类列表

以下是类、结构体和联合体的简要说明。

• cv
  • _InputArray — 用于将只读输入数组传递给 OpenCV 函数的代理类。
  • _InputOutputArray
  • _OutputArray — 该类型与 InputArray 非常相似，但它用于输入/输出和输出函数参数。
  • Accumulator
  • Accumulator< char >
  • Accumulator< short >
  • Accumulator< unsigned char >
  • Accumulator< unsigned short >
  • Affine3 — 仿射变换。
  • AffineFeature — 用于实现封装器的类，使检测器和提取器具有仿射不变性，在 YM11 中被称为 ASIFT。
  • AffineTransformer — OpenCV 仿射变换算法的封装类。
  • AffineWarper — 仿射投影变换器工厂类。
  • Algorithm — 这是 OpenCV 中所有或多或少复杂的算法的基类。
  • AlignExposures — 用于对齐相同场景但曝光不同的图像的算法基类。
  • AlignMTB — 该算法将图像转换为中值阈值位图（亮度高于中值亮度的像素设为 1，否则设为 0），然后使用位操作对齐生成的位图。
  • 分配器
  • Animation — 表示具有多个帧的动画。Animation 结构体旨在存储和管理动画序列的数据，例如来自动画格式（如 GIF、AVIF、APNG、WebP）的数据。它支持循环播放、背景颜色设置、帧时间以及帧存储。
  • ANNIndex
  • AsyncArray — 返回异步操作的结果。
  • AsyncPromise — 提供异步操作的结果。
  • AutoBuffer — 自动分配缓冲区类。
  • AVIReadContainer
  • AVIWriteContainer
  • BackgroundSubtractor — 背景/前景分割的基类。
  • BackgroundSubtractorKNN — 基于 K 近邻（KNN）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。
  • BaseCascadeClassifier
  • bfloat
  • BFMatcher — 暴力（Brute-force）描述符匹配器。
  • BufferPoolController
  • CalibrateCRF — 相机响应校准算法的基类。
  • CalibrateDebevec — 通过将目标函数作为线性系统进行最小化，为每个亮度值提取逆相机响应函数。目标函数是使用所有图像中相同位置处的像素值构建的，并添加了一个额外项以使结果更平滑。
  • CalibrateRobertson — 通过将目标函数作为线性系统进行最小化，为每个亮度值提取逆相机响应函数。该算法使用所有的图像像素。
  • CascadeClassifier — 用于目标检测的级联分类器类。
  • ChiHistogramCostExtractor — 基于卡方（Chi）的代价提取。
  • CirclesGridFinderParameters
  • CLAHE — 限制对比度自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization）的基类。
  • CommandLineParser — 专为命令行解析而设计。
  • Complex — 复数类。
  • CompressedRectilinearPortraitWarper
  • CompressedRectilinearWarper
  • ConjGradSolver — 该类用于对已知梯度的函数进行非线性无约束最小化。
  • CylindricalWarper — 柱面投影变换器（Cylindrical warper）工厂类。
  • DataDepth — cv::DataType 的辅助类。
  • DataType — OpenCV 原始数据类型的模板“特征（trait）”类。
  • DefaultDeleter< CvHaarClassifierCascade >
  • DenseOpticalFlow
  • DescriptorMatcher — 匹配关键点描述符的抽象基类。
  • DetectionBasedTracker
  • DetectionROI — 用于检测感兴趣区域（ROI）的结构体
  • DISOpticalFlow — DIS（Dense Inverse Search）光流算法。
  • DMatch — 关键点描述符匹配的类。
  • DownhillSolver — 该类用于执行函数的非线性无约束最小化。
  • DualQuat
  • ECCParameters — findTransformECCMultiScale 使用的结构体 ECCParameters
  • EMDHistogramCostExtractor — 基于地球移动距离（EMD）的代价提取。
  • EMDL1HistogramCostExtractor — 基于 EMD-L1 的代价提取。
  • Exception — 传递给错误的异常类。
  • FaceDetectorYN — 基于深度神经网络（DNN）的人脸检测器。
  • FaceRecognizerSF — 基于深度神经网络（DNN）的人脸识别器。
  • FarnebackOpticalFlow — 使用 Gunnar Farneback 算法计算稠密光流的类。
  • FastFeatureDetector — 使用 FAST 方法进行特征检测的封装类。
  • Feature2D — 2D 图像特征检测器和描述符提取器的抽象基类。
  • FileNode — 文件存储节点类。
  • FileNodeIterator — 用于遍历序列和映射。
  • FileStorage — XML/YAML/JSON 文件存储类，封装了将数据写入文件或从文件读取数据所需的所有信息。
  • Filter2DParams
  • FisheyeWarper
  • FlannBasedMatcher — 基于 FLANN 的描述符匹配器。
  • FontFace — 对 TrueType/OpenType 等字体的封装，即 FreeType 的 FT_Face。
  • Formatted
  • Formatter
  • GArg
  • GArray — cv::GArray<T> 模板类，表示图（graph）中 T 类对象的列表。
  • GArrayDesc
  • GCall
  • GCompileArg — 表示任意编译参数。
  • GCompiled — 表示已编译的计算（图）。除少数特例外，只能用于其编译时所针对的图像/数据格式和分辨率。
  • GComputation — GComputation 类表示捕获的计算图。GComputation 对象为用户使用 G-API 编写的表达式代码构建边界，从而允许对其进行编译和执行。
  • GComputationT — 该类是常规 GComputation 的类型安全封装。
  • GComputationT< R(Args...)>
  • GCPUContext
  • GCPUKernel
  • GCPUKernelImpl
  • GCPUStKernelImpl
  • GeneralizedHough — 使用广义霍夫变换（Generalized Hough Transform）在灰度图像中寻找任意模板
  • GeneralizedHoughBallard — 使用广义霍夫变换（Generalized Hough Transform）在灰度图像中寻找任意模板
  • GeneralizedHoughGuil — 使用广义霍夫变换（Generalized Hough Transform）在灰度图像中寻找任意模板
  • GFluidKernel
  • GFluidKernelImpl
  • GFluidOutputRois — 该结构体允许控制 Fluid 后端在图中生成的输出图像区域。
  • GFluidParallelFor — 该结构体允许自定义 Fluid 执行并行区域的方式。
  • GFluidParallelOutputRois — 该结构体强制 Fluid 后端在图中生成多个并行输出区域。这些区域并行执行。
  • GFrame — GFrame 类表示图中的图像或媒体帧。
  • GFrameDesc
  • GFTTDetector — 使用 goodFeaturesToTrack 函数进行特征检测的封装类。
  • GInfer
  • GInferBase
  • GInferList
  • GInferList2
  • GInferList2Base
  • GInferListBase
  • GInferROI
  • GInferROIBase
  • GIOProtoArgs
  • GKernel
  • GKernelImpl
  • GKernelPackage — 用于异构算子（kernel）实现集合和图变换的容器类。
  • GKernelType
  • GKernelTypeM
  • GMat — GMat 类表示图中的图像或张量数据。
  • GMatDesc
  • GMatP
  • GNetworkType
  • GOCLContext
  • GOCLKernel
  • GOCLKernelImpl
  • GOpaque — cv::GOpaque<T> 模板类，表示图中的 T 类对象。
  • GOpaqueDesc
  • GPlaidMLContext
  • GPlaidMLKernel
  • GPlaidMLKernelImpl
  • graph_dump_path — 请求 G-API 以给定的文件名将编译后的图导出为 Graphviz 格式。
  • GraphicalCodeDetector
  • GRunArg
  • GScalar — GScalar 类表示图中的 cv::Scalar 数据。
  • GScalarDesc
  • GStreamingCompiled — 表示为流式处理（streaming）编译的计算（图）。
  • GTransform
  • GTransformImpl
  • GTypeInfo
  • Hamming
  • HausdorffDistanceExtractor — 轮廓定义的形状之间的简单豪斯多夫（Hausdorff）距离测量。
  • hfloat
  • HistogramCostExtractor — 直方图代价算法的抽象基类。
  • HOGDescriptor — HOG（方向梯度直方图）描述符和目标检测器的实现。
  • ImageCollection — 用于按需读取多页图像。
  • In_Tag
  • InferAPI
  • InferAPIList
  • InferAPIList2
  • InferAPIRoi
  • IStreamReader — 读取数据流接口。
  • KalmanFilter — 卡尔曼滤波类。
  • KeyPoint — 显著点检测器的数据结构。
  • KeyPointsFilter — 对关键点向量进行过滤的类。
  • L1
  • L2
  • LDA — 线性判别分析（Linear Discriminant Analysis）。
  • LevMarq — 列文伯格-马夸特（Levenberg-Marquardt）求解器。
  • LineIterator — 用于遍历光栅线段上所有像素的类。
  • LineSegmentDetector — 线段检测器类。
  • Mat — 逗号分隔的矩阵初始化器。
  • Mat_ — 派生自 Mat 的模板矩阵类。
  • MatAllocator — 自定义数组分配器。
  • MatConstIterator
  • MatConstIterator_ — 矩阵只读迭代器。
  • MatExpr — 矩阵表达式表示。这是已实现的矩阵操作列表，可以在任意复杂的表达式中进行组合（此处 A、B 代表矩阵 ( cv::Mat )，s 代表 cv::Scalar，alpha 代表实值标量 ( double )）
  • MatIterator_ — 矩阵读写迭代器。
  • MatOp
  • MatShape — 表示矩阵/张量的形状。以前，MatShape 被定义为 std::vector<int> 的别名，但现在我们使用了一个特殊的结构体，它提供了一些额外的优势
  • Matx — 适用于在编译时已知类型和大小的小型矩阵的模板类。
  • MediaFrame — cv::MediaFrame 类表示从外部源获取的图像/媒体帧。
  • MercatorWarper
  • MergeDebevec — 考虑曝光值和相机响应，将生成的 HDR 图像计算为曝光图像的加权平均值。
  • MergeExposures — 可以将曝光序列合并为单张图像的算法基类。
  • MergeMertens — 使用对比度、饱和度和良好曝光度测量指标对像素进行加权，然后使用拉普拉斯金字塔组合图像。
  • MergeRobertson — 考虑曝光值和相机响应，将生成的 HDR 图像计算为曝光图像的加权平均值。
  • MinProblemSolver — 所有求解器的基础接口。
  • Moments — cv::moments 返回的结构体
  • MSER — 最大稳定极值区域（MSER）提取器。
  • MSTEdge — 表示用于最小生成树（MST）计算的图中的边。
  • NAryMatIterator — n 元多维数组迭代器。
  • Node
  • NormHistogramCostExtractor — 基于范数的代价提取。
  • Octree — 用于 3D 视觉的八叉树（Octree）。
  • Odometry
  • OdometryFrame — 一个为里程计（Odometry）算法保存每帧数据的对象，范围从用户提供的图像到算法特有的预计算数据。如果不为空，它包含一张深度图、一个有效像素掩码以及根据该数据生成的一组金字塔。BGR/灰度图像和法线是可选的。OdometryFrame 旨在与 Odometry 类一起使用，以便在计算 Rt 数据时重复使用预计算的数据。正确的使用方法是在前一帧和后一帧上调用 Odometry::prepareFrames()，然后将它们传递给 Odometry::compute() 方法。
  • OdometrySettings
  • ORB — 实现 ORB（面向旋转的 BRIEF）关键点检测器和描述符提取器的类。
  • Out_Tag
  • PaniniPortraitWarper
  • PaniniWarper
  • ParallelLoopBody — 并行数据处理器的基类。
  • ParallelLoopBodyLambdaWrapper
  • ParamType
  • ParamType< Algorithm >
  • ParamType< bool >
  • ParamType< double >
  • ParamType< float >
  • ParamType< Mat >
  • ParamType< Scalar >
  • ParamType< String >
  • ParamType< uchar >
  • ParamType< uint64 >
  • ParamType< unsigned >
  • PCA — 主成分分析（Principal Component Analysis）。
  • PlaneWarper — 平面投影变换器（Plane warper）工厂类。
  • PluginStreamReader
  • Point3_ — 由坐标 x、y 和 z 指定的 3D 点的模板类。
  • Point_ — 由坐标 x 和 y 指定的 2D 点的模板类。
  • PyRotationWarper
  • QRCodeDetector — 二维码（QR code）检测器。
  • QRCodeDetectorAruco — 基于 ArUco 标记检测代码的二维码检测器。
  • QRCodeEncoder — 二维码编码器。
  • QtFont — 仅适用于 Qt 的 QtFont。参见 cv::fontQt。
  • Quat
  • QuatEnum
  • Range — 指定序列中连续子序列（切片）的模板类。
  • Rect_ — 2D 矩形的模板类。
  • RegionGrowing3D — 3D 点云中的区域生长算法。
  • RgbdNormals
  • RMat
  • RNG — 随机数生成器。
