图像处理

主题
	色彩空间处理
	直方图计算
	结构分析与形状描述符
	霍夫变换
	特征检测

详细说明

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
enum	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())
	对传递的图像执行双边滤波。
void	cv::cuda::blendLinear (InputArray img1, InputArray img2, InputArray weights1, InputArray weights2, OutputArray result, Stream &stream=Stream::Null())
	对两张图像执行线性混合。
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)
	创建 cuda::CannyEdgeDetector 的实现。
Ptr< TemplateMatching >	cv::cuda::createTemplateMatching (int srcType, int method, Size user_block_size=Size())
	创建 cuda::TemplateMatching 的实现。
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())
	为源图像的每个点执行均值漂移（mean-shift）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，并在两个图像中存储有关处理点的信息（其颜色和位置）。
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分段。

枚举类型文档 (Enumeration Type Documentation)

ConnectedComponentsAlgorithmsTypes

enum cv::cuda::ConnectedComponentsAlgorithmsTypes

#include <opencv2/cudaimgproc.hpp>

连通分量Algorithm。

枚举值 (Enumerator)
CCL_DEFAULT	BKE [13] 算法，用于 8 向连通性。
CCL_BKE	BKE [13] 算法，用于 8 向连通性。

函数文档 (Function Documentation)

bilateralFilter()

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

#include <opencv2/cudaimgproc.hpp>

对传递的图像执行双边滤波。

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	核窗口大小。
sigma_color	Filter 颜色空间中的 sigma。
sigma_spatial	Filter 坐标空间中的 sigma。
borderMode	边框类型。有关详细信息，请参见 borderInterpolate。目前支持 BORDER_REFLECT101、BORDER_REPLICATE、BORDER_CONSTANT、BORDER_REFLECT 和 BORDER_WRAP。
流	Stream 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,
		流 (Stream) &	stream = Stream::Null() )

#include <opencv2/cudaimgproc.hpp>

对两张图像执行线性混合。

参数

img1	第一张图像。仅支持 CV_8U 和 CV_32F 深度。
img2	第二张图像。必须与 img1 具有相同的大小和类型。
weights1	第一张图像的权重。必须与 img1 具有相同的大小。仅支持 CV_32F 类型。
weights2	第二张图像的权重。必须与 img2 具有相同的大小。仅支持 CV_32F 类型。
result	目标图像。
流	Stream 用于异步版本。

connectedComponents() [1/2]

void cv::cuda::connectedComponents	(	InputArray	图像,
		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。

该函数接收一个二值图像作为输入，并执行连通分量标记。输出是一个图像，其中每个连通分量被赋予一个唯一的标签（整数值）。ltype 指定输出标签图像的类型，这是一个重要考虑因素，取决于标签的总数或源图像的总像素数。ccltype 指定要使用的连通分量标记算法，目前支持 BKE [13]，有关详细信息，请参见 ConnectedComponentsAlgorithmsTypes。请注意，输出中的标签不一定需要是连续的。

参数

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

注意

一个演示 CUDA 中连通分量标记的示例程序可以在
opencv_contrib_source_code/modules/cudaimgproc/samples/connected_components.cpp

connectedComponents() [2/2]

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

#include <opencv2/cudaimgproc.hpp>

这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

参数

图像	要标记的 8 位单通道图像。
labels	目标标记图像。
connectivity	用于标记过程的连通性。支持 8 向连通性。
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>

创建 cuda::CannyEdgeDetector 的实现。

参数

low_thresh	滞后过程的第一个阈值。
high_thresh	滞后过程的第二个阈值。
apperture_size	Sobel 算子的孔径大小。
L2gradient	指示是使用更准确的 \(L_2\) 范数 \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) 来计算图像梯度幅度（ L2gradient=true ），还是使用更快的默认 \(L_1\) 范数 \(=|dI/dx|+|dI/dy|\)（ L2gradient=false ）。

createTemplateMatching()

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

#include <opencv2/cudaimgproc.hpp>

创建 cuda::TemplateMatching 的实现。

参数

srcType	输入源类型。目前支持 CV_32F 和 CV_8U 深度图像（1..4 通道）。
method	指定比较模板与图像的方式。
user_block_size	您可以使用 user_block_size 字段设置特定的块大小。如果您将其保留为默认值 Size(0,0)，则将使用自动估算的块大小（这已针对速度进行了优化）。通过更改 user_block_size，您可以降低内存需求，但会牺牲速度。

目前支持 CV_8U 深度图像的以下方法

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

目前支持 CV_32F 图像的以下方法

• 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),
		流 (Stream) &	stream = Stream::Null() )

#include <opencv2/cudaimgproc.hpp>

为源图像的每个点执行均值漂移（mean-shift）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 具有相同的大小和类型。
sp	空间窗口半径。
sr	颜色窗口半径。
criteria	终止条件。参见 TermCriteria。
流	Stream 用于异步版本。

它将源图像的每个点映射到另一个点。结果是每个点都有新的颜色和新位置。

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),
		流 (Stream) &	stream = Stream::Null() )

#include <opencv2/cudaimgproc.hpp>

执行均值漂移过程，并在两个图像中存储有关处理点的信息（其颜色和位置）。

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 相同。类型为 CV_16SC2 。
sp	空间窗口半径。
sr	颜色窗口半径。
criteria	终止条件。参见 TermCriteria。
流	Stream 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),
		流 (Stream) &	stream = Stream::Null() )

#include <opencv2/cudaimgproc.hpp>

执行源图像的均值漂移分割并消除小分段。

参数

src	源图像。目前仅支持 CV_8UC4 图像。
dst	分割后的图像，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	最小段大小。较小的段将被合并。
criteria	终止条件。参见 TermCriteria。
流	Stream 用于异步版本。