当前位置: 首页 > ds >正文

OpenCV CUDA 模块图像过滤-----创建一个计算图像导数的滤波器函数createDerivFilter()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::cuda::createDerivFilter 是 OpenCV CUDA 模块中的一个工厂函数,用于创建一个计算图像导数的滤波器。这个滤波器可以用来计算图像在 x 方向和 y 方向上的任意阶导数。它特别适用于边缘检测、特征提取等计算机视觉任务。

函数原型

cv::Ptr<cv::cuda::Filter> cv::cuda::createDerivFilter
(int srcType,int dstType,int dx,int dy,int ksize,bool normalize = false,double scale = 1,int rowBorderMode = cv::BORDER_DEFAULT,int columnBorderMode = -1
);

参数

参数名类型描述
srcTypeint输入图像类型,例如 CV_8UC1, CV_32FC1 等。
dstTypeint输出图像类型,通常与输入类型相同或根据需求指定。
dxintx方向上的导数阶数(0表示不计算x方向导数)。
dyinty方向上的导数阶数(0表示不计算y方向导数)。
ksizeint使用的Sobel核大小(必须是奇数且大于1),例如3, 5, 7等。
normalizebool是否对结果进行归一化处理,默认为 false。
scaledouble计算导数值时的缩放因子,默认为 1。
rowBorderModeint行方向上的边界填充模式,默认为 cv::BORDER_DEFAULT。
columnBorderModeint列方向上的边界填充模式,默认使用 rowBorderMode 的值(即 -1)。

代码示例

include <opencv2/cudafilters.hpp>
#include <opencv2/cudaimgproc.hpp>
#include <opencv2/opencv.hpp>int main()
{// 读取灰度图像cv::Mat h_img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_GRAYSCALE );if ( h_img.empty() ){std::cerr << "Error: Image not found!" << std::endl;return -1;}// 上传到 GPUcv::cuda::GpuMat d_src, d_dst_x, d_dst_y;d_src.upload(h_img);// 创建x方向导数滤波器(ksize=3)cv::Ptr<cv::cuda::Filter> derivXFilter = cv::cuda::createDerivFilter(d_src.type(),   // 输入类型(CV_8UC1)CV_32FC1,       // 输出类型(浮点数类型更合适)1,              // dx = 1 表示计算x方向一阶导数0,              // dy = 0 不计算y方向导数3               // Sobel核大小);// 应用x方向导数滤波器derivXFilter->apply(d_src, d_dst_x);// 创建y方向导数滤波器(ksize=3)cv::Ptr<cv::cuda::Filter> derivYFilter = cv::cuda::createDerivFilter(d_src.type(),   // 输入类型(CV_8UC1)CV_32FC1,       // 输出类型(浮点数类型更合适)0,              // dx = 0 不计算x方向导数1,              // dy = 1 表示计算y方向一阶导数3               // Sobel核大小);// 应用y方向导数滤波器derivYFilter->apply(d_src, d_dst_y);// 下载结果回 CPUcv::Mat h_dst_x_f, h_dst_y_f; // 浮点数结果d_dst_x.download(h_dst_x_f);d_dst_y.download(h_dst_y_f);// 归一化处理以便显示cv::Mat h_dst_x_8u, h_dst_y_8u; // 用于显示的8位无符号整数结果cv::normalize(h_dst_x_f, h_dst_x_8u, 0, 255, cv::NORM_MINMAX, CV_8U);cv::normalize(h_dst_y_f, h_dst_y_8u, 0, 255, cv::NORM_MINMAX, CV_8U);// 显示原始图像及导数图像cv::imshow("Original", h_img);cv::imshow("X Direction Derivative", h_dst_x_8u);cv::imshow("Y Direction Derivative", h_dst_y_8u);cv::waitKey(0);return 0;
}

运行结果

在这里插入图片描述

http://www.xdnf.cn/news/8257.html

相关文章:

  • 深入剖析小红书笔记详情接口:技术原理与实战应用
  • 技术篇-2.1.C\C++应用场景及开发工具安装
  • Python训练营打卡——DAY33(2025.5.22)
  • 并发编程之异步线程池
  • 【运维实战】Python打造基于免费API的IP地址归属地批量查询工具!
  • 5.0.6 TreeView的使用介绍
  • find-chomd-read-ls和ll的区别
  • Crawl4AI:高效的AI数据抓取工具
  • Spring概念问题详解
  • [C++面试] 基础题
  • springboot 集成kerberos 用户认证 获取域账号
  • 完整改进RIME算法,基于修正多项式微分学习算子Rime-ice增长优化器,完整MATLAB代码获取
  • 【数据结构】 栈和队列
  • 微软全新开源的Agentic Web网络项目:NLWeb,到底是什么 ?
  • 鸿蒙App开发学习路径
  • JAVA|后端编码规范
  • 仿腾讯会议——视频发送接收
  • 计算机发展史
  • 从零基础到最佳实践:Vue.js 系列(7/10):《常用内置 API 与插件》
  • scratch课后一练--事件模块
  • Linux系统编程 | IPC对象---消息队列
  • DeepSeek:开启IT领域人效管理新时代
  • Java-根据路径获取JSON字符串的value值
  • zabbix 常见问题
  • 深入解析JVM垃圾回收器:原理、实践与调优指南
  • 实用重复文件批量处理工具
  • 关于SQL SERVER中round函数的用法和示例
  • 一台机器怎么部署k8s集群
  • React-fiber架构
  • Python可视化设计原则