  • RNG_MT19937 — 梅森旋转（Mersenne Twister）随机数生成器。
  • RotatedRect — 该类表示平面上的旋转矩形（即非正交直立矩形）。
  • SACSegmentation — 基于采样一致性（SAC）算法的 3D 点云模型分割。
  • Scalar_ — 派生自 Vec 的 4 元素向量模板类。
  • ShapeContextDistanceExtractor — 形状上下文（Shape Context）描述符和匹配算法的实现。
  • ShapeDistanceExtractor — 形状距离算法的抽象基类。
  • ShapeTransformer — 形状变换算法的抽象基类。
  • SIFT — 使用 D. Lowe 提出的尺度不变特征变换（SIFT）算法提取关键点并计算描述符的类。
  • SimilarRects — 该类用于对级联分类器、HOG 等检测出的候选目标进行分组。
  • SimpleBlobDetector — 用于从图像中提取斑点（blob）的类。
  • Size_ — 用于指定图像或矩形大小的模板类。
  • SL2
  • softdouble
  • softfloat
  • SparseMat — SparseMat 类表示多维稀疏数值数组。
  • SparseMat_ — 派生自 SparseMat 的模板稀疏 n 维数组类。
  • SparseMatConstIterator — 只读稀疏矩阵迭代器。
  • SparseMatConstIterator_ — 模板只读稀疏矩阵迭代器类。
  • SparseMatIterator — 读写稀疏矩阵迭代器。
  • SparseMatIterator_ — 模板读写稀疏矩阵迭代器类。
  • SparseOpticalFlow — 稀疏光流算法的基础接口。
  • SparsePyrLKOpticalFlow — 用于计算稀疏光流的类。
  • SphericalWarper — 球面投影变换器（Spherical warper）工厂类。
  • StereoBM — 使用块匹配（block matching）算法计算立体匹配的类，由 K. Konolige 引入并贡献给 OpenCV。
  • StereographicWarper
  • StereoMatcher — 立体匹配算法的基类。
  • StereoSGBM — 该类实现了修改后的 H. Hirschmuller 算法 HH08，与原始算法的区别如下
  • Stitcher — 高层图像拼接器。
  • Subdiv2D
  • SVD — 奇异值分解（Singular Value Decomposition）。
  • TermCriteria — 定义迭代算法终止条件的类。
  • ThinPlateSplineShapeTransformer — 变换的定义。
  • TickMeter — 测量经过时间的类。
  • TLSData — 简单的线程局部存储（TLS）数据类。
  • TLSDataAccumulator — 带有收集方法的线程局部存储（TLS）数据累加器。
  • TLSDataContainer
  • Tonemap — 色调映射（tonemapping）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的全局色调映射算法，在对数域中缩放图像。
  • TonemapMantiuk — 该算法使用高斯金字塔所有层级上的梯度将图像转换为对比度，将对比度值转换为人类视觉系统（HVS）响应并缩放该响应。之后，根据新的对比度值重构图像。
  • TonemapReinhard — 这是一个模拟人类视觉系统的全局色调映射算子。
  • Tracker — 长期追踪器的抽象基类。
  • TrackerCSRT — CSRT 追踪器
  • TrackerDaSiamRPN
  • TrackerKCF — KCF（核化相关滤波器）追踪器
  • TrackerMIL — MIL 算法以在线方式训练分类器，从而将目标与背景分离。
  • TrackerNano — Nano 追踪器是一款基于深度神经网络（DNN）的超轻量级通用目标追踪器。
  • TrackerVit — VIT 追踪器是一款基于深度神经网络（DNN）的超轻量级通用目标追踪器。
  • TransverseMercatorWarper
  • TriangleRasterizeSettings — 保存光栅化设置的结构体。
  • UMat
  • UsacParams
  • use_threaded_executor — 当通过 cv::GComputation::compile 方法编译 cv::GComputation 时，请求 G-API 使用多线程执行器。
  • v_reg
  • V_TypeTraits
  • VariationalRefinement — 变分光流细化。
  • Vec — 短数值向量的模板类，是 Matx 的特例。
  • VideoCapture — 用于从视频文件、图像序列或相机捕获视频的类。
  • VideoWriter — 视频写入器类。
  • Volume
  • VolumeSettings
  • WarperCreator — 图像投影变换器工厂的基类。
• cv::Allocator
  • rebind
• cv::aruco
  • ArucoDetector — ArucoDetector 类的主要功能是使用 detectMarkers() 方法检测图像中的标记。
  • Board — ArUco 标记板。
  • CharucoBoard — ChArUco 板是一种平面棋盘，其中标记放置在棋盘的白格内。
  • CharucoDetector
  • CharucoParameters
  • DetectorParameters — ArucoDetector 使用的结构体 DetectorParameters
  • Dictionary — Dictionary 是尺寸相同的唯一 ArUco 标记集合。
  • GridBoard — 具有网格排列标记的平面板。
  • RefineParameters — ArucoDetector 使用的结构体 RefineParameters
• cv::barcode
  • BarcodeDetector
• cv::BaseCascadeClassifier
  • MaskGenerator
• cv::bgsegm
  • BackgroundSubtractorCNT — 基于计数的背景减除。
  • BackgroundSubtractorGMG — 基于 Gold2012 中算法的背景减除模块。
  • BackgroundSubtractorGSOC — 一种不同但更好的算法实现（称为 GSOC），因其是在谷歌编程之夏（GSOC）期间实现的，并非源自任何论文。
  • BackgroundSubtractorLSBP — 使用局部 SVD 二值模式（Local SVD Binary Pattern）进行背景减除。关于该算法的更多细节可以在 LGuo2016 中找到。
  • BackgroundSubtractorLSBPDesc — 用于计算 LSBP 描述符。
  • BackgroundSubtractorMOG — 基于高斯混合模型的背景/前景分割算法。
  • SyntheticSequenceGenerator — 用于测试背景减除算法的合成帧序列生成器。
• cv::bioinspired
  • Retina — 允许在 OpenCV 中使用 Gipsa/Listic 实验室模型的类。
  • RetinaFastToneMapping — 允许在 OpenCV 中使用 Meylan 等人 (2007) 色调映射算法的封装类。
  • RetinaParameters — 视网膜（retina）模型参数结构体
  • SegmentationParameters — 存储瞬态事件检测器设置参数的参数结构体
  • TransientAreasSegmentationModule — 提供瞬态/移动区域分割模块的类
• cv::bioinspired::RetinaParameters
  • IplMagnoParameters
  • OPLandIplParvoParameters
• cv::cann
  • AscendEvent — 用于在不同流（stream）之间进行同步的 AscendEvent。
  • AscendEventAccessor — 能够从 cann::AscendEvent 中获取 aclrtAscendEvent 的类。
  • AscendMat
  • AscendStream — 在 AscendCL 中，流（AscendStream）是一个任务队列。流用于管理任务的并行性。同一个流内部的任务按顺序执行，即流根据发送的任务按顺序执行；不同流中的任务则并行执行。
  • AscendStreamAccessor — 能够从 cann::AscendStream 中获取 aclrtAscendStream 的类。
• cv::cann::AscendEvent
  • Impl
• cv::cann::AscendMat
  • 分配器
• cv::cann::AscendStream
  • Impl
• cv::ccalib
  • CustomPattern
• cv::ccm
  • ColorCorrectionModel — ccm 核心模型的类。
• cv::cnn_3dobj
  • descriptorExtractor — 基于 Caffe 的 3D 图像描述符。用于从图像中提取特征的类。如此获得的描述符可用于分类和姿态估计目标 wohlhart15。
  • icoSphere — 基于二十面体（Icosohedron）的相机视图数据生成器。该类创建相机朝向 3D 对象的若干球面视图，该 3D 对象由 .ply 文件网格化而来 hinterstoisser2008panter。
• cv::colored_kinfu
  • ColoredKinFu — KinectFusion 的实现。
  • Params
• cv::cuda
  • BackgroundSubtractorFGD — 该类通过构建和维护背景模型来区分前景和背景像素。
  • BackgroundSubtractorGMG — 背景/前景分割算法。
  • 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。
  • BroxOpticalFlow — 使用 Brox 等人的光流算法（Brox2004）计算两张图像光流的类。
  • BufferPool — 用于 CUDA 流的 BufferPool（缓冲区池）。
  • CannyEdgeDetector — Canny 边缘检测器的基类。
  • CascadeClassifier — 用于目标检测的级联分类器类。支持 HAAR 和 LBP 级联。
  • CLAHE — 限制对比度自适应直方图均衡化的基类。
  • Convolution — 卷积（或互相关）算子的基类。
  • CornernessCriteria — 角点特性度量（Cornerness Criteria）计算的基类。
  • CornersDetector — 角点检测器的基类。
  • DenseOpticalFlow — 稠密光流算法的基础接口。
  • DensePyrLKOpticalFlow — 用于计算稠密光流的类。
  • DescriptorMatcher — 匹配关键点描述符的抽象基类。
  • DeviceInfo — 提供查询指定 GPU 属性功能的类。
  • DFT — 作为一个 cv::Algorithm 的离散傅里叶变换（DFT）算子的基类。
  • DisparityBilateralFilter — 使用联合双边滤波细化视差图的类。
  • Event
  • EventAccessor — 能够从 cuda::Event 中获取 cudaEvent_t 的类。
  • FarnebackOpticalFlow — 使用 Gunnar Farneback 算法计算稠密光流的类。
  • FastFeatureDetector — 使用 FAST 方法进行特征检测的封装类。
  • FastOpticalFlowBM
  • Feature2DAsync — CUDA 异步 2D 图像特征检测器和描述符提取器的抽象基类。
  • FGDParams
  • Filter — 所有 CUDA 滤波器的通用接口
  • GpuData
  • GpuMat — 带有引用计数的 GPU 内存基础存储类。
  • GpuMatND
  • HOG — 该类实现了方向梯度直方图（Dalal2005）目标检测器。
  • HostMem — 封装了来自 CUDA 的特殊内存类型分配函数并带有引用计数的类。
  • HoughCirclesDetector — 圆形检测器算法的基类。
  • HoughLinesDetector — 直线检测器算法的基类。
  • HoughSegmentDetector — 线段检测器算法的基类。
  • ImagePyramid
  • LookUpTable — 使用查找表（LUT）进行变换的基类。
  • NvidiaHWOpticalFlow — 使用 NVIDIA 光流 SDK 的光流算法的基础接口。
  • NvidiaOpticalFlow_1_0 — 使用 NVIDIA 光流硬件和光流 SDK 1.0 计算两张图像之间光流向量的类。
  • NvidiaOpticalFlow_2_0 — 使用 NVIDIA 光流硬件和光流 SDK 2.0 计算两张图像之间光流向量的类。
  • OpticalFlowDual_TVL1 — Zach、Pock 和 Bischof 双 TV-L1 光流方法的实现。
  • ORB — 实现 ORB（面向旋转的 BRIEF）关键点检测器和描述符提取器的类。
  • SparseOpticalFlow — 稀疏光流算法的基础接口。
  • SparsePyrLKOpticalFlow — 用于计算稀疏光流的类。
  • StereoBeliefPropagation — 使用信念传播（belief propagation）算法计算立体匹配的类。
  • StereoBM — 使用块匹配算法计算立体匹配（视差图）的类。
  • StereoConstantSpaceBP — 使用常数空间信念传播算法计算立体匹配的类。
  • StereoSGM — 该类实现了修改后的 H. Hirschmuller 算法 HH08。限制和区别如下
  • Stream — 该类封装了一个异步调用队列。
  • StreamAccessor — 能够从 cuda::Stream 中获取 cudaStream_t 的类。
  • SURF_CUDA — 用于从图像中提取加速稳健特征（SURF）的类。
  • TargetArchs — 提供一组静态方法的类，用于检查 CUDA 模块是针对哪种 NVIDIA* 显卡架构构建的。
  • TemplateMatching — 模板匹配的基类。
• cv::cuda::GpuMat
  • 分配器
• cv::cudacodec
  • EncodeQp
  • EncoderCallback — 编码器回调的接口。
  • EncoderParams — CUDA 视频编码器的不同参数。
  • FormatInfo — 提供视频 file 格式信息的结构体。
  • NVSurfaceToColorConverter — 如果输出颜色格式设置为 ColorFormat::NV_YUV_SURFACE_FORMAT (VideoReader::set(ColorFormat::NV_YUV_SURFACE_FORMAT))，则该类用于将来自 VideoReader 的原始 YUV Surface 输出转换为所请求的 ColorFormat。
  • RawVideoSource — 视频解复用（demultiplexing）的接口。
  • VideoReader — 视频读取器接口，参见 createVideoReader()。
  • VideoReaderInitParams — VideoReader 初始化参数。
  • VideoWriter — 视频写入器接口，参见 createVideoWriter()。
• cv::cudev
  • abs_func
  • abs_func< double >
  • abs_func< float >
  • abs_func< schar >
  • abs_func< short >
  • abs_func< uchar >
  • abs_func< uint >
  • abs_func< ushort >
