cv::cuda::SURF_CUDA 类参考

用于从图像中提取加速鲁棒特征 (SURF) 的类。: 更多...

#include <opencv2/xfeatures2d/cuda.hpp>

cv::cuda::SURF_CUDA 的协作图

公共类型
枚举	KeypointLayout {   X_ROW = 0 ,   Y_ROW ,   LAPLACIAN_ROW ,   OCTAVE_ROW ,   SIZE_ROW ,   ANGLE_ROW ,   HESSIAN_ROW ,   ROWS_COUNT }

公共成员函数
	SURF_CUDA ()
	默认构造函数
	SURF_CUDA (double _hessianThreshold, int _nOctaves=4, int _nOctaveLayers=2, bool _extended=false, float _keypointsRatio=0.01f, bool _upright=false)
	包含所有必要参数的完整构造函数
int	defaultNorm () const
	返回默认的范数类型
int	descriptorSize () const
	返回描述符的大小（浮点数，64 或 128）
void	GpuMat &keypoints)
	使用 SURF 中使用的快速 Hessian 检测器查找关键点。
void	detectWithDescriptors (const GpuMat &img, const GpuMat &mask, GpuMat &keypoints, GpuMat &descriptors, bool useProvidedKeypoints=false)
	使用 SURF 中使用的快速 Hessian 检测器查找关键点并计算其描述符。
void	downloadDescriptors (const GpuMat &descriptorsGPU, std::vector< float > &descriptors)
	将描述符从设备下载到主机内存
void	downloadKeypoints (const GpuMat &keypointsGPU, std::vector< KeyPoint > &keypoints)
	将关键点从设备下载到主机内存
void	operator() (const GpuMat &img, const GpuMat &mask, GpuMat &keypoints)
void	operator() (const GpuMat &img, const GpuMat &mask, GpuMat &keypoints, GpuMat &descriptors, bool useProvidedKeypoints=false)
void	operator() (const GpuMat &img, const GpuMat &mask, std::vector< KeyPoint > &keypoints)
void	operator() (const GpuMat &img, const GpuMat &mask, std::vector< KeyPoint > &keypoints, GpuMat &descriptors, bool useProvidedKeypoints=false)
void	operator() (const GpuMat &img, const GpuMat &mask, std::vector< KeyPoint > &keypoints, std::vector< float > &descriptors, bool useProvidedKeypoints=false)
void	releaseMemory ()
void	uploadKeypoints (const std::vector< KeyPoint > &keypoints, GpuMat &keypointsGPU)
	将主机关键点上传到设备内存

静态公共成员函数
static Ptr< SURF_CUDA >	create (double _hessianThreshold, int _nOctaves=4, int _nOctaveLayers=2, bool _extended=false, float _keypointsRatio=0.01f, bool _upright=false)

公共属性
GpuMat	det
bool	extended
double	hessianThreshold
float	keypointsRatio
	最大关键点数 = min(keypointsRatio * img.size().area(), 65535)
GpuMat	mask1
GpuMat	maskSum
GpuMat	maxPosBuffer
int	nOctaveLayers
int	nOctaves
GpuMat	sum
GpuMat	trace
bool	upright

详细描述

用于从图像中提取加速鲁棒特征 (SURF) 的类。

类 SURF_CUDA 实现了加速鲁棒特征描述符。它提供了一个快速多尺度 Hessian 关键点检测器，可用于查找关键点（这是默认选项）。但描述符也可以为用户指定的关键点计算。仅支持 8 位灰度图像。

类 SURF_CUDA 可以在 GPU 和 CPU 内存中存储结果。它提供了在 CPU 和 GPU 版本之间转换结果的函数（uploadKeypoints、downloadKeypoints、downloadDescriptors）。CPU 结果的格式与 SURF 结果相同。GPU 结果存储在 GpuMat 中。关键点矩阵是类型为 CV_32FC1 的 \(\texttt{nFeatures} \times 7\) 矩阵。

• keypoints.ptr<float>(X_ROW)[i] 包含第 i 个特征的 x 坐标。
• keypoints.ptr<float>(Y_ROW)[i] 包含第 i 个特征的 y 坐标。
• keypoints.ptr<float>(LAPLACIAN_ROW)[i] 包含第 i 个特征的拉普拉斯符号。
• keypoints.ptr<float>(OCTAVE_ROW)[i] 包含第 i 个特征的八度。
• keypoints.ptr<float>(SIZE_ROW)[i] 包含第 i 个特征的大小。
• keypoints.ptr<float>(ANGLE_ROW)[i] 包含第 i 个特征的方向。
• keypoints.ptr<float>(HESSIAN_ROW)[i] 包含第 i 个特征的响应。

