java.lang.Object
- org.opencv.core.Algorithm
- - org.opencv.xfeatures2d.PCTSignatures

```
public class PCTSignatures
extends Algorithm
```
实现 PCT (位置-颜色-纹理) 签名提取的类，如 CITE: KrulisLS16 中所述。该算法分为特征采样器和聚类器。特征采样器在给定坐标集处生成样本。然后，聚类器使用 k-means 算法对这些样本生成聚类。由此产生的聚类集是输入图像的签名。签名是由 SIGNATURE_DIMENSION 维点组成的数组。使用的维度包括：权重、x、y 位置；lab 颜色、对比度、熵。CITE: KrulisLS16 CITE: BeecksUS10

字段摘要

字段
修饰符和类型	字段	描述
`static int`	`GAUSSIAN`
`static int`	`HEURISTIC`
`static int`	`L_INFINITY`
`static int`	`L0_25`
`static int`	`L0_5`
`static int`	`L1`
`static int`	`L2`
`static int`	`L2SQUARED`
`static int`	`L5`
`static int`	`MINUS`
`static int`	`NORMAL`
`static int`	`REGULAR`
`static int`	`UNIFORM`

从类继承的字段 org.opencv.core.Algorithm
nativeObj

构造函数摘要

构造函数
修饰符构造函数描述

保护 PCTSignatures(long addr)

