献给 OpenCV。
|
| StereoMatcher |
立体匹配算法的基类。
|
| StereoSGBM |
此类实现修改后的 H.
|
| Structured_light |
|
| 结构化边缘检测 |
实现 CITE: Dollar2013 中边缘检测算法的类。
|
| StructuredLightPattern |
生成和解码结构光图案的抽象基类。
|
| Subdiv2D |
|
| 超像素LSC |
实现 CITE: LiCVPR2015LSC 中 LSC（线性谱聚类）超像素算法的类。
|
| 超像素SEEDS |
实现 CITE: VBRV14 中 SEEDS（通过能量驱动采样提取的超像素）超像素算法的类。
|
| 超像素SLIC |
实现 CITE: Achanta2012 中 SLIC（简单线性迭代聚类）超像素算法的类。
|
| SURF |
从图像中提取加速鲁棒特征 (SURF) 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 中描述的基于树的摩尔斯区域 (TBMR) 的类，并扩展了比例提取能力。
|
| TEBLID |
实现 TEBLID（三元组增强二元局部图像描述符）的类，如 CITE: Suarez2021TEBLID 中所述。
|
| TermCriteria |
|
| 文本 |
|
| TextDetectionModel |
文本检测网络的基础类
|
| TextDetectionModel_DB |
此类代表与 DB 模型兼容的文本检测 DL 网络的 Odoo API。
|
| TextDetectionModel_EAST |
此类代表与 EAST 模型兼容的文本检测 DL 网络的 Odoo API。
|
| TextDetector |
为文本检测算法提供接口的抽象类
|
| TextDetectorCNN |
TextDetectorCNN 类提供了文本边界框检测的功能。
|
| TextRecognitionModel |
此类代表文本识别网络的 Odoo API。
|
| TickMeter |
一个用于测量经过时间的类。
|
| 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全局色调映射算法，可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础层和细节层，并压缩基础层的对比度，从而保留所有细节。
|
| TonemapMantiuk |
该算法通过高斯金字塔所有层上的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 |
这是一个模拟人类视觉系统的全局色调映射算子。
|
| Tracker |
长期跟踪器的抽象基类
|
| TrackerCSRT |
CSRT 跟踪器。实现基于 CITE: Lukezic_IJCV2018 具有通道和空间可靠性的判别相关滤波器。
|
| TrackerCSRT_Params |
|
| TrackerDaSiamRPN |
|
| TrackerDaSiamRPN_Params |
|
| TrackerGOTURN |
GOTURN（通用回归网络对象跟踪）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 是一个新颖的跟踪框架，它利用循环矩阵的性质来提高处理速度。
|
| TrackerKCF_Params |
|
| TrackerMIL |
MIL 算法在线训练分类器，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 |
|
| Tracking |
|
| TrainData |
封装训练数据的类。
|
| TransientAreasSegmentationModule |
提供瞬态/移动区域分割模块的类，通过使用视网膜运动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：第一个用于过滤输入运动能量的噪声和局部变化；第二个（更强大的低通空间滤波器）给出邻域运动能量。分割由这两个输出的比较组成，如果局部运动能量高于邻域运动能量，则该区域被视为移动并被分割。更强的第三个低通滤波器通过提供更广泛区域的“运动上下文”的平滑信息来辅助决策。
|
| UsacParams |
|
| VariationalRefinement |
变分光流精炼。此类实现输入流场的变分精炼，即。
|
| VGG |
实现 VGG（牛津视觉几何组）描述符的类，该描述符使用“通过凸优化进行描述符学习”（DLCO）装置端到端训练，如 CITE: Simonyan14 中所述。
|
| Video |
|
| VideoCapture |
从视频文件、图像序列或摄像头捕获视频的类。
|
| Videoio |
|
| VideoWriter |
视频写入器类。
|
| Wechat_qrcode |
|
| WeChatQRCode |
WeChat QRCode 包含两个基于 CNN 的模型：一个对象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 |
|