  • absdiff_func
  • AffineMapPtr
  • AffineMapPtrSz
  • ArrayWrapper
  • Avg
  • binary_function
  • BinaryNegate
  • BinaryTransformPtr
  • BinaryTransformPtrSz
  • BinaryTupleAdapter
  • Binder1st
  • Binder2nd
  • bit_and
  • bit_lshift
  • bit_not
  • bit_or
  • bit_rshift
  • bit_xor
  • Block
  • BrdBase
  • BrdConstant
  • BrdReflect
  • BrdReflect101
  • BrdReplicate
  • BrdWrap
  • CommonAreaInterPtr
  • CommonAreaInterPtrSz
  • ConstantPtr
  • ConstantPtrSz
  • ConvertTuple
  • CountNonZeroExprBody
  • CubicInterPtr
  • CubicInterPtrSz
  • DefaultCopyPolicy
  • DefaultGlobReducePolicy
  • DefaultHistogramPolicy
  • DefaultReduceToVecPolicy
  • DefaultSplitMergePolicy
  • DefaultTransformPolicy
  • DefaultTransposePolicy
  • DerivXPtr
  • DerivXPtrSz
  • DerivYPtr
  • DerivYPtrSz
  • direction_func
  • direction_interleaved_func
  • DisableIf
  • divides
  • DynamicSharedMem
  • DynamicSharedMem< double >
  • EnableIf
  • equal_to
  • Expr
  • FindMaxValExprBody
  • FindMinMaxValExprBody
  • FindMinValExprBody
  • GlobPtr — 类似于 cv::cudev::GlobPtrSz 但仅包含指针和行步长（row step）的结构体。
  • GlobPtrSz — 封装 GPU 上跨距内存（pitched memory）的轻量级类，传递给经 nvcc 编译的代码（CUDA 核函数）。
  • GpuMat_
  • greater
  • greater_equal
  • HistogramBody
  • identity
  • InRangeComparator — 检查 CUDA 向量 v 是否在 lowerb 和 upperb 之间的范围内的仿函数（Functor）。
  • InRangeCopier — 将 cv::Scalar 复制到 CUDA 向量（例如 uchar3）中的仿函数。
  • InRangeFunc — inRange 的一元函数（unary_function）实现
  • Int2Type
  • IntegerAreaInterPtr
  • IntegerAreaInterPtrSz
  • IntegralBody
  • IsBinaryFunction
  • IsPowerOf2
  • IsUnaryFunction
  • LaplacianPtr
  • LaplacianPtr< 1, SrcPtr >
  • LaplacianPtr< 3, SrcPtr >
  • LaplacianPtrSz
  • LargerType
  • less
  • less_equal
  • LinearInterPtr
  • LinearInterPtrSz
  • Log2
  • Log2< N, 0, COUNT >
  • logical_and
  • logical_not
  • logical_or
  • LutPtr
  • LutPtrSz
  • magnitude_direction_interleaved_func
  • magnitude_func
  • magnitude_interleaved_func
  • magnitude_sqr_func
  • magnitude_sqr_interleaved_func
  • MakeVec
  • MakeVec< bool, 1 >
  • MakeVec< bool, 2 >
  • MakeVec< bool, 3 >
  • MakeVec< bool, 4 >
  • MakeVec< schar, 1 >
  • MakeVec< schar, 2 >
  • MakeVec< schar, 3 >
  • MakeVec< schar, 4 >
  • Max
  • maximum
  • Min
  • minimum
  • minus
  • modulus
  • multiplies
  • NearestInterPtr
  • NearestInterPtrSz
  • negate
  • NormHamming
  • NormL1
  • NormL1< float >
  • NormL2
  • not_equal_to
  • NullType
  • numeric_limits
  • numeric_limits< bool >
  • numeric_limits< double >
  • numeric_limits< float >
  • numeric_limits< schar >
  • numeric_limits< short >
  • numeric_limits< uchar >
  • numeric_limits< uint >
  • numeric_limits< ushort >
  • PerspectiveMapPtr
  • PerspectiveMapPtrSz
  • plus
  • pow_func
  • pow_func< double >
  • project1st
  • project2nd
  • PtrTraits
  • PtrTraits< AffineMapPtrSz >
  • PtrTraits< BinaryTransformPtrSz< Src1Ptr, Src2Ptr, Op > >
  • PtrTraits< CommonAreaInterPtrSz< SrcPtr > >
  • PtrTraits< ConstantPtrSz< T > >
  • PtrTraits< CubicInterPtrSz< SrcPtr > >
  • PtrTraits< DerivXPtrSz< SrcPtr > >
  • PtrTraits< DerivYPtrSz< SrcPtr > >
  • PtrTraits< Expr< Body > >
  • PtrTraits< GlobPtrSz< T > >
  • PtrTraits< GpuMat_< T > >
  • PtrTraits< IntegerAreaInterPtrSz< SrcPtr > >
  • PtrTraits< LaplacianPtrSz< ksize, SrcPtr > >
  • PtrTraits< LinearInterPtrSz< SrcPtr > >
  • PtrTraits< LutPtrSz< SrcPtr, TablePtr > >
  • PtrTraits< NearestInterPtrSz< SrcPtr > >
  • PtrTraits< PerspectiveMapPtrSz >
  • PtrTraits< RemapPtr1Sz< SrcPtr, MapPtr > >
  • PtrTraits< RemapPtr2Sz< SrcPtr, MapXPtr, MapYPtr > >
  • PtrTraits< ResizePtrSz< SrcPtr > >
  • PtrTraits< ScharrXPtrSz< SrcPtr > >
  • PtrTraits< ScharrYPtrSz< SrcPtr > >
  • PtrTraits< SingleMaskChannelsSz< MaskPtr > >
  • PtrTraits< SobelXPtrSz< SrcPtr > >
  • PtrTraits< SobelYPtrSz< SrcPtr > >
  • PtrTraits< Texture< T, R > >
  • PtrTraits< UnaryTransformPtrSz< SrcPtr, Op > >
  • PtrTraits< ZipPtrSz< PtrTuple > >
  • PtrTraitsBase
  • PyrDownBody
  • PyrUpBody
  • ReduceToColumnBody
  • ReduceToRowBody
  • RemapPtr1
  • RemapPtr1Sz
  • RemapPtr2
  • RemapPtr2Sz
  • ResizePtr
  • ResizePtrSz
  • saturate_cast_fp16_func
  • saturate_cast_fp16_func< float, short >
  • saturate_cast_fp16_func< short, float >
  • saturate_cast_func
  • ScharrXPtr
  • ScharrXPtrSz
  • ScharrYPtr
  • ScharrYPtrSz
  • SelectIf
  • SelectIf< false, ThenType, ElseType >
  • SingleMaskChannels
  • SingleMaskChannelsSz
  • SobelXPtr
  • SobelXPtrSz
  • SobelYPtr
  • SobelYPtrSz
  • sqr_func
  • 和
  • SumExprBody
  • Texture — 可共享的智能 CUDA 纹理对象
  • TextureOff — 带有偏移量的可共享智能 CUDA 纹理对象。TextureOff 是针对 cudaTextureObject_t 句柄的智能可共享封装，可确保句柄在使用后被销毁。
  • TextureOffPtr
  • TexturePtr — 简单的轻量级结构体，封装了关于设备上图像纹理的信息。它们旨在传递给经 nvcc 编译的代码。
  • TexturePtr< uint64, R >
  • ThreshBinaryFunc
  • ThreshBinaryInvFunc
  • ThreshToZeroFunc
  • ThreshToZeroInvFunc
  • ThreshTruncFunc
  • TransposeBody
  • TupleTraits
  • TupleTraits< tuple< P0, P1, P2, P3, P4, P5, P6, P7, P8, P9 > >
  • TypesEquals
  • TypesEquals< A, A >
  • TypeTraits
  • unary_function
  • UnaryNegate
  • UnaryTransformPtr
  • UnaryTransformPtrSz
  • UnaryTupleAdapter
  • UniqueTexture — 不可复制的智能 CUDA 纹理对象
  • VecTraits
  • VecTraits< char1 >
  • VecTraits< char2 >
  • VecTraits< char3 >
  • VecTraits< char4 >
  • VecTraits< schar >
  • Warp
  • WithOutMask
  • ZipPtr
  • ZipPtr< tuple< Ptr0, Ptr1 > >
  • ZipPtr< tuple< Ptr0, Ptr1, Ptr2 > >
  • ZipPtr< tuple< Ptr0, Ptr1, Ptr2, Ptr3 > >
  • ZipPtrSz
• cv::cudev::Avg
  • rebind
• cv::cudev::IsBinaryFunction
  • No
• cv::cudev::IsUnaryFunction
  • No
• cv::cudev::Max
  • rebind
• cv::cudev::Min
  • rebind
• cv::cudev::Sum
  • rebind
• cv::datasets
  • AR_hmdb
  • AR_hmdbObj
  • AR_sports
  • AR_sportsObj
  • cameraParam
  • cameraPos
  • Dataset
  • FR_adience
  • FR_adienceObj
  • FR_lfw
  • FR_lfwObj
  • GR_chalearn
  • GR_chalearnObj
  • GR_skig
  • GR_skigObj
  • groundTruth
  • HPE_humaneva
  • HPE_humanevaObj
  • HPE_parse
  • HPE_parseObj
  • IR_affine
  • IR_affineObj
  • IR_robot
  • IR_robotObj
  • IS_bsds
  • IS_bsdsObj
  • IS_weizmann
  • IS_weizmannObj
  • join
  • MSM_epfl
  • MSM_epflObj
  • MSM_middlebury
  • MSM_middleburyObj
  • Object
  • OR_imagenet
  • OR_imagenetObj
  • OR_mnist
  • OR_mnistObj
  • OR_pascal
  • OR_pascalObj
  • OR_sun
  • OR_sunObj
  • PascalObj
  • PascalPart
  • PD_caltech
  • PD_caltechObj
  • PD_inria
  • PD_inriaObj
  • pose
  • 骨架
  • SLAM_kitti
  • SLAM_kittiObj
  • SLAM_tumindoor
  • SLAM_tumindoorObj
  • SR_bsds
  • SR_bsdsObj
  • SR_div2k
  • SR_div2kObj
  • SR_general100
  • SR_general100Obj
  • tag
  • TR_chars
  • TR_charsObj
  • TR_icdar
  • TR_icdarObj
  • TR_svt
  • TR_svtObj
  • TRACK_alov
  • TRACK_alovObj
  • TRACK_vot
  • TRACK_votObj
  • word
• cv::DescriptorMatcher
  • DescriptorCollection
• cv::detail
  • accepted_infer_types
  • AffineBasedEstimator — 基于仿射变换的估计器。
  • AffineBestOf2NearestMatcher — 类似于 cv::detail::BestOf2NearestMatcher 的特征匹配器，它为每个特征寻找两个最佳匹配，并且仅当描述符距离之间的比例大于阈值 match_conf 时，才保留最佳匹配。
  • AffineWarper — 使用旋转和平移的仿射投影变换器。
  • BasicOpaqueRef
  • BasicVectorRef
  • BestOf2NearestMatcher — 为每个特征寻找两个最佳匹配的特征匹配器，并且仅当描述符距离之间的比例大于阈值 match_conf 时，才保留最佳匹配。
  • BestOf2NearestRangeMatcher
  • Blender — 所有融合器（blender）的基类。
  • BlocksChannelsCompensator — 曝光补偿器，试图通过调整每个通道上的图像块来消除与曝光相关的伪影。
  • BlocksCompensator — 曝光补偿器，试图通过调整图像块来消除与曝光相关的伪影。
  • BlocksGainCompensator — 曝光补偿器，试图通过调整图像块的强度来消除与曝光相关的伪影，详见 UES01。
