133. HOGDescriptor :: setSVMDetector:设置线性SVM分类器的系数;
134. HOGDescriptor :: getDefaultPeopleDetector:返回经过人员检测训练的分类器的系数(默认窗口大小);
135. HOGDescriptor :: getPeopleDetector48x96:返回经过人员检测的分类器系数(48 * 96windows);
136.HOGDescriptor :: getPeopleDetector64x128:返回经过人员检测的分类器系数(64 * 128个窗口);
137.HOGDescriptor :: detect:执行不带多尺度窗口的对象检测;
138.HOGDescriptor :: detectMultiScale:使用多尺度窗口执行对象检测;
139.HOGDescriptor :: getDescriptors:返回为整个图像计算的块描述符;
140. class :: CascadeClassifier_GPU:用于对象检测的级联分类器类,支持HAAR和LBP级联;
141. CascadeClassifier_GPU :: empty:检查分类器是否加载;
142. CascadeClassifier_GPU :: load:从文件加载分类器,以前的内容被销毁;
143.CascadeClassifier_GPU :: release:破坏加载的分类器;
144. CascadeClassifier_GPU :: detectMultiScale(cv :: CascadeClassifier :: detectMultiScale):检测输入图像中不同大小的对象;
145. class :: FAST_GPU(cv :: FAST):用于使用FAST算法进行角点检测的类;
146.FAST_PUG :: operator():使用FAST检测器找到关键点;
147.FAST_PUG :: downloadKeypoints:从GPU到CPU内存的关键点:
148.FAST_PUG :: convertKeypoints:将关键点从GPU表示转换为关键点向量;
149. FAST_PUG :: release:释放内部缓冲内存;
150.FAST_PUG :: calsKeyPointsLocation:如果nonmaxSupression为true,则查找关键点并计算它的响应;
151. FAST_PUG :: getKeyPoints:获取关键点的最终数组;
152.类:: ORB_GPU:用于从图像中提取ORB特征和描述符的类;
153.ORG_PUG :: operator():检测关键点并计算它们的描述符;
154. ORG_PUG :: downlaodKeyPoints:从GPU下载关键点到CPU内存;
155. ORG_PUG :: convertKeyPoints:将关键点从GPU表示转换为KeyPoint的向量;
156. ORG_PUG :: release:释放内部缓冲存储器;
157. class :: BruteForceMatcher_GPU_base(cv :: DescriptorMatcher,cv :: BFMatcher):强力描述符匹配器,对于第一个集合中的每个描述符,此匹配器通过尝试每个人来查找第二个集合中最接近的描述符,该描述符匹配器支持掩蔽描述符集之间的允许匹配;
158. BruteForceMatcher_GPU_base :: match(cv :: DescriptorMatcher :: match):从具有列车描述符的查询集中找到每个描述符的最佳匹配;
159.BruceForceMatcher_GPU_base :: makeGpuCollection:以gpu :: BruteForceMatcher_GPU_base :: matchCollection函数的格式执行一个训练描述符和掩码的GPU集合;
160. BruteForceMatcher_GPU_base :: matchDownload:通过gpu :: BruteForceMatcher_GPU_base :: matchSingleor gpu :: BruteForceMatcher_GPU_base :: matchCollection获取的矩阵向量与DMatch;
161. BruteForceMatcher_GPU_base :: matchConvert:将通过gpu :: BruteForceMatcher_GPU_base :: matchSingleor gpu :: BruteForceMatcher_GPU_base :: matchCollection获取的矩阵转换为带有DMatch的向量;
162. BruteForceMatcher_GPU_base :: knnMatch(cv :: DescriptorMatcher :: knnMatch):从具有列车描述符的查询集中找到每个描述符的最佳匹配;
163. BruteForceMatcher_GPU_base :: knnMatchDownload:通过gpu :: BruteForceMatcher_GPU_base :: knnMatchSingleor gpu :: BruteForceMatcher_GPU_base :: knnMatch2Collection获取的矩阵,通过DMatch获取;
164. BruteForceMatcher_GPU_base :: knnMatchConvert:将通过gpu :: BruteForceMatcher_GPU_base :: knnMatchSingleor gpu :: BruteForceMatcher_GPU_base :: knnMatch2Collection获取的矩阵转换为带有MQatch的CPU向量;