描述符矩阵是类型为 CV_32FC1 的 \(\texttt{nFeatures} \times \texttt{descriptorSize}\) 矩阵。

类 SURF_CUDA 使用了一些缓冲区并提供对其的访问。所有缓冲区都可以在函数调用之间安全释放。

另请参见

SURF

注意

• 在 opencv_source_code/samples/gpu/surf_keypoint_matcher.cpp 可以找到在 GPU 上使用 SURF 关键点匹配器的示例。

成员枚举文档

KeypointLayout

枚举 cv::cuda::SURF_CUDA::KeypointLayout

枚举器
X_ROW
Y_ROW
LAPLACIAN_ROW
OCTAVE_ROW
SIZE_ROW
ANGLE_ROW
HESSIAN_ROW
ROWS_COUNT

构造函数 & 析构函数文档

SURF_CUDA() [1/2]

cv::cuda::SURF_CUDA::SURF_CUDA

(

)

默认构造函数

SURF_CUDA() [2/2]

cv::cuda::SURF_CUDA::SURF_CUDA ( double _hessianThreshold, int _nOctaves = 4, int _nOctaveLayers = 2, bool _extended = false, float _keypointsRatio = 0.01f, bool _upright = false )

显式

包含所有必要参数的完整构造函数

成员函数文档

create()

static Ptr< SURF_CUDA > cv::cuda::SURF_CUDA::create ( double _hessianThreshold, int _nOctaves = 4, int _nOctaveLayers = 2, bool _extended = false, float _keypointsRatio = 0.01f, bool _upright = false )

static

Python
	cv.cuda.SURF_CUDA.create(	_hessianThreshold[, _nOctaves[, _nOctaveLayers[, _extended[, _keypointsRatio[, _upright]]]]]	) ->	retval
	cv.cuda.SURF_CUDA_create(	_hessianThreshold[, _nOctaves[, _nOctaveLayers[, _extended[, _keypointsRatio[, _upright]]]]]	) ->	retval

参数

_hessianThreshold	用于 SURF 中的 Hessian 关键点检测器的阈值。
_nOctaves	关键点检测器将使用的金字塔八度数量。
_nOctaveLayers	每个八度内的八度层数量。
_extended	扩展描述符标志（true - 使用 128 元素扩展描述符；false - 使用 64 元素描述符）。
_keypointsRatio	限制最大特征数量
_upright	直立或旋转特征标志（true - 不计算特征方向；false - 计算方向）。

defaultNorm()

int cv::cuda::SURF_CUDA::defaultNorm

(

)

const

Python
	cv.cuda.SURF_CUDA.defaultNorm(		) ->	retval

返回默认的范数类型

descriptorSize()

int cv::cuda::SURF_CUDA::descriptorSize

(

)

const

Python
	cv.cuda.SURF_CUDA.descriptorSize(		) ->	retval

返回描述符的大小（浮点数，64 或 128）

detect()

void cv::cuda::SURF_CUDA::detect ( const GpuMat & img, const GpuMat & mask, GpuMat & keypoints )

inline

Python
	cv.cuda.SURF_CUDA.detect(	img, mask[, keypoints]	) ->	keypoints

使用 SURF 中使用的快速 Hessian 检测器查找关键点。

参数

img	源图像，目前仅支持 CV_8UC1 图像。
mask	与源图像大小相同且类型为 CV_8UC1 的掩码图像。
keypoints	检测到的关键点。

detectWithDescriptors()

void cv::cuda::SURF_CUDA::detectWithDescriptors ( const GpuMat & img, const GpuMat & mask, GpuMat & keypoints, GpuMat & descriptors, bool useProvidedKeypoints = false )

inline

Python
	cv.cuda.SURF_CUDA.detectWithDescriptors(	img, mask[, keypoints[, descriptors[, useProvidedKeypoints]]]	) ->	keypoints, descriptors