  • BundleAdjusterAffine — 光束法平差器（Bundle adjuster），期望在每个相机参数的 R 中以齐次坐标表示仿射变换。实现了通过最小化重投影误差平方和来精细化相机参数的算法。
  • BundleAdjusterAffinePartial — 光束法平差器，期望在每个相机参数的 R 中以齐次坐标表示具有 4 个自由度（DOF）的仿射变换。实现了通过最小化重投影误差平方和来精细化相机参数的算法。
  • BundleAdjusterBase — 所有相机参数细化方法的基类。
  • BundleAdjusterRay — 相机参数细化算法的实现，该算法通过最小化通过相机中心的光线与特征之间的距离之和。
  • BundleAdjusterReproj — 相机参数细化算法的实现，该算法通过最小化重投影误差的平方和。
  • callCustomGetBorder
  • callCustomGetBorder< false, Impl >
  • callCustomGetBorder< true, Impl >
  • CameraParams — 描述相机参数。
  • ChannelsCompensator — 曝光补偿器，试图通过独立调整每个通道上的图像强度来消除与曝光相关的伪影。
  • CompileArgTag
  • CompileArgTag< GFluidOutputRois >
  • CompileArgTag< GFluidParallelFor >
  • CompileArgTag< GFluidParallelOutputRois >
  • CompressedRectilinearPortraitProjector
  • CompressedRectilinearPortraitWarper
  • CompressedRectilinearProjector
  • CompressedRectilinearWarper
  • contains_shape_field
  • CylindricalPortraitProjector
  • CylindricalPortraitWarper
  • CylindricalProjector
  • CylindricalWarper — 将图像映射到 x*x + z*z = 1 圆柱面上的投影变换器。
  • CylindricalWarperGpu
  • DisjointSets
  • DpSeamFinder
  • Estimator — 旋转估计器的基类。
  • ExposureCompensator — 所有曝光补偿器的基类。
  • ExtractArgsCallback
  • ExtractMetaCallback
  • FeatherBlender — 在图像边缘进行混合的简单融合器。
  • FeaturesMatcher — 特征匹配器的基类。
  • FisheyeProjector
  • FisheyeWarper
  • flatten_g
  • fluid_get_in
  • FluidCallHelper
  • GainCompensator — 曝光补偿器，试图通过调整图像强度来消除与曝光相关的伪影，详见 BL07 和 WJ10。
  • GArrayU
  • GCompoundCallHelper
  • GCompoundContext
  • GCompoundKernel
  • GCompoundKernelImpl
  • get_border_helper
  • get_border_helper< false, Impl, Ins... >
  • get_border_helper< true, Impl, Ins... >
  • get_compound_in
  • get_in
  • get_out
  • get_window_helper
  • get_window_helper< false, Impl, Ins... >
  • get_window_helper< true, Impl, Ins... >
  • GInferInputsTyped
  • GInferOutputsTyped
  • GObtainCtor
  • GOpaqueTraits
  • GOpaqueTraits< bool >
  • GOpaqueTraits< double >
  • GOpaqueTraits< float >
  • GOpaqueTraits< int64_t >
  • GOpaqueTraits< uint64_t >
  • GOpaqueU
  • Graph
  • GraphCutSeamFinder — 基于最小图割（minimum graph-cut）的接缝估计器。详见 Kwatra03。
  • GraphCutSeamFinderBase — 所有基于最小图割的接缝估计器的基类。
  • GraphEdge
  • GTypeOf
  • GTypeTraits
  • has_custom_wrap
  • has_gshape
  • has_Window
  • HomographyBasedEstimator — 基于单应性（Homography）的旋转估计器。
  • ImageFeatures — 包含图像关键点和描述符的结构体。
  • in_variant
  • InferROITraits
  • InferROITraits< GInferListBase >
  • InferROITraits< GInferROIBase >
  • InOutInfo
  • is_gmat_type
  • is_meta_descr
  • is_meta_descr< GArrayDesc >
  • is_meta_descr< GMatDesc >
  • is_meta_descr< GOpaqueDesc >
  • is_meta_descr< GScalarDesc >
  • KernelTag
  • KernelTypeMedium
  • last_type
  • LevMarqBackend
  • LevMarqBase — 列文伯格-马夸特（Levenberg-Marquardt）求解器的基类。
  • MatchesInfo — 包含两张图像之间匹配信息的结构体。
  • MercatorProjector
  • MercatorWarper
  • MetaHelper
  • MetaType
  • MultiBandBlender — 使用多频带混合算法（参见 BA83）的融合器。
  • NoBundleAdjuster — 什么都不做的空（Stub）光束法平差器。
  • NoExposureCompensator — 什么都不做的空曝光补偿器。
  • NoSeamFinder — 什么都不做的空接缝估计器。
  • NoTag
  • ocl_get_in
  • ocl_get_out
  • OCLCallHelper
  • OCVCallHelper
  • OCVSetupHelper
  • OCVStCallHelper
  • OpaqueRef
  • OpaqueRefT
  • OptRef
  • PairwiseSeamFinder — 所有成对接缝估计器的基类。
  • PaniniPortraitProjector
  • PaniniPortraitWarper
  • PaniniProjector
  • PaniniWarper
  • plaidml_get_in
  • plaidml_get_out
  • PlaidMLCallHelper
  • PlanePortraitProjector
  • PlanePortraitWarper
  • PlaneProjector
  • PlaneWarper — 将图像映射到 z = 1 平面上的投影变换器。
  • PlaneWarperGpu
  • PoseGraph
  • ProjectorBase — 投影变换逻辑实现的基类。
  • ProtoToMeta
  • ProtoToParam
  • RotationWarper — 仅限旋转模型的图像投影变换器接口。
  • RotationWarperBase — 使用 detail::ProjectorBase_ 派生类的基于旋转的投影变换器的基类。
  • scratch_helper
  • scratch_helper< false, Impl, Ins... >
  • scratch_helper< true, Impl, Ins... >
  • SeamFinder — 接缝估计器的基类。
  • SphericalPortraitProjector
  • SphericalPortraitWarper
  • SphericalProjector
  • SphericalWarper — 将图像映射到位于原点的单位球面上的投影变换器。
  • SphericalWarperGpu
  • StereographicProjector
  • StereographicWarper
  • Submap
  • SubmapManager — 管理特定场景中所有创建的子图（submap）。
  • Timelapser
  • TimelapserCrop
  • tracked_cv_mat
  • tracked_cv_umat
  • TransformTag
  • TransHelper
  • TransverseMercatorProjector
  • TransverseMercatorWarper
  • TypeHint
  • TypeHintBase
  • UkfSystemModel — 无迹卡尔曼滤波（Unscented Kalman filter）的动力学系统模型。动力学系统模型的接口，包含用于计算下一个状态和测量值的函数。必须继承该类才能使用 UKF。
  • UnscentedKalmanFilter — 无迹卡尔曼滤波和增广无迹卡尔曼滤波的接口。
  • UnscentedKalmanFilterParams — 无迹卡尔曼滤波参数。无迹卡尔曼滤波初始化参数的类。
  • valid_infer2_types
  • VectorRef
  • VectorRefT
  • VoronoiSeamFinder — 基于泰森多边形（Voronoi 摩尔图）的接缝估计器。
  • WeakClassifierHaarFeature
  • WrapValue
  • wref_spec
  • Yield
  • Yield< GFrame >
• cv::detail::CompileArgTag< cv
  • GKernelPackage >
  • graph_dump_path >
  • use_threaded_executor >
• cv::detail::CompileArgTag< cv::gapi
  • GNetPackage >
  • use_only >
• cv::detail::CompileArgTag< cv::gapi::calib3d::cpu
  • StereoInitParam >
• cv::detail::CompileArgTag< cv::gapi::onnx
  • WorkloadTypeONNXPtr >
• cv::detail::CompileArgTag< cv::gapi::ot
  • ObjectTrackerParams >
• cv::detail::CompileArgTag< cv::gapi::plaidml
  • config >
• cv::detail::CompileArgTag< cv::gapi::streaming
  • queue_capacity >
• cv::detail::CompileArgTag< cv::gapi::video
  • BackgroundSubtractorParams >
• cv::detail::CompileArgTag< cv::gapi::wip::draw
  • freetype_font >
• cv::detail::CompileArgTag< cv::gapi::wip::ov
  • benchmark_mode >
  • WorkloadTypeOVPtr >
• cv::detail::CompileArgTag< gapi::oak
  • ColorCameraParams >
  • EncoderConfig >
• cv::detail::CompileArgTag< gapi::streaming
  • sync_policy >
• cv::detail::contains_shape_field< TaggedTypeCandidate, void_t< decltype(TaggedTypeCandidate
  • shape)> >
• cv::detail::DpSeamFinder
  • ClosePoints
  • ImagePairLess
• cv::detail::flatten_g< cv
  • GMat >
  • GScalar >
• cv::detail::fluid_get_in< cv
  • GArray< U > >
  • GMat >
  • GOpaque< U > >
  • GScalar >
• cv::detail::FluidCallHelper< Impl, std::tuple< Ins... >, std
  • tuple< Outs... >, UseScratch >
• cv::detail::GCompoundCallHelper< Impl, std::tuple< Ins... >, std
  • tuple< Outs... > >
• cv::detail::get_compound_in< cv
  • GArray< U > >
  • GMatP >
  • GOpaque< U > >
• cv::detail::get_in< cv
  • GArray< U > >
  • GFrame >
  • GMat >
  • GMatP >
  • GOpaque< U > >
  • GScalar >
• cv::detail::get_in< cv::GArray< cv
  • GArray< U > > >
  • GMat > >
  • GScalar > >
• cv::detail::get_in< cv::GOpaque< cv
  • GMat > >
  • GScalar > >
• cv::detail::get_out< cv
  • GArray< U > >
  • GFrame >
  • GMat >
  • GMatP >
  • GOpaque< U > >
  • GScalar >
• cv::detail::get_out< cv::GArray< cv
  • GArray< U > > >
  • GMat > >
• cv::detail::GInferInputsTyped
  • Priv
• cv::detail::GInferOutputsTyped
  • Priv
• cv::detail::GOpaqueTraits< cv
  • GMat >
  • Mat >
  • Point >
  • Point2f >
  • Point3f >
  • Rect >
  • Scalar >
  • Size >
• cv::detail::GOpaqueTraits< cv::gapi::wip::draw
  • Prim >
• cv::detail::GOpaqueTraits< std
  • string >
• cv::detail::GTypeOf< cv
  • Mat >
  • MediaFrame >
  • RMat >
  • Scalar >
  • UMat >
• cv::detail::GTypeOf< cv::gapi::wip::IStreamSource
  • Ptr >
• cv::detail::GTypeOf< std
  • vector< U > >
• cv::detail::GTypeTraits< cv
  • GArray< T > >
  • GFrame >
  • GMat >
  • GMatP >
  • GOpaque< T > >
  • GScalar >
• cv::detail::has_custom_wrap
  • check
• cv::detail::KernelTypeMedium< K, std
  • function< R(Args...)> >
• cv::detail::KernelTypeMedium< K, std::function< std
