opencv scalar函数_opencv minmaxloc函数_opencv resize函数参数(3)

CV_HOUGH_PROBABILISTIC - 概率 Hough 变换(如果图像包含一些长的线性分割，则效率更高). 它返回线段分割而不是整个线段。每个分割用起点和终点来表示，所以矩阵（或创建的序列）类型是 CV_32S.

CV_HOUGH_MULTI_SCALE - 传统 Hough 变换的多尺度变种。线段的编码方式与 CV_HOUGH_STANDARD 的一致。opencv scalar函数

rho

与象素相关单位的距离精度

theta

弧度测量的角度精度

threshold

阈值参数。如果相应的累计值大于 threshold， 则函数返回的这个线段.

param1

第一个方法相关的参数:

对传统 Hough 变换，不使用(0).

对概率 Hough 变换，它是最小线段长度.

对多尺度 Hough 变换，它是距离精度 rho 的分母 (大致的距离精度是 rho 而精确的应该是 rho / param1 ).

param2

第二个方法相关参数:

对传统 Hough 变换，不使用 (0).

对概率 Hough 变换，这个参数表示在同一条直线上进行碎线段连接的最大间隔值(gap), 即当同一条直线上的两条碎线段之间的间隔小于param2时，将其合二为一。

对多尺度 Hough 变换，它是角度精度 theta 的分母 (大致的角度精度是 theta 而精确的角度应该是 theta / param2).

void cvSobel( const CvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size=3 );

src 输入图像.

dst 输出图像.

xorder x方向上的差分阶数

yorder y方向上的差分阶数

aperture_size 扩展 Sobel 核的大小，必须是 1, 3, 5 或 7。 除了尺寸为 1， 其它情况下，

aperture_size ×aperture_size 可分离内核将用来计算差分。对 aperture_size=1的情况，

使用 3x1 或 1x3 内核 （不进行高斯平滑操作）。这里有一个特殊变量CV_SCHARR (=-1)，对应 3x3 Scharr 滤波器，

可以给出比 3x3 Sobel 滤波更精确的结果。

Scharr 滤波器系数是： | -3 03|

|-10 0 10|

| -3 03|

对 x-方向 以及转置矩阵对 y-方向。

函数 cvSobel 通过对图像用相应的内核进行卷积操作来计算图像差分： dst(x,y) = dxorder+yodersrc/dxxorderdyyorder |(x,y)

由于Sobel 算子结合了 Gaussian 平滑和微分，所以，其结果或多或少对噪声有一定的鲁棒性。

通常情况，函数调用采用如下参数 (xorder=1, yorder=0, aperture_size=3) 或 (xorder=0, yorder=1, aperture_size=3) 来计算一阶 x- 或 y- 方向的图像差分。

第一种情况对应： |-101|

|-202|

|-101| 核。

第二种对应:

|-1 -2 -1|

| 000|

| 121|

or

| 121|

| 000|

|-1 -2 -1|核的选则依赖于图像原点的定义 (origin 来自 IplImage 结构的定义)。由于该函数不进行图像尺度变换，

所以和输入图像(数组)相比，输出图像(数组)的元素通常具有更大的绝对数值（译者注：即象素的深度）。opencv scalar函数

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-36496-3.html