165. BruteForceMatcher_GPU_base :: radiusMatch(cv :: DescriptorMatcher :: radiusMatch):对于每个查询描述符,找到距离小于给定阈值的最佳匹配;
166. BruteForceMatcher_GPU_base :: radiusMatchDownload:通过gpu :: BruteForceMatcher_GPU_base :: radiusMatchSingleor gpu :: BruteForceMatcher_GPU_base :: radiusMatchCollection获取的矩阵,以vector为载体;
167. BruteForceMatcher_GPU_base :: radiusMatchConvert:将通过gpu :: BruteForceMatcher_GPU_base :: radiusMatchSingleor gpu :: BruteForceMatcher_GPU_base :: radiusMatchCollection获取的矩阵转换为带有DMatch的向量;
169.class :: BaseRowFilter_GPU:处理2D数组行的线性或非线性过滤器的基类,这些过滤器用于可分离过滤器中的“水平”过滤通过;
170.class :: BaseColumnFilter_GPU:处理2D数组列的线性或非线性过滤器的基类,这些过滤器用于可分离过滤器中的“垂直”过滤通道;
170. class :: BaseFilter_GPU:不可分离的2D过滤器的基类;
171. class :: FilterEngine_GPU:Filter Engine的基类;
172. createFilter2D_GPU(gpu :: createBoxFilter_GPU):创建一个不可分离的过滤器引用指定的过滤器;
173. createSeqrableFilter_GPU:使用指定的过滤器创建一个可分离的过滤器引擎;
174.getRowSumFilter_GPU:创建一个水平的1D框过滤器;
175. getColumnSumFilter_GPU:创建一个垂直的1D框过滤器;
176.createBoxFilter_GPU(cv :: boxFilter):创建一个标准化的二维框过滤器;
177.boxFilter(cv :: boxFilter):使用标准化框过滤器平滑图像;
178. blur(cv :: blur,gpu :: boxFilter):作为标准化框过滤器的同义词;
179.createMorphologyFilter_GPU(cv :: createMorphologyFilter):创建一个2D形态过滤器;
180.侵蚀(cv :: erode):通过使用特定的结构元素侵蚀图像;
181.扩大(cv ::扩张):通过使用特定的结构元素扩张图像;
182.形态学(cv :: morphologyEx):对图像应用先进的形态学手术;
183.createLinearFilter_GPU(cv :: createLinearFilter):创建一个可分离的线性过滤器;
184.filter2D(cv :: filter2D,gpu :: convolve):将可分离的2D线性滤波器应用于图像;
185.拉普拉斯算子(cv :: Laplacian,gpu :: filter2D):将拉普拉斯算子应用于图像;
186. getLinearRowFilter_GPU(cv :: createSeparableLinearFilter):使用指定的内核创建aprimitive行过滤器;
187. getLinearColumnFilter_GPU(cv :: createSeparableLinearFilter):使用指定的内核创建无序列过滤器;
188. createSeparableLinearFilter_GPU(cv :: createSeparableLinearFilter):创建可分离的线性过滤器引擎;
189.sepFilter2D(cv :: sepFilter2D):将一个可分离的2D线性滤波器应用于图像;
190.createDerivFilter_GPU(cv :: createDerivFilter):为广义Sobel运算符创建afilter引擎;
191.Sobel(cv :: Sobel):将广义Sobel算子应用于图像;
192Scharr(cv :: Scharr):使用Scharroperator计算第一个x或y图像导数;
193.createGaussianFilter_GPU(cv :: createGaussianFilter):创建一个高斯滤波引擎;
194. GaussianBlur(cv :: GaussianBlur):使用高斯滤波器平滑图像;
195. getMaxFilter_GPU:创建最大过滤器:
196.getMinFilter_GPU:创建最小过滤器;
197.class :: StereoBM_GPU:使用块匹配算法的类计算立体声对应(视差图);
198. StereoBM_GPU :: operator:启用找到指定的立体声对的视差的立体声对应运算符;
199. StereoBM_GPU :: checkIfGpuCallReasonable:使用启发式方法来估计当前GPU在该算法中比CPU更快,这是当前有效的设备;
200. class :: StereoBeliefPropagation:使用置信传播算法的类计算立体声对应关系;
201. StereoBeliefPropagation :: estimateRecommendedParams:使用启发式方法来计算指定图像大小(宽和高)的推荐参数(ndisp,iters和levels);
202. StereoBeliefPropagation :: operator:使立体声对应操作器能够找到指定的整流立体声对ordata成本的差异;