  • tuple< R... >(Args...)> >
• cv::detail::MetaHelper< K, std
  • tuple< Ins... >, Out >
• cv::detail::MetaHelper< K, std::tuple< Ins... >, std
  • tuple< Outs... > >
• cv::detail::MetaType< cv
  • GArray< U > >
  • GFrame >
  • GMat >
  • GMatP >
  • GOpaque< U > >
  • GScalar >
• cv::detail::ocl_get_in< cv
  • GArray< U > >
  • GFrame >
  • GMat >
  • GOpaque< U > >
  • GScalar >
• cv::detail::ocl_get_out< cv
  • GArray< U > >
  • GMat >
  • GOpaque< U > >
  • GScalar >
• cv::detail::OCLCallHelper< Impl, std::tuple< Ins... >, std
  • tuple< Outs... > >
• cv::detail::OCLCallHelper< Impl, std::tuple< Ins... >, std::tuple< Outs... > >
  • call_and_postprocess
• cv::detail::OCVCallHelper< Impl, std::tuple< Ins... >, std
  • tuple< Outs... > >
• cv::detail::OCVCallHelper< Impl, std::tuple< Ins... >, std::tuple< Outs... > >
  • call_and_postprocess
• cv::detail::OCVSetupHelper< Impl, std
  • tuple< Ins... > >
• cv::detail::OCVStCallHelper< Impl, std::tuple< Ins... >, std
  • tuple< Outs... > >
• cv::detail::OCVStCallHelper< Impl, std::tuple< Ins... >, std::tuple< Outs... > >
  • call_and_postprocess
• cv::detail::OptRef
  • Holder
  • OptHolder
• cv::detail::plaidml_get_in< cv
  • GMat >
• cv::detail::plaidml_get_out< cv
  • GMat >
• cv::detail::PlaidMLCallHelper< Impl, std::tuple< Ins... >, std
  • tuple< Outs... > >
• cv::detail::ProtoToMeta< cv
  • GArray< U > >
  • GMat >
  • GOpaque< U > >
  • GScalar >
• cv::detail::ProtoToParam< cv
  • GArray< U > >
  • GMat >
  • GOpaque< U > >
  • GScalar >
• cv::detail::ProtoToParam< cv::GArray< cv
  • GMat > >
• cv::detail::Submap
  • PoseConstraint
• cv::detail::SubmapManager
  • ActiveSubmapData
• cv::detail::tracking
  • TrackerContribFeature — 表示特征的 TrackerContribFeature 的抽象基类。
  • TrackerContribFeatureHAAR — 基于 HAAR 特征的 TrackerContribFeature，由 TrackerMIL 以及许多其他算法使用。
  • TrackerContribFeatureSet — 管理特征提取和选择的类。
  • TrackerContribSampler — 管理采样器的类，以便选择用于更新追踪器模型的区域 [AAM] 采样与标记。参见表 I 和第 III 部分 B。
  • TrackerContribSamplerAlgorithm — 表示特定采样器算法的 TrackerContribSamplerAlgorithm 的抽象基类。
  • TrackerContribSamplerCSC — 基于 CSC（以当前状态为中心）的 TrackerSampler，由 MIL 算法 TrackerMIL 使用。
  • TrackerFeature — 表示特征的 TrackerFeature 的抽象基类。
  • TrackerFeatureFeature2d — 基于 Feature2D 的 TrackerContribFeature。
  • TrackerFeatureHOG — 基于 HOG 的 TrackerContribFeature。
  • TrackerFeatureLBP — 基于 LBP 的 TrackerContribFeature。
  • TrackerFeatureSet — 管理特征提取和选择的类。
  • TrackerModel — 表示目标模型的抽象类。
  • TrackerSampler — 管理采样器的类，以便选择用于更新追踪器模型的区域 [AAM] 采样与标记。参见表 I 和第 III 部分 B。
  • TrackerSamplerAlgorithm — 表示特定采样器算法的 TrackerSamplerAlgorithm 的抽象基类。
  • TrackerSamplerCS — 基于 CS（当前状态）的 TrackerContribSampler，由 TrackerBoosting 算法使用。
  • TrackerSamplerCSC — 基于 CSC（以当前状态为中心）的 TrackerSampler，由 MIL 算法 TrackerMIL 使用。
  • TrackerSamplerPF — 该采样器基于粒子滤波。
  • TrackerStateEstimator — 估计最可能目标状态的 TrackerStateEstimator 抽象基类。
  • TrackerStateEstimatorAdaBoosting — 基于 Ada-Boosting 的 TrackerStateEstimatorAdaBoosting。
  • TrackerStateEstimatorSVM — 基于支持向量机（SVM）的 TrackerStateEstimator。
  • TrackerTargetState — 表示目标可能状态的 TrackerTargetState 抽象基类。
• cv::detail::tracking::tbm
  • CosDistance — CosDistance 类允许计算两个重识别描述符之间的余弦距离。
  • IDescriptorDistance — IDescriptorDistance 类声明了重识别描述符之间距离计算的接口。
  • IImageDescriptor — IImageDescriptor 类声明了图像描述符的基类。
  • ITrackerByMatching — 基于匹配的追踪（Tracker-by-Matching）算法接口。
  • MatchTemplateDistance — 使用 OpenCV 库中的 MatchTemplate 函数（尤其是其互相关计算方法）计算图像之间的距离。
  • ResizedImageDescriptor — 使用调整大小后的图像作为描述符。
  • Track — Track 类描述轨迹。
  • TrackedObject — TrackedObject 结构体定义了检测到目标的属性。
  • TrackerParams — TrackerParams 结构体存储了 TrackerByMatching 的参数。
• cv::detail::tracking::TrackerContribFeatureHAAR
  • Params
• cv::detail::tracking::TrackerContribSamplerCSC
  • Params
• cv::detail::tracking::TrackerSamplerCS
  • Params
• cv::detail::tracking::TrackerSamplerCSC
  • Params
• cv::detail::tracking::TrackerSamplerPF
  • Params
• cv::detail::tracking::TrackerStateEstimatorAdaBoosting
  • TrackerAdaBoostingTargetState
• cv::detail::TransHelper< K, std
  • tuple< Ins... >, Out >
• cv::detail::valid_infer2_types< std::tuple< Ns... >, std
  • tuple<> >
• cv::detail::valid_infer2_types< std::tuple<>, std
  • tuple< Ts... > >
• cv::detail::Yield< cv
  • GArray< U > >
  • GMat >
  • GMatP >
  • GOpaque< U > >
  • GScalar >
• cv::details
  • FPDenormalsIgnoreHintScope
  • FPDenormalsIgnoreHintScopeNOOP
  • FPDenormalsModeState
• cv::DetectionBasedTracker
  • ExtObject
  • IDetector
  • InnerParameters
  • 参数
  • TrackedObject
• cv::dnn
  • AbsLayer
  • AccumLayer
  • AcoshLayer
  • AcosLayer
  • ActivationInt8Params
  • ActivationLayer
  • ActivationLayerInt8
  • AffineGridLayer
  • Arg
  • ArgData
  • ArgLayer — ArgMax/ArgMin 层。
  • AsinhLayer
  • AsinLayer
  • AtanhLayer
  • AtanLayer
  • AttentionLayer
  • AttentionOnnxAiLayer
  • AveragePoolLayer
  • BackendNode — 该类的派生类封装了特定后端的功能。
  • BackendWrapper — 该类的派生类针对不同的后端和目标封装了 cv::Mat。
  • BaseConvolutionLayer
  • BatchNorm2Layer
  • BatchNormLayer
  • BatchNormLayerInt8
  • BitShiftLayer
  • BlackmanWindowLayer
  • BlankLayer
  • BNLLLayer
  • Cast2Layer
  • CastLayer
  • CeilLayer
  • CeluLayer
  • CenterCropPadLayer
  • ChannelsPReLULayer
  • ClassificationModel — 该类表示分类模型的高层 API。
  • ClipLayer
  • CompareLayer
  • Concat2Layer
  • ConcatLayer
  • ConstantOfShapeLayer
  • ConstLayer
  • Conv2Int8Layer
  • Conv2Int8Params
  • Conv2Layer
  • ConvolutionLayer
  • ConvolutionLayerInt8
  • ConvTranspose2Layer
  • CorrelationLayer
  • CoshLayer
  • CosLayer
  • CropAndResizeLayer
  • CropLayer
  • CumSumLayer
  • DataAugmentationLayer
  • DeconvolutionLayer
  • DepthToSpaceLayer
  • DequantizeLayer
  • DequantizeLinearLayer
  • DetectionModel — 该类表示目标检测网络的高层 API。
  • DetectionOutputLayer — 检测输出层。
  • DetLayer
  • DFTLayer
  • Dict — 该类实现了名-值字典，其值为 DictValue 的实例。
  • DictValue — 该结构体存储以下类型之一的标量值（或数组）：double、cv::String 或 int64。
  • EinsumLayer — 该函数基于爱因斯坦求和约定（Einstein summation convention）执行数组求和。该函数允许使用下标简明地表示各种数学运算。
  • Eltwise2Int8Layer
  • Eltwise2Int8Params
  • EltwiseLayer — 输入的逐元素（Element-wise）操作。
  • EltwiseLayerInt8
  • ELULayer
  • ErfLayer
  • Expand2Layer
  • ExpandLayer
  • ExpLayer
  • EyeLikeLayer
  • FlattenLayer
  • FloorLayer
  • FlowWarpLayer
  • Gather2Layer
  • GatherElementsLayer — GatherElements 层。GatherElements 接受相同秩 r >= 1 的两个输入 data 和 indices，以及一个可选属性 axis，其工作方式如下：如果 axis = 0 且 r = 3，则 output[i][j][k] = data[index[i][j][k]][j][k]；如果 axis = 1 且 r = 3，则 output[i][j][k] = data[i][index[i][j][k]][k]；如果 axis = 2 且 r = 3，则 output[i][j][k] = data[i][j][index[i][j][k]]。
  • GatherLayer — Gather 层。
  • GatherNDLayer — GatherND 层。
  • GeluApproximationLayer
  • GeluLayer
  • GemmLayer
  • GlobalAveragePoolLayer
  • Graph — 表示模型的图（graph）或子图。图（在数学概念上更像是一个多重图）被表示为拓扑排序的线性操作序列。每个操作都是指向 Layer（或其某个派生类实例）的智能指针，该指针包含输入和输出列表，以及可选的子图列表（例如 “If” 包含 2 个子图）。
  • GridSampleLayer
  • GroupNormLayer
  • GRULayer — GRU 循环单层。
  • HammingWindowLayer
  • HannWindowLayer
  • HardmaxLayer
  • HardSigmoidLayer
  • HardSwishLayer
  • IfLayer
  • Image2BlobParams — 图像转换为 blob 的处理参数。
  • InnerProductInt8Params
  • InnerProductLayer
  • InnerProductLayerInt8
  • InstanceNormLayer
  • InterpLayer — 来自 https://github.com/cdmh/deeplab-public-ver2 的双线性大小调整层。
  • IsInfLayer
  • IsNaNLayer
  • KeypointsModel — 该类表示关键点模型的高层 API。
  • Layer — 该接口类允许构建新的层（Layer）—— 它们是网络的构建块。
  • LayerFactory — 层工厂，允许创建已注册层的实例。
  • LayerNorm2Layer