使用 SURF 中使用的快速 Hessian 检测器查找关键点并计算其描述符。

参数

img	源图像，目前仅支持 CV_8UC1 图像。
mask	与源图像大小相同且类型为 CV_8UC1 的掩码图像。
keypoints	检测到的关键点。
descriptors	关键点描述符。
useProvidedKeypoints	为用户提供的关键点计算描述符并重新计算关键点方向。

downloadDescriptors()

void cv::cuda::SURF_CUDA::downloadDescriptors	(	const GpuMat &	descriptorsGPU,
		std::vector< float > &	descriptors )

将描述符从设备下载到主机内存

downloadKeypoints()

void cv::cuda::SURF_CUDA::downloadKeypoints	(	const GpuMat &	keypointsGPU,
		std::vector< KeyPoint > &	keypoints )

Python
	cv.cuda.SURF_CUDA.downloadKeypoints(	keypointsGPU	) ->	keypoints

将关键点从设备下载到主机内存

operator()() [1/5]

void cv::cuda::SURF_CUDA::operator()	(	const GpuMat &	img,
		const GpuMat &	mask,
		GpuMat &	keypoints )

使用 SURF 中使用的快速 Hessian 检测器查找关键点，支持 CV_8UC1 图像。关键点将有 nFeature 列和 6 行。keypoints.ptr<float>(X_ROW)[i] 将包含第 i 个特征的 x 坐标。keypoints.ptr<float>(Y_ROW)[i] 将包含第 i 个特征的 y 坐标。keypoints.ptr<float>(LAPLACIAN_ROW)[i] 将包含第 i 个特征的拉普拉斯符号。keypoints.ptr<float>(OCTAVE_ROW)[i] 将包含第 i 个特征的八度。keypoints.ptr<float>(SIZE_ROW)[i] 将包含第 i 个特征的大小。keypoints.ptr<float>(ANGLE_ROW)[i] 将包含第 i 个特征的方向。keypoints.ptr<float>(HESSIAN_ROW)[i] 将包含第 i 个特征的响应。

operator()() [2/5]

void cv::cuda::SURF_CUDA::operator()	(	const GpuMat &	img,
		const GpuMat &	mask,
		GpuMat &	keypoints,
		GpuMat &	descriptors,
		bool	useProvidedKeypoints = false )

查找关键点并计算其描述符。可选地，它可以为用户提供的关键点计算描述符并重新计算关键点方向。

operator()() [3/5]

void cv::cuda::SURF_CUDA::operator()	(	const GpuMat &	img,
		const GpuMat &	mask,
		std::vector< KeyPoint > &	keypoints )

operator()() [4/5]

void cv::cuda::SURF_CUDA::operator()	(	const GpuMat &	img,
		const GpuMat &	mask,
		std::vector< KeyPoint > &	keypoints,
		GpuMat &	descriptors,
		bool	useProvidedKeypoints = false )

operator()() [5/5]

void cv::cuda::SURF_CUDA::operator()	(	const GpuMat &	img,
		const GpuMat &	mask,
		std::vector< KeyPoint > &	keypoints,
		std::vector< float > &	descriptors,
		bool	useProvidedKeypoints = false )

releaseMemory()

void cv::cuda::SURF_CUDA::releaseMemory

(

)

uploadKeypoints()

void cv::cuda::SURF_CUDA::uploadKeypoints	(	const std::vector< KeyPoint > &	keypoints,
		GpuMat &	keypointsGPU )

将主机关键点上传到设备内存

成员数据文档

det

GpuMat cv::cuda::SURF_CUDA::det

extended

bool cv::cuda::SURF_CUDA::extended

hessianThreshold

double cv::cuda::SURF_CUDA::hessianThreshold

keypointsRatio

float cv::cuda::SURF_CUDA::keypointsRatio

最大关键点数 = min(keypointsRatio * img.size().area(), 65535)

mask1

GpuMat cv::cuda::SURF_CUDA::mask1

maskSum

GpuMat cv::cuda::SURF_CUDA::maskSum

maxPosBuffer

GpuMat cv::cuda::SURF_CUDA::maxPosBuffer

nOctaveLayers

int cv::cuda::SURF_CUDA::nOctaveLayers

nOctaves

int cv::cuda::SURF_CUDA::nOctaves

sum

GpuMat cv::cuda::SURF_CUDA::sum

trace

GpuMat cv::cuda::SURF_CUDA::trace

upright

bool cv::cuda::SURF_CUDA::upright

---

此类的文档生成自以下文件

• opencv2/xfeatures2d/cuda.hpp