- 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 |
|---|---|---|
| srcType | int | 输入图像类型，例如 CV_8UC1, CV_32FC1 等。 |
| dstType | int | 输出图像类型，通常与输入类型相同或根据需求指定。 |
| dx | int | x方向上的导数阶数（0表示不计算x方向导数）。 |
| dy | int | y方向上的导数阶数（0表示不计算y方向导数）。 |
| ksize | int | 使用的Sobel核大小（必须是奇数且大于1），例如3, 5, 7等。 |
| normalize | bool | 是否对结果进行归一化处理，默认为 false。 |
| scale | double | 计算导数值时的缩放因子，默认为 1。 |
| rowBorderMode | int | 行方向上的边界填充模式，默认为 cv::BORDER_DEFAULT。 |
| columnBorderMode | int | 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