  • LayerNormLayer
  • LayerParams — 该类提供了初始化层所需的所有数据。
  • LogLayer
  • LoopLayer
  • LRNLayer
  • LSTM2Layer
  • LSTMLayer — LSTM 循环层。
  • MatMulInt8Layer
  • MatMulInt8Params
  • MatMulLayer
  • MaxPoolLayer
  • MaxUnpoolLayer
  • MishLayer
  • Model — 该类提供了神经网络的高层 API。
  • MVNLayer
  • NaryEltwiseLayer
  • NegativeLogLikelihoodLossLayer
  • Net — 该类允许创建和操作综合性的全功能人工神经网络。
  • NonMaxSuppressionLayer
  • NonZeroLayer
  • NormalizeBBoxLayer — $ L_p $ 归一化层。
  • NotLayer
  • OneHotLayer
  • Pad2Layer
  • PaddingLayer — 为特定轴添加额外的值。
  • PermuteLayer
  • Pool2Int8Layer
  • Pool2Int8Params
  • PoolingLayer
  • PoolingLayerInt8
  • PowerLayer
  • PriorBoxLayer
  • ProposalLayer
  • QuantizeLayer
  • QuantizeLinearLayer
  • RandomNormalLikeLayer
  • RangeLayer
  • ReciprocalLayer
  • Reduce2Layer
  • ReduceLayer
  • RegionLayer
  • ReLU6Layer
  • ReLULayer
  • ReorgLayer
  • RequantizeLayer
  • Reshape2Layer
  • ReshapeLayer
  • Resize2Layer
  • ResizeLayer — 通过最近邻或双线性策略调整输入 4 维 blob 的大小。
  • RMSNormLayer
  • RNNLayer — 经典的循环层。
  • RoiAlignLayer
  • RotaryEmbeddingLayer
  • RoundLayer
  • ScaleLayer
  • ScaleLayerInt8
  • ScatterLayer
  • ScatterNDLayer
  • SDPALayer
  • SegmentationModel — 该类表示分割模型的高层 API。
  • SeluLayer
  • ShapeLayer
  • ShiftLayer
  • ShiftLayerInt8
  • ShrinkLayer
  • ShuffleChannelLayer
  • SigmoidLayer
  • SignLayer
  • SinhLayer
  • SinLayer
  • SizeLayer
  • Slice2Layer
  • SliceLayer
  • SoftmaxCrossEntropyLossLayer
  • SoftmaxLayer
  • SoftmaxLayerInt8
  • SoftplusLayer
  • SoftsignLayer
  • SpaceToDepthLayer
  • Split2Layer
  • SplitLayer
  • SqrtLayer
  • SqueezeLayer
  • SwishLayer
  • TanHLayer
  • TanLayer
  • TextDetectionModel — 文本检测网络的基类。
  • TextDetectionModel_DB — 该类表示与 DB 模型兼容的文本检测深度学习网络的高层 API。
  • TextDetectionModel_EAST — 该类表示与 EAST 模型兼容的文本检测深度学习网络的高层 API。
  • TextRecognitionModel — 该类表示文本识别网络的高层 API。
  • ThresholdedReluLayer
  • Tile2Layer
  • TileLayer
  • Tokenizer — 用于深度神经网络（DNN）的高层分词器（tokenizer）封装。
  • TopK2Layer
  • TopKLayer
  • TransformLayoutLayer
  • TransposeLayer
  • TriluLayer
  • UniqueLayer
  • UnsqueezeLayer
• cv::dnn_objdetect
  • InferBbox — 用于对模型预测进行后处理的类。
  • object — 保存与单个边界框相关的详细信息的结构体。
• cv::dnn_superres
  • DnnSuperResImpl — 通过卷积神经网络对图像进行超分辨率放大的类。实现了以下四种模型
• cv::dpm
  • DPMDetector — 这是一个 C++ 抽象类，它提供了供外部用户操作可变形部件模型（DPM）的 API。
• cv::dpm::DPMDetector
  • ObjectDetection
• cv::face
  • BasicFaceRecognizer
  • CParams
  • EigenFaceRecognizer
  • Facemark — 所有特征点（facemark）标记模型的抽象基类。
  • FacemarkAAM
  • FacemarkLBF
  • FacemarkTrain — 可训练特征点标记模型的抽象基类。
  • FaceRecognizer — 所有人类识别模型的抽象基类。
  • FisherFaceRecognizer
  • LBPHFaceRecognizer
  • MACE — 最小平均相关能量（MACE）滤波器，适用于使用（可撤销）生物特征进行认证。（不需要很多正样本进行训练（10-50 个），完全不需要负样本，且对噪声/椒盐干扰具有鲁棒性）
  • PredictCollector — 所有预测结果处理策略的抽象基类。
  • StandardCollector — 默认预测收集器。
• cv::face::FacemarkAAM
  • Config
  • 数据
  • Model
  • Params
• cv::face::FacemarkAAM::Model
  • Texture
• cv::face::FacemarkLBF
  • BBox
  • Params
• cv::face::StandardCollector
  • PredictResult
• cv::fastcv
  • FCVMSER — 用于灰度图像的 MSER 斑点检测器。
  • QcAllocator — 高通（Qualcomm）的自定义分配器。该分配器使用高通的内存管理函数。
  • QcResourceManager — 用于 FastCV 分配的资源管理器。该类管理活动分配。
• cv::fastcv::FCVMSER
  • ContourData
• cv::flann
  • CvType
  • CvType< char >
  • CvType< double >
  • CvType< float >
  • CvType< short >
  • CvType< unsigned char >
  • CvType< unsigned short >
  • GenericIndex — FLANN 最近邻索引类。该类是以构建索引的元素类型为模板的模板类。
• cv::freetype
  • FreeType2
• cv::gapi
  • GBackend
  • Generic — 通用网络类型：在运行时动态配置输入和输出层。
  • GFunctor
  • GNetPackage — 网络配置的容器类。类似于 GKernelPackage。使用 cv::gapi::networks() 来构造该对象。
  • GNetParam
  • KalmanParams — 用于卡尔曼滤波器初始化参数的结构体。
  • use_only — cv::gapi::use_only() 是一种特殊的组合子，它提示 G-API 仅使用 cv::GComputation::compile() 中指定的算子（而不要用该包默认可用的算子来扩展）。
• cv::gapi::plaidml
  • config — 该结构体表示实验性 PlaidML 后端的基本参数。
• cv::gapi::s11n
  • IIStream — 该结构体是反序列化例程的接口。
  • IOStream — 该结构体是序列化例程的接口。
• cv::gapi::s11n::detail
  • NotImplemented
  • S11N — 该结构体允许实现自定义类型的序列化例程。
• cv::gapi::wip::draw
  • Circle — 该结构体表示要绘制的圆。
  • FText — 该结构体表示要使用 FreeType 渲染器绘制的文本字符串。
  • Image — 该结构体表示要绘制的图像。
  • Line — 该结构体表示要绘制的线。
  • Mosaic — 该结构体表示马赛克操作。
  • Poly — 该结构体表示要绘制的多边形。
  • Rect — 该结构体表示要绘制的矩形。
  • Text — 该结构体表示要绘制的文本字符串。
• cv::GComputationT< R(Args...)>
  • GCompiledT
• cv::GComputationT< std
  • tuple< R... >(Args...)>
• cv::GComputationT< std::tuple< R... >(Args...)>
  • GCompiledT
• cv::GKernelType< K, std
  • function< R(Args...)> >
• cv::GKernelTypeM< K, std::function< std
  • tuple< R... >(Args...)> >
• cv::GNetworkType< K, std
  • function< R(Args...)> >
• cv::GNetworkType< K, std::function< std
  • tuple< R... >(Args...)> >
• cv::GTransformImpl< K, std
  • function< R(Args...)> >
• cv::hal
  • DCT2D
  • DFT1D
  • DFT2D
• cv::hdf
  • HDF5 — 分层数据格式版本 5（Hierarchical Data Format version 5）接口。
• cv::hfs
  • HfsSegment
• cv::ImageCollection
  • iterator (迭代器)
• cv::img_hash
  • AverageHash — 计算输入图像的平均哈希值。
  • BlockMeanHash — 基于块均值的图像哈希。
  • ColorMomentHash — 基于颜色矩的图像哈希。
  • ImgHashBase — 图像哈希算法的基类。
  • MarrHildrethHash — 基于 Marr-Hildreth 算子的哈希，最慢但最具辨别力。
  • PHash — 感知哈希 (pHash)
  • RadialVarianceHash — 基于 Radon 变换的图像哈希。
• cv::instr
  • NodeData
  • NodeDataTls
• cv::kinfu
  • KinFu — KinectFusion 的实现。
  • Params
  • VolumeParams
• cv::legacy
  • MultiTracker — 此类用于使用指定的跟踪器算法跟踪多个目标。
  • MultiTracker_Alt — 长期多目标跟踪器的抽象基类
  • MultiTrackerTLD — 用于 TLD 的多目标跟踪器。
  • Tracker — 长期跟踪器的抽象基类
  • TrackerBoosting — Boosting 跟踪器
  • TrackerCSRT — CSRT 跟踪器
  • TrackerKCF — KCF（核化相关滤波器）跟踪器
  • TrackerMedianFlow — Median Flow（中值流）跟踪器
  • TrackerMIL — MIL 算法在线训练分类器，以将目标与背景分离。
  • TrackerMOSSE — MOSSE（最小输出平方误差和）跟踪器
  • TrackerTLD — TLD（跟踪、学习和检测）跟踪器
• cv::legacy::TrackerBoosting
  • Params
• cv::legacy::TrackerCSRT
  • Params
• cv::legacy::TrackerKCF
  • Params
• cv::legacy::TrackerMedianFlow
  • Params
• cv::legacy::TrackerMIL
  • Params
• cv::legacy::TrackerTLD
  • Params
• cv::LevMarq
  • Report
  • Settings
• cv::line_descriptor
  • BinaryDescriptor — 该类实现了线段检测和计算其二进制描述符的两种功能。
  • BinaryDescriptorMatcher — 模仿描述符匹配器模型，提供用于查询用户提供或类内部数据集（无论如何，用户必须对其进行填充）的所有功能。
  • DrawLinesMatchesFlags
  • KeyLine — 表示一条线段的类。
  • LSDDetector
  • LSDParam
• cv::line_descriptor::BinaryDescriptor
  • EdgeChains
  • EDLineDetector
  • EDLineParam
  • LineChains
  • OctaveLine
  • OctaveSingleLine
  • Params
  • Pixel
  • SingleLine
• cv::line_descriptor::BinaryDescriptorMatcher
  • bitarray
  • BucketGroup
  • Mihasher
  • SparseHashtable
• cv::linemod
  • ColorGradient — 从彩色图像计算量化梯度方向的模态。
  • DepthNormal — 从稠密深度图计算量化表面法线的模态。
  • Detector — 使用具有任意模态集的 LINE 模板匹配算法的目标检测器。
  • Feature — 由其位置和标签描述的判别特征。
  • Match — 表示一次成功的模板匹配。
  • Modality — 接入 LINE 模板匹配表示的模态的接口。
  • QuantizedPyramid — 表示在图像金字塔上运行的模态。
  • 模板
• cv::linemod::QuantizedPyramid
  • Candidate
• cv::mcc
  • CChecker — 标定板对象
  • CCheckerDetector — 用于在图像中查找彩色图表（ColorCharts）位置的类。
  • DetectorParametersMCC — 结构体 DetectorParametersMCC，由 CCheckerDetector 使用。
• cv::MediaFrame
  • IAdapter — MediaFrame 数据适配器的接口类。
  • View — 提供对 MediaFrame 底层数据的访问。
• cv::MinProblemSolver
  • Function
• cv::ml
  • ANN_MLP — 人工神经网络 - 多层感知器。
  • Boost — 衍生自决策树（DTrees）的提升树（Boosted tree）分类器。
  • DTrees — 该类表示单个决策树或决策树集合。
  • EM — 该类实现了最大期望（Expectation Maximization）算法。
  • KNearest — 该类实现了 K 近邻（K-Nearest Neighbors）模型。
  • LogisticRegression — 实现逻辑回归分类器。
  • NormalBayesClassifier — 用于正态分布数据的贝叶斯分类器。
  • ParamGrid — 该结构表示统计模型参数的对数网格范围。
  • RTrees — 该类实现了随机森林预测器。
