图像处理

模块
	色彩空间处理
	直方图计算
	结构分析和形状描述符
	霍夫变换
	特征检测

详细描述

类
类	cv::cuda::CannyEdgeDetector
	Canny 边缘检测器的基类。: 更多...
类	cv::cuda::TemplateMatching
	模板匹配的基类。: 更多...

枚举
枚举	cv::cuda::ConnectedComponentsAlgorithmsTypes {   cv::cuda::CCL_DEFAULT = -1 ,   cv::cuda::CCL_BKE = 0 }
	连通分量算法。 更多...

函数
void	cv::cuda::bilateralFilter (InputArray src, OutputArray dst, int kernel_size, float sigma_color, float sigma_spatial, int borderMode=BORDER_DEFAULT, Stream &stream=Stream::Null())
	执行传递图像的双边滤波。
void	cv::cuda::blendLinear (InputArray img1, InputArray img2, InputArray weights1, InputArray weights2, OutputArray result, Stream &stream=Stream::Null())
	执行两幅图像的线性混合。
void	cv::cuda::connectedComponents (InputArray image, OutputArray labels, int connectivity, int ltype, cv::cuda::ConnectedComponentsAlgorithmsTypes ccltype)
	计算二值图像的连通分量标记图像。
void	cv::cuda::connectedComponents (InputArray image, OutputArray labels, int connectivity=8, int ltype=CV_32S)
Ptr< CannyEdgeDetector >	cv::cuda::createCannyEdgeDetector (double low_thresh, double high_thresh, int apperture_size=3, bool L2gradient=false)
	为 cuda::CannyEdgeDetector 创建实现。
Ptr< TemplateMatching >	cv::cuda::createTemplateMatching (int srcType, int method, Size user_block_size=Size())
	为 cuda::TemplateMatching 创建实现。
void	cv::cuda::meanShiftFiltering (InputArray src, OutputArray dst, int sp, int sr, TermCriteria criteria=TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1), Stream &stream=Stream::Null())
	对源图像的每个点执行均值漂移滤波。
void	cv::cuda::meanShiftProc (InputArray src, OutputArray dstr, OutputArray dstsp, int sp, int sr, TermCriteria criteria=TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1), Stream &stream=Stream::Null())
	执行均值漂移过程，并将有关处理点（颜色和位置）的信息存储在两幅图像中。
void	cv::cuda::meanShiftSegmentation (InputArray src, OutputArray dst, int sp, int sr, int minsize, TermCriteria criteria=TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1), Stream &stream=Stream::Null())
	执行源图像的均值漂移分割，并消除小段。

枚举类型文档

ConnectedComponentsAlgorithmsTypes

枚举 cv::cuda::ConnectedComponentsAlgorithmsTypes

#include <opencv2/cudaimgproc.hpp>

连通分量 算法。

枚举值
CCL_DEFAULT	8 路连接的 BKE [11] 算法。
CCL_BKE	8 路连接的 BKE [11] 算法。

函数文档

bilateralFilter()

void cv::cuda::bilateralFilter	(	InputArray	src,
		OutputArray	dst,
		int	kernel_size,
		float	sigma_color,
		float	sigma_spatial,
		int	borderMode = BORDER_DEFAULT,
		Stream &	stream = Stream::Null()
	)

#include <opencv2/cudaimgproc.hpp>

执行传递图像的双边滤波。

参数

src	源图像。仅支持 (channels != 2 && depth() != CV_8S && depth() != CV_32S && depth() != CV_64F)。
dst	目标图像。
kernel_size	内核窗口大小。
sigma_color	滤波器 在颜色空间中的 sigma。
sigma_spatial	滤波器 在坐标空间中的 sigma。
borderMode	边界类型。有关详细信息，请参阅 borderInterpolate。BORDER_REFLECT101、BORDER_REPLICATE、BORDER_CONSTANT、BORDER_REFLECT 和 BORDER_WRAP 目前受支持。
stream	流 用于异步版本。

另请参阅

bilateralFilter

blendLinear()

void cv::cuda::blendLinear	(	InputArray	img1,
		InputArray	img2,
		InputArray	weights1,
		InputArray	weights2,
		OutputArray	result,
		Stream &	stream = Stream::Null()
	)

#include <opencv2/cudaimgproc.hpp>

执行两幅图像的线性混合。

参数

img1	第一幅图像。仅支持 CV_8U 和 CV_32F 深度。
img2	第二幅图像。必须与 img1 具有相同的大小和类型。
weights1	第一幅图像的权重。必须与 img1 具有相同的大小。仅支持 CV_32F 类型。
weights2	第二幅图像的权重。必须与 img2 具有相同的大小。仅支持 CV_32F 类型。
result	目标图像。
stream	流 用于异步版本。

connectedComponents() [1/2]

void cv::cuda::connectedComponents	(	InputArray	image,
		OutputArray	labels,
		int	connectivity,
		int	ltype,
		cv::cuda::ConnectedComponentsAlgorithmsTypes	ccltype
	)

#include <opencv2/cudaimgproc.hpp>

计算二值图像的连通分量标记图像。

该函数将二值图像作为输入，并执行连通分量标记。输出是一幅图像，其中每个连通分量都分配了一个唯一的标签（整数值）。ltype 指定输出标签图像类型，这是根据标签总数或源图像中的像素总数做出的重要考虑。ccltype 指定要使用的连通分量标记算法，目前支持 BKE [11]，有关详细信息，请参阅 ConnectedComponentsAlgorithmsTypes。请注意，输出中的标签不需要是连续的。