方法摘要

所有方法静态方法实例方法具体方法
修饰符和类型	方法	描述
`静态 PCTSignatures`	`__fromPtr__(long addr)`
`void`	`computeSignature(Mat image, Mat signature)`	计算给定图像的签名。
`void`	`computeSignatures(java.util.List<Mat> images, java.util.List<Mat> signatures)`	并行计算多个图像的签名。
`静态 PCTSignatures`	`create()`	使用采样点和种子计数创建 PCTSignatures 算法。
`静态 PCTSignatures`	`create(int initSampleCount)`	使用采样点和种子计数创建 PCTSignatures 算法。
`静态 PCTSignatures`	`create(int initSampleCount, int initSeedCount)`	使用采样点和种子计数创建 PCTSignatures 算法。
`静态 PCTSignatures`	`create(int initSampleCount, int initSeedCount, int pointDistribution)`	使用采样点和种子计数创建 PCTSignatures 算法。
`静态 PCTSignatures`	`create(MatOfPoint2f initSamplingPoints, int initSeedCount)`	使用预生成的采样点和聚类种子数创建 PCTSignatures 算法。
`静态 PCTSignatures`	`create(MatOfPoint2f initSamplingPoints, MatOfInt initClusterSeedIndexes)`	使用预生成的采样点和聚类种子索引创建 PCTSignatures 算法。
`static void`	`drawSignature(Mat source, Mat signature, Mat result)`	在源图像中绘制签名并输出结果。
`static void`	`drawSignature(Mat source, Mat signature, Mat result, float radiusToShorterSideRatio)`	在源图像中绘制签名并输出结果。
`static void`	`drawSignature(Mat source, Mat signature, Mat result, float radiusToShorterSideRatio, int borderThickness)`	在源图像中绘制签名并输出结果。
`static void`	`generateInitPoints(MatOfPoint2f initPoints, int count, int pointDistribution)`	根据选定的点分布生成初始采样点。
`int`	`getClusterMinSize()`	此参数乘以迭代次数，得到聚类大小的下限。
`int`	`getDistanceFunction()`	k-means 中用于测量两点之间距离的距离函数选择器。
`float`	`getDropThreshold()`	在 k-means 中，移除权重小于或等于给定阈值的质心。
`int`	`getGrayscaleBits()`	灰度位图的颜色分辨率，以分配的位数表示（即，值为 4 表示使用了 16 级灰度）。
`int`	`getInitSeedCount()`	k-means 算法的初始种子数（初始聚类数）。
`MatOfInt`	`getInitSeedIndexes()`	k-means 算法的初始种子（初始聚类数）。
`int`	`getIterationCount()`	k-means 聚类的迭代次数。
`float`	`getJoiningDistance()`	两个质心之间的阈值欧氏距离。
`int`	`getMaxClustersCount()`	生成的最大聚类数。
`int`	`getSampleCount()`	从图像中获取的初始样本数。
`MatOfPoint2f`	`getSamplingPoints()`	从图像中获取的初始样本。
`float`	`getWeightA()`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`float`	`getWeightB()`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`float`	`getWeightContrast()`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`float`	`getWeightEntropy()`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`float`	`getWeightL()`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`float`	`getWeightX()`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`float`	`getWeightY()`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`int`	`getWindowRadius()`	用于计算对比度和熵的纹理采样窗口大小（窗口中心始终位于由相应特征样本的 x,y 坐标选择的像素中）。
`void`	`setClusterMinSize(int clusterMinSize)`	此参数乘以迭代次数，得到聚类大小的下限。
`void`	`setDistanceFunction(int distanceFunction)`	k-means 中用于测量两点之间距离的距离函数选择器。
`void`	`setDropThreshold(float dropThreshold)`	在 k-means 中，移除权重小于或等于给定阈值的质心。
`void`	`setGrayscaleBits(int grayscaleBits)`	灰度位图的颜色分辨率，以分配的位数表示（即，值为 4 表示使用了 16 级灰度）。
`void`	`setInitSeedIndexes(MatOfInt initSeedIndexes)`	k-means 算法的初始种子索引。
`void`	`setIterationCount(int iterationCount)`	k-means 聚类的迭代次数。
`void`	`setJoiningDistance(float joiningDistance)`	两个质心之间的阈值欧氏距离。
`void`	`setMaxClustersCount(int maxClustersCount)`	生成的最大聚类数。
`void`	`setSamplingPoints(MatOfPoint2f samplingPoints)`	设置用于采样输入图像的采样点。
`void`	`setTranslation(int idx, float value)`	特征空间各个轴的平移。
`void`	`setTranslations(MatOfFloat translations)`	特征空间各个轴的平移。
`void`	`setWeight(int idx, float value)`	权重（乘法常数），用于线性拉伸特征空间的各个轴。
`void`	`setWeightA(float weight)`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`void`	`setWeightB(float weight)`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`void`	`setWeightContrast(float weight)`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`void`	`setWeightEntropy(float weight)`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`void`	`setWeightL(float weight)`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`void`	`setWeights(MatOfFloat weights)`	权重（乘法常数），用于线性拉伸特征空间的各个轴。
`void`	`setWeightX(float weight)`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`void`	`setWeightY(float weight)`	权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。
`void`	`setWindowRadius(int radius)`	用于计算对比度和熵的纹理采样窗口大小（窗口中心始终位于由相应特征样本的 x,y 坐标选择的像素中）。

从类继承的方法 org.opencv.core.Algorithm
clear, empty, getDefaultName, getNativeObjAddr, save

从类 java.lang.Object 继承的方法
clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 字段详情
  - L0_25
```
public static final int L0_25
```
    另请参阅
    