  • SimulatedAnnealingSolverSystem — 此类声明了用于模拟退火优化算法中系统状态的示例接口。
  • StatModel — OpenCV 机器学习（ML）中统计模型的基类。
  • SVM — 支持向量机。
  • SVMSGD — 随机梯度下降支持向量机分类器。
  • TrainData — 封装训练数据的类。
• cv::ml::DTrees
  • Node
  • Split
• cv::ml::SVM
  • 核函数
• cv::multicalib
  • MultiCameraCalibration — 多相机标定类，支持针孔相机和全景相机。对于全景相机模型，请参考 ccalib 模块中的 omnidir.hpp。它首先单独对每个相机进行标定，然后应用类似光束法平差（bundle adjustment）的优化来微调外参。目前它仅支持“随机”图案进行标定，详情请参阅 ccalib 模块中的 randomPattern.hpp。使用的图像应命名为 "cameraIdx-timestamp.*"，具有相同时间戳的多个图像表示它们拍摄的是相同的图案。cameraIdx 应从 0 开始。
• cv::multicalib::MultiCameraCalibration
  • edge
  • vertex
• cv::ocl
  • Context
  • Device
  • Image2D
  • 核函数
  • KernelArg
  • OpenCLExecutionContext
  • OpenCLExecutionContextScope
  • 平台
  • PlatformInfo
  • Program
  • ProgramSource
  • Queue
  • Timer
• cv::ocl::Context
  • UserContext
• cv::ogl
  • Arrays — OpenGL 客户端顶点数组的包装器。
  • Buffer — 具有引用计数功能的 OpenGL 缓冲区对象智能指针。
  • Texture2D — 具有引用计数功能的 OpenGL 2D 纹理内存智能指针。
• cv::optflow
  • DenseRLOFOpticalFlow — 基于鲁棒局部光流（RLOF）算法和稀疏到稠密插值方案的快速稠密光流计算。
  • DualTVL1OpticalFlow — “双 TV L1”光流算法。
  • GPCDetails
  • GPCForest
  • GPCMatchingParams — 封装匹配参数的类。
  • GPCPatchDescriptor
  • GPCPatchSample
  • GPCTrainingParams — 封装训练参数的类。
  • GPCTrainingSamples — 封装训练样本的类。
  • GPCTree — 单个决策树的类。
  • OpticalFlowPCAFlow — PCAFlow 算法。
  • PCAPrior — 此类可用于在生成的光流上施加已学习的先验。求解结果将根据此先验进行正则化。您需要事先使用 "learn_prior.py" 脚本生成相应的先验文件。
  • RLOFOpticalFlowParameter — 用于存储和设置鲁棒局部光流（RLOF）算法的参数。
  • SparseRLOFOpticalFlow — 用于通过鲁棒局部光流（RLOF）算法计算稀疏光流和进行特征跟踪的类。
• cv::optflow::GPCForest
  • ParallelTrailsFilling
  • Trail
• cv::optflow::GPCTree
  • Node
• cv::ovis
  • WindowScene
• cv::parallel
  • ParallelForAPI
• cv::parallel::openmp
  • ParallelForBackend
• cv::parallel::tbb
  • ParallelForBackend
• cv::parallel::tbb::ParallelForBackend
  • CallbackProxy
• cv::ParamType< _Tp, typename std::enable_if< std::is_enum< _Tp >::value >
  • type >
• cv::ParamType< std
  • vector< Mat > >
• cv::phase_unwrapping
  • HistogramPhaseUnwrapping — 该类实现了基于直方图解包裹（histogramUnwrapping）的二维相位解包裹。该算法属于质量引导相位解包裹方法。首先，它通过一个像素与其八个邻域像素之间的二阶差分来计算可靠性图。可靠性值介于 0 和 16*pi*pi 之间。然后，使用该可靠性图计算“边缘”的可靠性。边缘是由水平或垂直连接的两个像素定义的实体。它的可靠性是通过将连接它的两个像素的可靠性相加来得到的。边缘在直方图中根据其可靠性值进行排序。然后，使用该直方图解包裹像素，从最高质量的像素开始。
  • PhaseUnwrapping — 相位解包裹的抽象基类。
• cv::phase_unwrapping::HistogramPhaseUnwrapping
  • Params
• cv::plot
  • Plot2d
• cv::ppf_match_3d
  • ICP — 该类实现了迭代最近点（ICP）算法的一种非常高效且鲁棒的变体。其任务是将 3D 模型（或点云）与一组带噪声的目标数据进行配准。这些变体是我在进行某些测试后整理出来的。其任务是能够快速匹配杂乱场景中部分、带噪声的点云。您会发现我强调的是性能，同时保留了精度。此实现基于 Tolga Birdal 的 MATLAB 实现，链接如下：http://www.mathworks.com/matlabcentral/fileexchange/47152-icp-registration-using-efficient-variants-and-multi-resolution-scheme 主要贡献来自于
  • Pose3D — 允许存储位姿的类。该数据结构同时存储四元数和矩阵形式。它支持 I/O 功能，以及各种处理位姿的辅助方法。
  • PoseCluster3D — 当多个位姿（参见 Pose3D）组合在一起（对相同的变换做出贡献）时，就会出现位姿聚类。该类是此类位姿组的通用容器。可以对这些位姿进行存储、加载和 I/O 操作。
  • PPF3DDetector — 允许加载和匹配 3D 模型的类。典型用途
• cv::QRCodeDetectorAruco
  • Params
• cv::QRCodeEncoder
  • Params
• cv::quality
  • QualityBase
• cv::randpattern
  • RandomPatternCornerFinder — 用于寻找“随机”图案的特征点及其对应世界坐标系中 3D 坐标的类，可用于标定。当图案部分被遮挡，或在多相机标定中只能观察到部分图案时非常有用。图案可以通过此文件中描述的 RandomPatternGenerator 类生成。
  • RandomPatternGenerator
• cv::rapid
  • GOSTracker
  • OLSTracker
  • Rapid — 围绕基于轮廓的 3D 目标跟踪函数的包装器，以实现统一访问
  • Tracker — 有状态轮廓跟踪器的抽象基类。
• cv::reg
  • Map — 建模两幅图像之间映射（Map）的基类。
  • MapAffine
  • Mapper — 建模用于计算映射的算法的基类。
  • MapperGradAffine
  • MapperGradEuclid
  • MapperGradProj
  • MapperGradShift
  • MapperGradSimilar
  • MapperPyramid
  • MapProjec
  • MapShift
  • MapTypeCaster
• cv::RMat
  • IAdapter
  • View
• cv::saliency
  • MotionSaliency
  • MotionSaliencyBinWangApr2014 — 源自 BinWangApr2014 的快速自调谐背景相减算法
  • Objectness
  • ObjectnessBING — 基于 [3] 的显著性（Objectness）算法。 [3] Cheng, Ming-Ming, et al. "BING: Binarized normed gradients for objectness estimation at 300fps." IEEE CVPR. 2014.
  • Saliency
  • StaticSaliency
  • StaticSaliencyFineGrained — 源自 FGS 的细粒度显著性（Fine Grained Saliency）方法
  • StaticSaliencySpectralResidual — 源自 SR 的谱残差（Spectral Residual）方法
• cv::saliency::ObjectnessBING
  • FilterTIG
  • ValStructVec
• cv::segmentation
  • IntelligentScissorsMB — 智能剪刀（Intelligent Scissors）图像分割。
• cv::sfm
  • BaseSFM — 基类 BaseSFM 声明了一个在典型场景重建方案中使用的通用 API
  • libmv_CameraIntrinsicsOptions — 描述相机模型及其参数的数据结构。
  • libmv_ReconstructionOptions — 描述重建选项的数据结构。
  • SFMLibmvEuclideanReconstruction — SFMLibmvEuclideanReconstruction 类提供了与 Libmv 运动恢复结构（Structure From Motion）流水线的接口。
• cv::SimpleBlobDetector
  • Params
• cv::SparseMat
  • Hdr
  • Node
• cv::stereo
  • MatchQuasiDense
  • PropagationParameters
  • QuasiDenseStereo — 包含准稠密立体匹配（Quasi Dense Stereo）计算所需方法的类。
• cv::structured_light
  • GrayCodePattern — 基于 UNDERWORLD 实现格雷码（Gray-code）图案的类。
  • SinusoidalPattern — 基于 faps 实现傅里叶变换轮廓术（FTP）、相移轮廓术（PSP）和傅里叶辅助相移轮廓术（FAPS）的类。
  • StructuredLightPattern — 生成和解码结构光图案的抽象基类。
• cv::structured_light::GrayCodePattern
  • Params
• cv::structured_light::SinusoidalPattern
  • Params
• cv::Subdiv2D
  • QuadEdge
  • Vertex
• cv::superres
  • BroxOpticalFlow
  • DenseOpticalFlowExt
  • DualTVL1OpticalFlow
  • FarnebackOpticalFlow
  • FrameSource
  • PyrLKOpticalFlow
  • SuperResolution — 超分辨率（Super Resolution）算法的基类。
• cv::text
  • BaseOCR
  • ERFilter — Neumann 和 Matas 场景文本检测算法 Neumann12 第一和第二阶段的基类。
  • ERStat — ERStat 结构表示特定类的极值区域（Extremal Region, ER）。
  • OCRBeamSearchDecoder — OCRBeamSearchDecoder 类提供了使用束搜索（Beam Search）算法进行光学字符识别（OCR）的接口。
  • OCRHMMDecoder — OCRHMMDecoder 类提供了使用隐马尔可夫模型（Hidden Markov Models）进行 OCR 的接口。
  • OCRHolisticWordRecognizer — OCRHolisticWordRecognizer 类提供了分词定位（wordspotting）功能。在给定预定义词汇表的情况下，采用 DictNet 根据输入图像选择最可能的单词。
  • OCRTesseract — OCRTesseract 类提供了与 C++ 中 tesseract-ocr API（v3.02.02）交互的接口。
  • TextDetector — 提供文本检测算法接口的抽象类。
  • TextDetectorCNN — TextDetectorCNN 类提供了文本边界框检测功能。该类用于在给定输入图像中寻找文本单词的边界框。该类使用 OpenCV 的 dnn 模块加载 LiaoSBWL17 中描述的预训练模型。带修改版 SSD Caffe 的原始仓库为：https://github.com/MhLiao/TextBoxes。模型可以从 DropBox 下载。包含模型描述的修改版 .prototxt 文件可以在 opencv_contrib/modules/text/samples/textbox.prototxt 中找到。
• cv::text::ERFilter
  • Callback
• cv::text::OCRBeamSearchDecoder
  • ClassifierCallback
• cv::text::OCRHMMDecoder
  • ClassifierCallback
• cv::TrackerCSRT
  • Params
• cv::TrackerDaSiamRPN
  • Params
• cv::TrackerKCF
  • Params
• cv::TrackerMIL
  • Params
• cv::TrackerNano
  • Params
• cv::TrackerVit
  • Params
• cv::traits
  • Depth
  • Depth< Affine3< _Tp > >
  • Depth< Complex< _Tp > >
  • Depth< Moments >
  • Depth< Point3_< _Tp > >
  • Depth< Point_< _Tp > >
  • Depth< Range >
  • Depth< Rect_< _Tp > >
  • Depth< RotatedRect >
  • Depth< Scalar_< _Tp > >
  • Depth< Size_< _Tp > >
  • SafeFmt
  • SafeType
  • SafeType< T, false >
  • SafeType< T, true >
  • 类型
  • Type< Affine3< _Tp > >
  • Type< Complex< _Tp > >
  • Type< Moments >
  • Type< Point3_< _Tp > >
  • Type< Point_< _Tp > >
  • Type< Range >
  • Type< Rect_< _Tp > >
  • Type< RotatedRect >
  • Type< Scalar_< _Tp > >
  • Type< Size_< _Tp > >
• cv::utils
  • BufferArea — 管理由多个缓冲区共享的内存块。
• cv::utils::logging
  • LogTagAuto
• cv::videostab
  • ColorAverageInpainter
  • ColorInpainter
  • ConsistentMosaicInpainter
  • DeblurerBase
  • FastMarchingMethod — 描述快速行进算法（Fast Marching Method）的实现。
  • FromFileMotionReader
  • GaussianMotionFilter
  • IDenseOptFlowEstimator
  • IFrameSource
  • ILog
  • ImageMotionEstimatorBase — 接收帧作为输入的全局二维运动估计方法的基类。
  • IMotionStabilizer
  • InpainterBase
  • InpaintingPipeline
