CV リファレンス マニュアル

画像処理（Image Processing）
• 勾配，エッジ，コーナー，特徴（Gradients, Edges, Corners and Features）
• サンプリング，補間，幾何変換（Sampling, Interpolation and Geometrical Transforms）
• モルフォロジー演算（Morphological Operations）
• フィルタと色変換（Filters and Color Conversion）
• ピラミッドとその応用（Pyramids and the Applications）
• 画像分割，領域結合，輪郭検出（Image Segmentation, Connected Components and Contour Retrieval）
• 画像と形状のモーメント（Image and Contour Moments）
• 特殊な画像変換（Special Image Transforms）
• ヒストグラム（Histograms）
• マッチング（Matching）
• 構造解析（Structural Analysis）
  • 輪郭処理（Contour Processing）
  • 計算幾何（Computational Geometry）
  • 平面細分割（Planar Subdivisions）
• モーション解析と物体追跡（Motion Analysis and Object Tracking）
  • 背景統計量の累積（Accumulation of Background Statistics）
  • モーションテンプレート（Motion Templates）
  • 物体追跡（Object Tracking）
  • オプティカルフロー（Optical Flow）
  • 特徴マッチング（Feature Matching）
  • 推定器（Estimators）
• パターン認識（Pattern Recognition）
  • 物体検出（Object Detection）
• カメラキャリブレーションと3次元再構成（Camera Calibration and 3D Reconstruction）
  • （ピンホールカメラモデル, 歪み（Pinhole Camera Model, Distortion））
  • シングルおよびステレオカメラキャリブレーション（Single and Stereo Camera Calibration）
  • 姿勢推定（Pose Estimation）
  • エピポーラ幾何，ステレオマッチング（Epipolar Geometry, Stereo Correspondence）
• 参考文献

モーション解析と物体追跡（Motion Analysis and Object Tracking）

特徴マッチング（Feature Matching）

CreateFeatureTree

特徴ベクトルのツリーを作成する

CvFeatureTree* cvCreateFeatureTree(CvMat* desc);

desc

d 次元特徴ベクトルの n × d 行列（CV_32FC1 or CV_64FC1）．

関数cvCreateFeatureTreeは， 与えられた特徴ベクトルのインデックスに対するバランスk-d木を構築する． desc 行列は，返されるツリーよりも先に解放されてはならない． つまり，特徴ベクトルのコピーは作成されない．

ReleaseFeatureTree

特徴ベクトルのツリーを解放する

void cvReleaseFeatureTree(CvFeatureTree* tr);

tr

開放されるツリーへのポインタ．

関数cvReleaseFeatureTreeは，与えられた k-d木を解放する．

FindFeatures

最適ビン優先（Best-Bin-First）探索を用いて，与えられたベクトルのおおよその k 近傍値を求める

void cvFindFeatures(CvFeatureTree* tr, CvMat* desc,
		    CvMat* results, CvMat* dist, int k=2, int emax=20);

tr

参照ベクトルに対するk-d木インデックスへのポインタ．

desc

（行）ベクトルの m × d 行列．これらのベクトルの近傍値を探索する．

results

一致したベクトルの行インデックス （cvCreateFeatureTreeに引数として渡される行列を参照する） の集合．m × kの行列．k 近傍より遠い場合は，その列には -1 が入る．

dist

k 近傍値までの距離のm × k 行列

k

検出される近傍の数．

emax

探索する葉の最大数．

関数cvFindFeaturesは， descで与えられたそれぞれの（列）ベクトルに対して， （可能性の高い）k 近傍値を，tr の中から見つける． 探索には，最適ビン優先（Best-Bin-First）探索を用いる（[Beis97]）． 全体の計算量は，最大でO(m*emax*log2(n))である． ここで，nは，ツリー中のベクトル数を表す．

FindFeaturesBoxed

直交領域探索

int cvFindFeaturesBoxed(CvFeatureTree* tr,
			CvMat* bounds_min, CvMat* bounds_max,
			CvMat* results);

tr

参照ベクトルに対するk-d木インデックスへのポインタ．

bounds_min

各次元の最小値を与える 1×d あるいは d×1 のベクトル（CV_32FC1 or CV_64FC1）

bounds_max

各次元の最大値を与える 1×d あるいは d×1 のベクトル（CV_32FC1 or CV_64FC1）

results

出力行インデックス（cvCreateFeatureTreeに引数として渡される行列を参照する） の 1×m あるいは m×1 のベクトル（CV_32SC1）

関数cvFindFeaturesBoxedは，与えられたk-d木上で直交領域探索を行う． つまり，trの中で， bounds_min[i] <= v[i] <= bounds_max[i], 0 <= i < d を満たすベクトルvの集合を求める． ここで，dは，ツリー内のベクトルの次元である． この関数は，求められたベクトル数を返す．