影像處理

主題
	色彩空間處理
	直方圖計算
	結構分析與形狀描述符
	霍夫變換
	特徵檢測

詳細說明

類
類	cv::cuda::CannyEdgeDetector
	Canny 邊緣檢測器的基類。 : 更多...
類	cv::cuda::TemplateMatching
	模板匹配的基類。 : 更多...

列舉
enum	cv::cuda::ConnectedComponentsAlgorithmsTypes {   cv::cuda::CCL_DEFAULT = -1 ,   cv::cuda::CCL_BKE = 0 }
	連通分量演算法。更多...

函式
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())
	對傳遞的影像執行雙邊濾波。
void	cv::cuda::blendLinear (InputArray img1, InputArray img2, InputArray weights1, InputArray weights2, OutputArray result, Stream &stream=Stream::Null())
	對兩張影像執行線性混合。
void	cv::cuda::connectedComponents (InputArray image, OutputArray labels, int connectivity, int ltype, cv::cuda::ConnectedComponentsAlgorithmsTypes ccltype)
	計算二值影像的連通分量標記影像。
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)
	建立 cuda::CannyEdgeDetector 的實現。
Ptr< TemplateMatching >	cv::cuda::createTemplateMatching (int srcType, int method, Size user_block_size=Size())
	建立 cuda::TemplateMatching 的實現。
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())
	為源影像的每個點執行均值漂移（mean-shift）濾波。
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())
	執行均值漂移過程，並在兩個影像中儲存有關處理點的資訊（其顏色和位置）。
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())
	執行源影像的均值漂移分割並消除小分段。

列舉型別文件 (Enumeration Type Documentation)

ConnectedComponentsAlgorithmsTypes

enum cv::cuda::ConnectedComponentsAlgorithmsTypes

#include <opencv2/cudaimgproc.hpp>

連通分量Algorithm。

列舉值 (Enumerator)
CCL_DEFAULT	BKE [13] 演算法，用於 8 向連通性。
CCL_BKE	BKE [13] 演算法，用於 8 向連通性。

函式文件 (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>

對傳遞的影像執行雙邊濾波。

引數

src	源影像。僅支援（channels != 2 && depth() != CV_8S && depth() != CV_32S && depth() != CV_64F）。
dst	目標影像。
kernel_size	核視窗大小。
sigma_color	Filter 顏色空間中的 sigma。
sigma_spatial	Filter 座標空間中的 sigma。
borderMode	邊框型別。有關詳細資訊，請參見 borderInterpolate。目前支援 BORDER_REFLECT101、BORDER_REPLICATE、BORDER_CONSTANT、BORDER_REFLECT 和 BORDER_WRAP。
流	Stream 用於非同步版本。

另請參閱

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>

對兩張影像執行線性混合。

引數

img1	第一張影像。僅支援 CV_8U 和 CV_32F 深度。
img2	第二張影像。必須與 img1 具有相同的大小和型別。
weights1	第一張影像的權重。必須與 img1 具有相同的大小。僅支援 CV_32F 型別。
weights2	第二張影像的權重。必須與 img2 具有相同的大小。僅支援 CV_32F 型別。
result	目標影像。
流	Stream 用於非同步版本。

connectedComponents() [1/2]

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

#include <opencv2/cudaimgproc.hpp>

計算二值影像的連通分量標記影像。

該函式接收一個二值影像作為輸入，並執行連通分量標記。輸出是一個影像，其中每個連通分量被賦予一個唯一的標籤（整數值）。ltype 指定輸出標籤影像的型別，這是一個重要考慮因素，取決於標籤的總數或源影像的總畫素數。ccltype 指定要使用的連通分量標記演算法，目前支援 BKE [13]，有關詳細資訊，請參見 ConnectedComponentsAlgorithmsTypes。請注意，輸出中的標籤不一定需要是連續的。

引數

影像	要標記的 8 位單通道影像。
labels	目標標記影像。
connectivity	用於標記過程的連通性。支援 8 向連通性。
ltype	輸出影像標籤型別。目前支援 CV_32S。
ccltype	連通分量演算法型別（參見 ConnectedComponentsAlgorithmsTypes）。

注意

一個演示 CUDA 中連通分量標記的示例程式可以在
opencv_contrib_source_code/modules/cudaimgproc/samples/connected_components.cpp

connectedComponents() [2/2]

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

#include <opencv2/cudaimgproc.hpp>

這是一個過載的成員函式，為方便起見而提供。它與上述函式的區別僅在於所接受的引數不同。

引數

影像	要標記的 8 位單通道影像。
labels	目標標記影像。
connectivity	用於標記過程的連通性。支援 8 向連通性。
ltype	輸出影像標籤型別。目前支援 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>

建立 cuda::CannyEdgeDetector 的實現。

引數

low_thresh	滯後過程的第一個閾值。
high_thresh	滯後過程的第二個閾值。
apperture_size	Sobel 運算元的孔徑大小。
L2gradient	指示是使用更準確的 \(L_2\) 範數 \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) 來計算影像梯度幅度（ L2gradient=true ），還是使用更快的預設 \(L_1\) 範數 \(=|dI/dx|+|dI/dy|\)（ L2gradient=false ）。

createTemplateMatching()

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

#include <opencv2/cudaimgproc.hpp>

建立 cuda::TemplateMatching 的實現。

引數

srcType	輸入源型別。目前支援 CV_32F 和 CV_8U 深度影像（1..4 通道）。
method	指定比較模板與影像的方式。
user_block_size	您可以使用 user_block_size 欄位設定特定的塊大小。如果您將其保留為預設值 Size(0,0)，則將使用自動估算的塊大小（這已針對速度進行了最佳化）。透過更改 user_block_size，您可以降低記憶體需求，但會犧牲速度。

目前支援 CV_8U 深度影像的以下方法

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

目前支援 CV_32F 影像的以下方法

• CV_TM_SQDIFF
• CV_TM_CCORR

另請參閱

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>

為源影像的每個點執行均值漂移（mean-shift）濾波。

引數

src	源影像。目前僅支援 CV_8UC4 影像。
dst	包含對映點顏色的目標影像。它與 src 具有相同的大小和型別。
sp	空間視窗半徑。
sr	顏色視窗半徑。
criteria	終止條件。參見 TermCriteria。
流	Stream 用於非同步版本。

它將源影像的每個點對映到另一個點。結果是每個點都有新的顏色和新位置。

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>

執行均值漂移過程，並在兩個影像中儲存有關處理點的資訊（其顏色和位置）。

引數

src	源影像。目前僅支援 CV_8UC4 影像。
dstr	包含對映點顏色的目標影像。大小和型別與 src 相同。
dstsp	包含對映點位置的目標影像。大小與 src 相同。型別為 CV_16SC2 。
sp	空間視窗半徑。
sr	顏色視窗半徑。
criteria	終止條件。參見 TermCriteria。
流	Stream 用於非同步版本。

另請參閱

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>

執行源影像的均值漂移分割並消除小分段。

引數

src	源影像。目前僅支援 CV_8UC4 影像。
dst	分割後的影像，大小和型別與 src 相同（主機或 GPU 記憶體）。
sp	空間視窗半徑。
sr	顏色視窗半徑。
minsize	最小段大小。較小的段將被合併。
criteria	終止條件。參見 TermCriteria。
流	Stream 用於非同步版本。