    常量字段值
  - L0_5
```
public static final int L0_5
```
    另请参阅
    
    常量字段值
  - L1
```
public static final int L1
```
    另请参阅
    
    常量字段值
  - L2
```
public static final int L2
```
    另请参阅
    
    常量字段值
  - L2SQUARED
```
public static final int L2SQUARED
```
    另请参阅
    
    常量字段值
  - L5
```
public static final int L5
```
    另请参阅
    
    常量字段值
  - L_INFINITY
```
public static final int L_INFINITY
```
    另请参阅
    
    常量字段值
  - UNIFORM
```
public static final int UNIFORM
```
    另请参阅
    
    常量字段值
  - REGULAR
```
public static final int REGULAR
```
    另请参阅
    
    常量字段值
  - NORMAL
```
public static final int NORMAL
```
    另请参阅
    
    常量字段值
  - MINUS
```
public static final int MINUS
```
    另请参阅
    
    常量字段值
  - GAUSSIAN
```
public static final int GAUSSIAN
```
    另请参阅
    
    常量字段值
  - HEURISTIC
```
public static final int HEURISTIC
```
    另请参阅
    
    常量字段值
- 构造函数详情
  - PCTSignatures
```
protected PCTSignatures(long addr)
```
- 方法详情
  - __fromPtr__
```
public static PCTSignatures __fromPtr__(long addr)
```
  - create
```
public static PCTSignatures create(int initSampleCount,
                                   int initSeedCount,
                                   int pointDistribution)
```
    使用采样点和种子计数创建 PCTSignatures 算法。它生成自己的采样点集和聚类种子索引。
    
    参数
    
    initSampleCount - 用于图像采样的点数。
    
    initSeedCount - 初始聚类种子的数量。必须小于或等于 initSampleCount。
    
    pointDistribution - 点的分布。默认值：UNIFORM。可用：UNIFORM、REGULAR、NORMAL。
    
    返回
    
    已创建算法。
  - create
```
public static PCTSignatures create(int initSampleCount,
                                   int initSeedCount)
```
    使用采样点和种子计数创建 PCTSignatures 算法。它生成自己的采样点集和聚类种子索引。
    
    参数
    
    initSampleCount - 用于图像采样的点数。
    
    initSeedCount - 初始聚类种子的数量。必须小于或等于 initSampleCount。可用：UNIFORM、REGULAR、NORMAL。
    
    返回
    
    已创建算法。
  - create
```
public static PCTSignatures create(int initSampleCount)
```
    使用采样点和种子计数创建 PCTSignatures 算法。它生成自己的采样点集和聚类种子索引。
    
    参数
    
    initSampleCount - 用于图像采样的点数。必须小于或等于 initSampleCount。可用：UNIFORM、REGULAR、NORMAL。
    
    返回
    
    已创建算法。
  - create
```
public static PCTSignatures create()
```
    使用采样点和种子计数创建 PCTSignatures 算法。它生成自己的采样点集和聚类种子索引。必须小于或等于 initSampleCount。可用：UNIFORM、REGULAR、NORMAL。
    
    返回
    
    已创建算法。
  - create
```
public static PCTSignatures create(MatOfPoint2f initSamplingPoints,
                                   int initSeedCount)
```
    使用预生成的采样点和聚类种子数创建 PCTSignatures 算法。它使用提供的采样点并生成自己的聚类种子索引。
    
    参数
    
    initSamplingPoints - 图像采样中使用的采样点。
    
    initSeedCount - 初始聚类种子的数量。必须小于或等于 initSamplingPoints.size()。
    
    返回
    
    已创建算法。
  - create
```
public static PCTSignatures create(MatOfPoint2f initSamplingPoints,
                                   MatOfInt initClusterSeedIndexes)
```
    使用预生成的采样点和聚类种子索引创建 PCTSignatures 算法。
    
    参数
    
    initSamplingPoints - 图像采样中使用的采样点。
    
    initClusterSeedIndexes - 初始聚类种子的索引。其大小必须小于或等于 initSamplingPoints.size()。
    
    返回
    
    已创建算法。
  - computeSignature
```
public void computeSignature(Mat image,
                             Mat signature)
```
    计算给定图像的签名。
    
    参数
    
    image - 输入图像，类型为 CV_8U。
    
    signature - 输出计算出的签名。
  - computeSignatures
```
public void computeSignatures(java.util.List<Mat> images,
                              java.util.List<Mat> signatures)
```
    并行计算多个图像的签名。
    