  • IOutlierRejector
  • ISparseOptFlowEstimator
  • KeypointBasedMotionEstimator — 描述一种全局二维运动估计方法，该方法使用关键点检测和光流进行匹配。
  • LogToStdout
  • LpMotionStabilizer
  • MaskFrameSource
  • MoreAccurateMotionWobbleSuppressor
  • MoreAccurateMotionWobbleSuppressorBase
  • MotionEstimatorBase — 所有全局运动估计方法的基类。
  • MotionEstimatorL1 — 描述一种最小化 L1 误差的全局二维运动估计方法。
  • MotionEstimatorRansacL2 — 描述一种基于 RANSAC 的鲁棒全局二维运动估计方法，该方法最小化 L2 误差。
  • MotionFilterBase
  • MotionInpainter
  • MotionStabilizationPipeline
  • NullDeblurer
  • NullFrameSource
  • NullInpainter
  • NullLog
  • NullOutlierRejector
  • NullWobbleSuppressor
  • OnePassStabilizer
  • PyrLkOptFlowEstimatorBase
  • RansacParams — 描述 RANSAC 方法参数。
  • SparsePyrLkOptFlowEstimator
  • StabilizerBase
  • ToFileMotionWriter
  • TranslationBasedLocalOutlierRejector
  • TwoPassStabilizer
  • VideoFileSource
  • WeightingDeblurer
  • WobbleSuppressorBase
• cv::videostab::FastMarchingMethod
  • DXY
• cv::viz
  • Camera — 该类封装了相机的内参。
  • Color — 该类表示 BGR 顺序的颜色。
  • KeyboardEvent — 该类表示键盘事件。
  • Mesh — 该类封装了网格（mesh）属性，并可以从 ply 文件加载网格。
  • MouseEvent — 该类表示鼠标事件。
  • Viz3d — Viz3d 类表示一个 3D 可视化窗口。该类是隐式共享的。
  • WArrow — 此 3D 控件定义了一个箭头。
  • WCameraPosition — 此 3D 控件通过其坐标轴或视锥体表示场景中的相机位置。
  • WCircle — 此 3D 控件定义了一个圆。
  • WCloud — 点云。
  • WCloudCollection — 此 3D 控件定义了点云集合。
  • WCloudNormals — 此 3D 控件表示点云的法线。
  • WCone — 此 3D 控件定义了一个圆锥。
  • WCoordinateSystem — 复合控件。
  • WCube — 此 3D 控件定义了一个立方体。
  • WCylinder — 此 3D 控件定义了一个圆柱。
  • WGrid — 此 3D 控件定义了一个网格。
  • Widget — 所有控件的基类。控件（Widget）是隐式共享的。
  • Widget2D — 所有 2D 控件的基类。
  • Widget3D — 所有 3D 控件的基类。
  • WidgetAccessor — 该类适用于想要使用 VTK 库 API 开发自己控件的用户。
  • WImage3D — 此 3D 控件表示 3D 空间中的图像。
  • WImageOverlay — 此 2D 控件表示图像叠加层。
  • WLine — 简单控件。
  • WMesh — 构造一个 WMesh。
  • WPaintedCloud
  • WPlane — 此 3D 控件定义了一个有限平面。
  • WPolyLine — 此 3D 控件定义了一条折线。
  • WSphere — 此 3D 控件定义了一个球体。
  • WText — 文本和图像控件。
  • WText3D — 此 3D 控件表示 3D 文本。文本始终朝向相机。
  • WTrajectory — 轨迹。
  • WTrajectoryFrustums — 此 3D 控件表示一条轨迹。
  • WTrajectorySpheres — 此 3D 控件使用球体和线段表示一条轨迹。
  • WWidgetMerger — 该类允许将多个控件合并为一个控件。
• cv::wechat_qrcode
  • WeChatQRCode — 微信二维码（WeChat QRCode）包含两个基于 CNN 的模型：一个目标检测模型和一个超分辨率模型。目标检测模型用于检测带有边界框的二维码。超分辨率模型用于在二维码较小时对其进行放大。
• cv::xfeatures2d
  • AffineFeature2D — 实现了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 — 实现了 ANB13 中描述的 AKAZE 关键点检测器和描述符提取器的类。
  • BEBLID — 实现了 Suarez2020BEBLID 中描述的 BEBLID（提升的高效二进制局部图像描述符）的类。
  • BoostDesc — 实现了 Trzcinski13a 和 Trzcinski13b 中描述的 BoostDesc（通过 Boosting 学习图像描述符）的类。
  • BOWImgDescriptorExtractor — 使用视觉词袋计算图像描述符的类。
  • BOWKMeansTrainer — 基于 kmeans 的类，使用视觉词袋方法训练视觉词汇。
  • BOWTrainer — 用于从一组描述符中训练视觉词袋词汇表的抽象基类。
  • BriefDescriptorExtractor — 用于计算 calon2010 中描述的 BRIEF 描述符的类。
  • BRISK — 实现了 LCS11 中描述的 BRISK 关键点检测器和描述符提取器的类。
  • DAISY — 实现了 Tola10 中描述的 DAISY 描述符的类。
  • Elliptic_KeyPoint — 特征点周围的椭圆区域。
  • FREAK — 实现了 AOV12 中描述的 FREAK（快速视网膜关键点）关键点描述符的类。
  • HarrisLaplaceFeatureDetector — 实现了 Mikolajczyk2004 中描述的 Harris-Laplace 特征检测器的类。
  • KAZE — 实现了 ABD12 中描述的 KAZE 关键点检测器和描述符提取器的类。
  • LATCH
  • LUCID — 实现了在 LUCID 中描述的局部均匀对比图像描述符的类。
  • MSDDetector — 实现了 Tombari14 中描述的 MSD（最大自去相似性）关键点检测器的类。
  • PCTSignatures — 实现了 KrulisLS16 中描述的 PCT（位置-颜色-纹理）特征提取的类。该算法分为特征采样器和聚类器。特征采样器在给定的坐标集处生成样本。然后，聚类器使用 k-means 算法对这些样本进行聚类。生成的聚类集即为输入图像的特征（特征签名）。
  • PCTSignaturesSQFD — 实现了特征二次式距离（Signature Quadratic Form Distance, SQFD）的类。
  • StarDetector — 该类实现了 Agrawal08 引入的关键点检测器，是 StarDetector 的同义词。
  • SURF — 用于从图像中提取加速稳健特征（SURF）的类 Bay06 。
  • TBMR — 实现了 Najman2014 中描述的基于树的莫尔斯区域（Tree Based Morse Regions, TBMR）的类，并扩展了尺度提取能力。
  • TEBLID — 实现了 Suarez2021TEBLID 中描述的 TEBLID（基于三元组的高效二进制局部图像描述符）的类。
  • VGG — 实现了 VGG（牛津视觉几何组）描述符的类，该描述符使用 Simonyan14 中描述的“使用凸优化进行描述符学习”（DLCO）机制进行端到端训练。
• cv::ximgproc
  • AdaptiveManifoldFilter — 自适应流形滤波器（Adaptive Manifold Filter）实现的接口。
  • Box
  • ContourFitting — 轮廓拟合（ContourFitting）算法的类。轮廓拟合通过最小化距离来匹配两个轮廓 $ z_a $ 和 $ z_b $。
  • DisparityFilter — 所有视差图滤波器的主要接口。
  • DisparityWLSFilter — 基于加权最小二乘（WLS）滤波器的视差图滤波器（采用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中的结果。
  • DTFilter — 域变换（Domain Transform）滤波器实现的接口。
  • EdgeAwareInterpolator — 稀疏匹配插值算法，基于 Revaud2015 中改进的局部加权仿射估计器，并使用快速全局平滑器作为后处理滤波器。
  • EdgeBoxes — 实现了 ZitnickECCV14edgeBoxes 中 EdgeBoxes 算法的类
  • EdgeDrawing — 实现了 ED (EdgeDrawing) topal2012edge、EDLines akinlar2011edlines、EDPF akinlar2012edpf、EDCircles akinlar2013edcircles 和 ColorED akinlar201782 算法的类。
  • FastBilateralSolverFilter — 快速双边解算器（Fast Bilateral Solver）实现的接口。
  • FastGlobalSmootherFilter — 快速全局平滑器（Fast Global Smoother）滤波器的实现接口。
  • FastLineDetector — 实现了 Lee14 中描述的 FLD（快速直线检测器）算法的类。
  • GuidedFilter — （快速）引导滤波器（Guided Filter）实现的接口。
  • RFFeatureGetter
  • RICInterpolator — 稀疏匹配插值算法，基于被称为鲁棒对应插值方法（RIC）的改进分段局部加权仿射估计器（源自 Hu2017），并采用变分和快速全局平滑器作为后处理滤波器。RICInterpolator 是 EdgeAwareInterpolator 的扩展。该扩展的主要概念是基于通过 SLIC 超像素估计进行超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。
  • RidgeDetectionFilter — 对输入图像应用脊线检测滤波器（Ridge Detection Filter）。实现了类似于 Mathematica 中的脊线检测，其使用 Sobel 导数从输入图像的 Hessian 矩阵中提取特征值。可以使用骨架化和二值化进行额外的细化。改编自 segleafvein 和 M_RF。
  • SparseMatchInterpolator — 所有滤波器的主要接口，这些滤波器接收稀疏匹配作为输入，并生成稠密的逐像素匹配（光流）作为输出。
  • StructuredEdgeDetection — 实现了 Dollar2013 中边缘检测算法的类
  • SuperpixelLSC — 实现了 LiCVPR2015LSC 中描述 of LSC（线性谱聚类）超像素算法的类。
  • SuperpixelSEEDS — 实现了 VBRV14 中描述的 SEEDS（通过能量驱动采样提取的超像素）超像素算法的类。
  • SuperpixelSLIC — 实现了 Achanta2012 中描述的 SLIC（简单线性迭代聚类）超像素算法的类。
• cv::ximgproc::EdgeDrawing
  • Params
• cv::ximgproc::segmentation
  • GraphSegmentation — 基于图的分割算法。该类实现了 PFF2004 中描述的算法。
  • SelectiveSearchSegmentation — 选择性搜索分割算法。该类实现了 uijlings2013selective 中描述的算法。
  • SelectiveSearchSegmentationStrategy — 选择性搜索分割算法的策略。该类实现了 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。该类是根据 uijlings2013selective 中描述的算法实现的。
  • SelectiveSearchSegmentationStrategyFill — 选择性搜索分割算法的基于填充的策略。该类是根据 uijlings2013selective 中描述 of 算法实现的。
  • 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。该类是根据 uijlings2013selective 中描述的算法实现的。
  • SelectiveSearchSegmentationStrategyTexture — 选择性搜索分割算法的基于纹理的策略。该类是根据 uijlings2013selective 中描述的算法实现的。
• cv::xobjdetect
  • WBDetector — WaldBoost 检测器。
• cv::xphoto
  • GrayworldWB — 灰度世界自动白平衡（Gray-world white balance）算法。
  • LearningBasedWB — 更先进的基于学习的自动白平衡算法。
  • SimpleWB — 一种简单的白平衡算法，其工作原理是将输入图像的各个通道独立拉伸到指定的范围。为了提高鲁棒性，它忽略了顶部和底部 $p\%$ 的像素值。
  • TonemapDurand — 该算法使用双边滤波器将图像分解为两层：底层和细节层，并压缩底层的对比度，从而保留所有细节。
  • WhiteBalancer — 自动白平衡算法的基类。
• cvv
  • FinalShowCaller — 在其析构函数中调用 finalShow() 的 RAII 类。
• cvv::impl
  • CallMetaData — 有关代码中位置的可选信息。
• NcvCTprep
  • assertTest
  • CT_ASSERT_FAILURE
  • CT_ASSERT_FAILURE< true >
• (global namespace)
  • Cv16suf
  • Cv32suf
  • Cv64suf
  • CvAbstractCamera
  • cvhalKeyPoint
  • CvPhotoCamera
  • CvPhotoCameraDelegate-p
  • CvVideoCamera
  • CvVideoCameraDelegate-p
  • HaarClassifierCascadeDescriptor
  • HaarClassifierNode128
  • HaarClassifierNodeDescriptor32
  • HaarFeature64
  • HaarFeatureDescriptor32
  • HaarStage64
  • hashnode_i
  • hashtable_int
  • INCVMemAllocator
  • NCVBroxOpticalFlowDescriptor — 模型和求解器参数。
  • NCVMatrix
  • NCVMatrixAlloc
  • NCVMatrixReuse
  • NCVMemNativeAllocator
  • NCVMemPtr
  • NCVMemSegment
  • NCVMemStackAllocator
  • NcvPoint2D32s
  • NcvPoint2D32u
  • NcvRect32s
  • NcvRect32u
  • NcvRect8u
  • NcvSize32s
  • NcvSize32u
  • NCVVector
  • NCVVectorAlloc
  • NCVVectorReuse
  • NppStInterpolationState
  • OpenCV_API_Header
  • THash — 保存哈希表中节点的结构体。