- 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
该函数创建一个 基于 Harris 算法的角点响应计算对象，专门用于在 GPU 上进行高效计算。
它返回的是一个 cv::Ptrcv::cuda::CornernessCriteria 类型的对象，可用于后续调用 .compute() 方法对图像进行角点响应值计算。
函数原型
Ptr<CornernessCriteria> cv::cuda::createHarrisCorner
(int srcType,int blockSize,int ksize,double k,int borderType = BORDER_REFLECT101
)
参数
-
srcType 输入源类型。目前仅支持 CV_8UC1 和 CV_32FC1。
-
blockSize 邻域大小。
-
ksize Sobel 算子的孔径参数（用于计算梯度）。
-
k Harris 检测器的自由参数。
-
borderType 像素外推方法（边界填充方式）。目前仅支持 BORDER_REFLECT101 和 BORDER_REPLICATE。
代码示例
#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>
#include <iostream>int main() {// Step 1: 加载灰度图cv::Mat h_img = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/chessboard.png", cv::IMREAD_GRAYSCALE);if (h_img.empty()) {std::cerr << "Failed to load image!" << std::endl;return -1;}// Step 2: 将图像上传到 GPUcv::cuda::GpuMat d_img, d_corners;d_img.upload(h_img);// Step 3: 创建 Harris 角点检测器int srcType = d_img.type();int blockSize = 3;int ksize = 3;double k = 0.04;cv::Ptr<cv::cuda::CornernessCriteria> criteria = cv::cuda::createHarrisCorner(srcType, blockSize, ksize, k);// Step 4: 执行角点响应计算criteria->compute(d_img, d_corners);// Step 5: 下载结果并显示cv::Mat h_corners;d_corners.download(h_corners);cv::normalize(h_corners, h_corners, 0, 255, cv::NORM_MINMAX, CV_8U);cv::imshow("original picture", h_img);cv::imshow("Harris Corner Response", h_corners);cv::waitKey(0);return 0;
}
运行结果