    参数
    
    images - 输入图像的向量，类型为 CV_8U。
    
    signatures - 计算出的签名的向量。
  - drawSignature
```
public static void drawSignature(Mat source,
                                 Mat signature,
                                 Mat result,
                                 float radiusToShorterSideRatio,
                                 int borderThickness)
```
    在源图像中绘制签名并输出结果。签名显示为根据签名权重和颜色显示的圆圈。对比度和熵不显示。
    
    参数
    
    source - 源图像。
    
    signature - 图像签名。
    
    result - 输出结果。
    
    radiusToShorterSideRatio - 确定输出图像中签名的最大半径。
    
    borderThickness - 可视化签名的边框厚度。
  - drawSignature
```
public static void drawSignature(Mat source,
                                 Mat signature,
                                 Mat result,
                                 float radiusToShorterSideRatio)
```
    在源图像中绘制签名并输出结果。签名显示为根据签名权重和颜色显示的圆圈。对比度和熵不显示。
    
    参数
    
    source - 源图像。
    
    signature - 图像签名。
    
    result - 输出结果。
    
    radiusToShorterSideRatio - 确定输出图像中签名的最大半径。
  - drawSignature
```
public static void drawSignature(Mat source,
                                 Mat signature,
                                 Mat result)
```
    在源图像中绘制签名并输出结果。签名显示为根据签名权重和颜色显示的圆圈。对比度和熵不显示。
    
    参数
    
    source - 源图像。
    
    signature - 图像签名。
    
    result - 输出结果。
  - generateInitPoints
```
public static void generateInitPoints(MatOfPoint2f initPoints,
                                      int count,
                                      int pointDistribution)
```
    根据选定的点分布生成初始采样点。
    
    参数
    
    initPoints - 将保存生成点的输出向量。
    
    count - 要生成的点数。
    
    pointDistribution - 点分布选择器。可用：UNIFORM、REGULAR、NORMAL。注意：生成的坐标范围为 [0..1)
  - getSampleCount
```
public int getSampleCount()
```
    从图像中获取的初始样本数。
    
    返回
    
    自动生成
  - getGrayscaleBits
```
public int getGrayscaleBits()
```
    灰度位图的颜色分辨率，以分配的位数表示（即，值为 4 表示使用了 16 级灰度）。灰度位图用于计算对比度和熵值。
    
    返回
    
    自动生成
  - setGrayscaleBits
```
public void setGrayscaleBits(int grayscaleBits)
```
    灰度位图的颜色分辨率，以分配的位数表示（即，值为 4 表示使用了 16 级灰度）。灰度位图用于计算对比度和熵值。
    
    参数
    
    grayscaleBits - 自动生成
  - getWindowRadius
```
public int getWindowRadius()
```
    用于计算对比度和熵的纹理采样窗口大小（窗口中心始终位于由相应特征样本的 x,y 坐标选择的像素中）。
    
    返回
    
    自动生成
  - setWindowRadius
```
public void setWindowRadius(int radius)
```
    用于计算对比度和熵的纹理采样窗口大小（窗口中心始终位于由相应特征样本的 x,y 坐标选择的像素中）。
    
    参数
    
    radius - 自动生成
  - getWeightX
```
public float getWeightX()
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    返回
    
    自动生成
  - setWeightX
```
public void setWeightX(float weight)
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    参数
    
    weight - 自动生成
  - getWeightY
```
public float getWeightY()
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    返回
    
    自动生成
  - setWeightY
```
public void setWeightY(float weight)
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    参数
    
    weight - 自动生成
  - getWeightL
```
public float getWeightL()
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    返回
    
    自动生成
  - setWeightL
```
public void setWeightL(float weight)
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    参数
    
    weight - 自动生成
  - getWeightA
```
public float getWeightA()
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    返回
    
    自动生成
  - setWeightA
```
public void setWeightA(float weight)
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    参数
    
    weight - 自动生成
  - getWeightB
```
public float getWeightB()
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    返回
    
    自动生成
  - setWeightB
```
public void setWeightB(float weight)
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    参数
    