参数

image	要标记的 8 位单通道图像。
labels	目标标记图像。
connectivity	用于标记过程的连接性。支持 8 路连接性。
ltype	输出图像标签类型。目前支持 CV_32S。
ccltype	连通分量算法类型（请参阅 ConnectedComponentsAlgorithmsTypes）。

注意

演示 CUDA 中连通分量标记的示例程序可在以下位置找到：
opencv_contrib_source_code/modules/cudaimgproc/samples/connected_components.cpp

connectedComponents() [2/2]

void cv::cuda::connectedComponents	(	InputArray	image,
		OutputArray	labels,
		int	connectivity = 8,
		int	ltype = CV_32S
	)

#include <opencv2/cudaimgproc.hpp>

这是一个重载的成员函数，为了方便起见提供。它仅在它接受的参数方面与上述函数不同。

参数

image	要标记的 8 位单通道图像。
labels	目标标记图像。
connectivity	用于标记过程的连接性。支持 8 路连接性。
ltype	输出图像标签类型。目前支持 CV_32S。

createCannyEdgeDetector()

Ptr< CannyEdgeDetector > cv::cuda::createCannyEdgeDetector	(	double	low_thresh,
		double	high_thresh,
		int	apperture_size = 3,
		bool	L2gradient = false
	)

#include <opencv2/cudaimgproc.hpp>

为 cuda::CannyEdgeDetector 创建实现。

参数

low_thresh	用于滞后过程的第一个阈值。
high_thresh	用于滞后过程的第二个阈值。
apperture_size	Sobel 算子的孔径大小。
L2gradient	指示是否应该使用更精确的 \(L_2\) 范数 \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) 来计算图像梯度幅度 ( L2gradient=true )，或者使用更快的默认 \(L_1\) 范数 \(=|dI/dx|+|dI/dy|\) 就足够了 ( L2gradient=false )。

createTemplateMatching()

Ptr< TemplateMatching > cv::cuda::createTemplateMatching	(	int	srcType,
		int	method,
		Size	user_block_size = Size()
	)

#include <opencv2/cudaimgproc.hpp>

为 cuda::TemplateMatching 创建实现。

参数

srcType	输入源类型。目前支持 CV_32F 和 CV_8U 深度图像（1..4 个通道）。
method	指定将模板与图像进行比较的方式。
user_block_size	您可以使用字段 user_block_size 设置特定块大小。如果您保留其默认值 Size(0,0)，则将使用块大小的自动估计（针对速度进行了优化）。通过改变 user_block_size，您可以在速度方面降低内存需求。

目前，以下方法适用于 CV_8U 深度图像

• CV_TM_SQDIFF
• CV_TM_SQDIFF_NORMED
• CV_TM_CCORR
• CV_TM_CCORR_NORMED
• CV_TM_CCOEFF
• CV_TM_CCOEFF_NORMED

目前，以下方法适用于 CV_32F 图像

• CV_TM_SQDIFF
• CV_TM_CCORR

另请参阅

matchTemplate

meanShiftFiltering()

void cv::cuda::meanShiftFiltering	(	InputArray	src,
		OutputArray	dst,
		int	sp,
		int	sr,
		TermCriteria	criteria = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1),
		Stream &	stream = Stream::Null()
	)

#include <opencv2/cudaimgproc.hpp>

对源图像的每个点执行均值漂移滤波。

参数

src	源图像。目前仅支持 CV_8UC4 图像。
dst	包含映射点颜色的目标图像。它与 src 的大小和类型相同。
sp	空间窗口半径。
sr	颜色窗口半径。
criteria	终止标准。参见 TermCriteria。
stream	流 用于异步版本。

它将源图像的每个点映射到另一个点。结果，您将获得每个点的新的颜色和新位置。

meanShiftProc()

void cv::cuda::meanShiftProc	(	InputArray	src,
		OutputArray	dstr,
		OutputArray	dstsp,
		int	sp,
		int	sr,
		TermCriteria	criteria = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1),
		Stream &	stream = Stream::Null()
	)

#include <opencv2/cudaimgproc.hpp>

执行均值漂移过程，并将有关处理点（颜色和位置）的信息存储在两幅图像中。

参数

src	源图像。目前仅支持 CV_8UC4 图像。
dstr	包含映射点颜色的目标图像。大小和类型与 src 相同。
dstsp	包含映射点位置的目标图像。大小与 src 大小相同。类型为 CV_16SC2。
sp	空间窗口半径。
sr	颜色窗口半径。
criteria	终止标准。参见 TermCriteria。
stream	流 用于异步版本。

另请参阅

cuda::meanShiftFiltering

meanShiftSegmentation()

void cv::cuda::meanShiftSegmentation	(	InputArray	src,
		OutputArray	dst,
		int	sp,
		int	sr,
		int	minsize,
		TermCriteria	criteria = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1),
		Stream &	stream = Stream::Null()
	)

#include <opencv2/cudaimgproc.hpp>

执行源图像的均值漂移分割，并消除小段。

参数

src	源图像。目前仅支持 CV_8UC4 图像。
dst	分段图像，大小和类型与 src 相同（主机或 GPU 内存）。
sp	空间窗口半径。
sr	颜色窗口半径。
minsize	最小分段大小。较小的分段将被合并。
criteria	终止标准。参见 TermCriteria。
stream	流 用于异步版本。