203. class :: StereoConstantSpaceBP:使用恒定空间置信传播算法的类计算立体声对应;
204. StereoConstantSpaceBP :: estimateRecommendedParams:使用一个启发式来计算指定图像大小(宽度和高度)的参数(ndisp,iters,levels和nrplane);
205. StereoConstantSpaceBP :: operator:启用找到指定的rectifiedstereo对的视差的立方体对应运算符;
206. class ::差距双边筛选:使用联合双边筛选来分类视差图;
207. DisparityBilateralFilter :: operator:使用联合双边过滤来优化视差图;
208.drawColorDisp:颜色差异图像;
209. reprojectImageTo3D(cv :: reprojectImageTo3D):将adisparity映像重新映射到3D空间;
210.PropPanPRansac(cv :: solvePnPRansac):从3D-2D点对应中找到对象;
211. class :: BroxOpticalFlow:使用Brox等人光学流算法计算两个图像的光流;
212. class ::GoodFeaturesToTrackDetector_GPU(cv :: goodFeaturesToTrack):用于图像强角检测的类;
213GoodFeaturesToTrackDetector_GPU :: operator(cv :: goodFeaturesToTrack):在图像中找到最重要的角色;
214. GoodFeaturesToTrackDetector_GPU :: releaseMemory:releasesinner buffers memory;
215. class :: FarnebackOpticalFlow:使用Gunnar Farneback算法的类计算adense光流;
216. FarnebackOpticalFlow :: operator(cv :: calcOpticalFlowFarneback):使用Gunnar Farneback算法计算加密光流;
217. FarnebackOpticalFlow :: releaseMemory:发布未使用的内存缓冲区;
218. class ::PyrLKOpticalFlow(cv :: calcOpticalFlowPyrLK):用于计算光流的类;
219. PyrLKOpticalFlow :: sparse:计算稀疏特征集的光流;
220. PyrLKOpticalFlow :: dense:计算密集光流;
221. PyrLKOpticalFlow :: releaseMemory:释放内部缓冲区内存;
222. interpolateFrames:使用提供的光流量(位移场)内插帧(图像);
223.class :: FGDStatModel:用于background / foregroundsegmentation的类;
224.FGDStatModel :: create:初始化背景模型;
225. FGDStatModel :: release:释放所有内部缓冲区的内存;
226.FGDStatModel :: update:更新背景模型并返回前景区域数;
227.class :: MOG_GPU(cv :: BackgroundSubtractorMOG):基于GaussianMixture的后台/前景分割算法;
228. MOG_GPU :: operator:更新背景模型并返回前景蒙版;
229. MOG_GPU :: getBackgroundImage:计算abackground图像;
230. MOG_GPU :: release:释放所有内部缓冲区的内存;
231.class :: MOG2_GPU(cv :: BackgroundSubtractorMOG2):基于GaussianMixture的背景/前景分割算法;
232.MOG2_GPU :: operator:更新背景模型并返回前景蒙版;
233MOG2_GPU :: getBackgroundImage:计算abackground图像;
234MOG2_GPU :: release:释放所有内部缓冲区的内存;
235. class :: GMG_GPU:用于背景/前景分割的类;
236. GMG_GPU :: initialize:初始化后台模型并分配所有内部缓冲区;
237.GMG_GPU :: operator:更新背景模型并返回前景蒙版;
238.GMG_GPU :: release:释放所有内部缓冲区的内存;
239.类::VideoWriter_GPU:video writercalss;
240. VideoWriter_GPU :: open:初始化或重新初始化视频作者;
241.VideoWriter_GPU :: isOpened:返回true ifvideo writer已成功初始化;
242.VideoWriter_GPU :: close:释放视频作者;
243.VideoWriter_GPU :: write:写入下一个视频帧;
244. strct ::VideoWriter_GPU :: EncoderParams:CUDA视频编码器的不同参数;
245. VideoWriter_GPU :: EncoderParams :: load:从配置文件读取参数;
246.VideoWriter_GPU :: EncoderParams :: save:保存参数toconfig文件;
247. class ::VideoWriter_GPU :: EncoderCallBack:用于CUDA视频编码器的回调;