    weight - 自动生成
  - getWeightContrast
```
public float getWeightContrast()
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    返回
    
    自动生成
  - setWeightContrast
```
public void setWeightContrast(float weight)
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    参数
    
    weight - 自动生成
  - getWeightEntropy
```
public float getWeightEntropy()
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    返回
    
    自动生成
  - setWeightEntropy
```
public void setWeightEntropy(float weight)
```
    权重（乘数），用于线性拉伸特征空间的各个轴（x,y = 位置；L,a,b = CIE Lab 空间的颜色；c = 对比度。e = 熵）
    
    参数
    
    weight - 自动生成
  - getSamplingPoints
```
public MatOfPoint2f getSamplingPoints()
```
    从图像中获取的初始样本。这些采样特征成为聚类的输入。
    
    返回
    
    自动生成
  - setWeight
```
public void setWeight(int idx,
                      float value)
```
    权重（乘法常数），用于线性拉伸特征空间的各个轴。
    
    参数
    
    idx - 权重的 ID
    
    value - 权值 注意： WEIGHT_IDX = 0; X_IDX = 1; Y_IDX = 2; L_IDX = 3; A_IDX = 4; B_IDX = 5; CONTRAST_IDX = 6; ENTROPY_IDX = 7;
  - setWeights
```
public void setWeights(MatOfFloat weights)
```
    权重（乘法常数），用于线性拉伸特征空间的各个轴。
    
    参数
    
    weights - 所有权值。 注意： WEIGHT_IDX = 0; X_IDX = 1; Y_IDX = 2; L_IDX = 3; A_IDX = 4; B_IDX = 5; CONTRAST_IDX = 6; ENTROPY_IDX = 7;
  - setTranslation
```
public void setTranslation(int idx,
                           float value)
```
    特征空间各个轴的平移。
    
    参数
    
    idx - 翻译的 ID
    
    value - 翻译值 注意： WEIGHT_IDX = 0; X_IDX = 1; Y_IDX = 2; L_IDX = 3; A_IDX = 4; B_IDX = 5; CONTRAST_IDX = 6; ENTROPY_IDX = 7;
  - setTranslations
```
public void setTranslations(MatOfFloat translations)
```
    特征空间各个轴的平移。
    
    参数
    
    translations - 所有翻译值。 注意： WEIGHT_IDX = 0; X_IDX = 1; Y_IDX = 2; L_IDX = 3; A_IDX = 4; B_IDX = 5; CONTRAST_IDX = 6; ENTROPY_IDX = 7;
  - setSamplingPoints
```
public void setSamplingPoints(MatOfPoint2f samplingPoints)
```
    设置用于采样输入图像的采样点。
    
    参数
    
    samplingPoints - 采样点向量，范围为 [0..1) 注意：采样点数必须大于或等于聚类种子数。
  - getInitSeedIndexes
```
public MatOfInt getInitSeedIndexes()
```
    k-means 算法的初始种子（初始聚类数）。
    
    返回
    
    自动生成
  - setInitSeedIndexes
```
public void setInitSeedIndexes(MatOfInt initSeedIndexes)
```
    k-means 算法的初始种子索引。
    
    参数
    
    initSeedIndexes - 自动生成
  - getInitSeedCount
```
public int getInitSeedCount()
```
    k-means 算法的初始种子数（初始聚类数）。
    
    返回
    
    自动生成
  - getIterationCount
```
public int getIterationCount()
```
    k-means 聚类的迭代次数。我们使用固定次数的迭代，因为修改后的聚类是修剪聚类（而不是迭代地优化 k 个聚类）。
    
    返回
    
    自动生成
  - setIterationCount
```
public void setIterationCount(int iterationCount)
```
    k-means 聚类的迭代次数。我们使用固定次数的迭代，因为修改后的聚类是修剪聚类（而不是迭代地优化 k 个聚类）。
    
    参数
    
    iterationCount - 自动生成
  - getMaxClustersCount
```
public int getMaxClustersCount()
```
    生成的最大聚类数。如果超过此数量，则按权重对聚类进行排序，并裁剪最小的聚类。
    
    返回
    
    自动生成
  - setMaxClustersCount
```
public void setMaxClustersCount(int maxClustersCount)
```
    生成的最大聚类数。如果超过此数量，则按权重对聚类进行排序，并裁剪最小的聚类。
    
    参数
    
    maxClustersCount - 自动生成
  - getClusterMinSize
```
public int getClusterMinSize()
```
    此参数乘以迭代次数，得到聚类大小的下限。包含点数少于指定限制的聚类将被丢弃质心，并将点重新分配。
    
    返回
    
    自动生成
  - setClusterMinSize
```
public void setClusterMinSize(int clusterMinSize)
```
    此参数乘以迭代次数，得到聚类大小的下限。包含点数少于指定限制的聚类将被丢弃质心，并将点重新分配。
    
    参数
    
    clusterMinSize - 自动生成
  - getJoiningDistance
```
public float getJoiningDistance()
```
    两个质心之间的阈值欧氏距离。如果两个聚类中心之间的距离小于此距离，则其中一个质心将被丢弃，并将点重新分配。
    
    返回
    
    自动生成
  - setJoiningDistance
```
public void setJoiningDistance(float joiningDistance)
```
    两个质心之间的阈值欧氏距离。如果两个聚类中心之间的距离小于此距离，则其中一个质心将被丢弃，并将点重新分配。
    
    参数
    
    joiningDistance - 自动生成
  - getDropThreshold
```
public float getDropThreshold()
```
    在 k-means 中，移除权重小于或等于给定阈值的质心。
    
    返回
    
    自动生成
  - setDropThreshold
```
public void setDropThreshold(float dropThreshold)
```
    在 k-means 中，移除权重小于或等于给定阈值的质心。
    
    参数
    
    dropThreshold - 自动生成
  - getDistanceFunction
```
public int getDistanceFunction()
```
    k-means 中用于测量两点之间距离的距离函数选择器。
    
    返回
    
    自动生成
  - setDistanceFunction
```
public void setDistanceFunction(int distanceFunction)
```
    k-means 中用于测量两点之间距离的距离函数选择器。可用：L0_25、L0_5、L1、L2、L2SQUARED、L5、L_INFINITY。
    
    参数
    
    distanceFunction - 自动生成

类 PCTSignatures

字段摘要

从类继承的字段 org.opencv.core.Algorithm

构造函数摘要

方法摘要

从类继承的方法 org.opencv.core.Algorithm

从类 java.lang.Object 继承的方法

字段详情

L0_25

L0_5

L1

L2

L2SQUARED

L5

L_INFINITY

UNIFORM

REGULAR

NORMAL

MINUS

GAUSSIAN

HEURISTIC

构造函数详情

PCTSignatures

方法详情

__fromPtr__

create

create

create

create

create

create

computeSignature

computeSignatures

drawSignature

drawSignature

drawSignature

generateInitPoints

getSampleCount

getGrayscaleBits

setGrayscaleBits

getWindowRadius

setWindowRadius

getWeightX

setWeightX

getWeightY

setWeightY

getWeightL

setWeightL

getWeightA

setWeightA

getWeightB

setWeightB

getWeightContrast

setWeightContrast

getWeightEntropy

setWeightEntropy

getSamplingPoints

setWeight

setWeights

setTranslation

setTranslations

setSamplingPoints

getInitSeedIndexes

setInitSeedIndexes

getInitSeedCount

getIterationCount

setIterationCount

getMaxClustersCount

setMaxClustersCount

getClusterMinSize

setClusterMinSize

getJoiningDistance

setJoiningDistance

getDropThreshold

setDropThreshold

getDistanceFunction

setDistanceFunction

fromPtr