OpenCV 图形API(29)图像滤波-----GMat类

  • 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::GMat 是 OpenCV 的 G-API 模块中的一个核心类,用于定义计算图中的数据节点。G-API 是 OpenCV 中的一个模块,旨在通过定义高效、可优化的图像处理管道来加速图像处理任务。cv::GMat 类似于传统 OpenCV 中的 cv::Mat,但它不是直接存储图像数据,而是表示计算图中的一个操作或节点。

主要特性

  • 计算图节点:cv::GMat 表示 G-API 计算图中的一个输入或中间结果。它不直接存储图像数据,而是代表一个将要执行的操作。

  • 链式调用:可以使用一系列的图像处理函数(如滤波器、形态学操作等)对 cv::GMat 对象进行操作,形成一个链式调用模式,构建复杂的图像处理流程。

  • 编译与执行:一旦定义了计算图,可以通过 cv::GComputation 来编译和执行这些图。这允许对整个图像处理流程进行优化和加速。

常见成员函数

虽然 cv::GMat 本身没有太多成员函数,但它是许多 G-API 图像处理函数的输入或输出类型。以下是一些常见的基于 cv::GMat 的操作:

创建 GMat 对象

通常不需要直接创建 cv::GMat 对象,它们通常是作为输入参数传入或通过其他 G-API 函数生成。

cpp 复制代码
cv::GMat in; // 定义一个GMat对象作为输入

图像处理操作

你可以对 cv::GMat 对象应用各种图像处理操作,例如:

滤波:

cpp 复制代码
auto blurred = cv::gapi::boxFilter(in, CV_8U, cv::Size(5, 5));

形态学操作:

cpp 复制代码
auto dilated = cv::gapi::dilate3x3(in);

颜色空间转换:

cpp 复制代码
auto gray = cv::gapi::cvtColor(in, cv::COLOR_BGR2GRAY);

编译和执行计算图

使用 cv::GComputation 来编译和执行包含 cv::GMat 节点的计算图:

cpp 复制代码
cv::GComputation comp(cv::GIn(in), cv::GOut(dilated));
cv::Mat result;
comp.apply(src_mat, result, cv::compile_args(cv::gapi::kernels()));

核心概念

cv::GMat 类在 G-API 计算图中代表图像或张量数据。它本身并不存储任何实际的数据,而是描述了操作之间的功能关系,这些操作会消费和生成 GMat 对象。理解 cv::GMat 的本质有助于更好地利用 G-API 进行高效的图像处理。

  • 计算图中的节点:

    cv::GMat 作为计算图中的一个节点存在,表示某个图像处理操作的输入或输出。它并不直接存储像素数据,而是定义了如何通过一系列的操作来处理图像数据。

  • 与 cv::Mat 和 cv::UMat 的关系:

    cv::GMat 是 cv::Mat 和 cv::UMat 的虚拟对应物,但它并不意味着 G-API 内部使用 cv::Mat 或 cv::UMat 来表示 cv::GMat 对象。实际上,cv::GMat 的内部数据表示可能依赖于特定的后端实现,甚至可以被优化掉以提高性能。

  • 无数据存储:

    cv::GMat 本身不存储任何数据。它的主要作用是定义图像处理管道中的各个步骤以及这些步骤之间的依赖关系。实际的数据处理是在执行阶段完成的,通常由 G-API 后端负责。

结论

  • cv::GMat:用于在 G-API 计算图中表示图像或张量数据,但不存储实际数据。
  • 计算图:通过 cv::GMat 对象和一系列图像处理函数构建的高效图像处理管道。
  • 编译与执行:通过 cv::GComputation 编译计算图并在运行时执行,支持多种后端优化。
相关推荐
万岳科技系统开发4 分钟前
校园跑腿外卖搭建助力高校周边商家拓展线上业务
大数据·人工智能·小程序
冬奇Lab9 分钟前
开源项目第173期:AI For Beginners — 微软出品的 12 周 24 课 AI 完整课程
人工智能·开源·资讯
陈彬深大13 分钟前
《AI 渐进编程》之二十三:自适应调度——什么时候启用多Agent流水线
人工智能
invicinble13 分钟前
搭建智能体--skill和mcp的进一步理解
人工智能
周末程序猿24 分钟前
LLM智能路由实践:通过 Harness 工程节约模型成本
人工智能·agent
冬奇Lab26 分钟前
代码库知识库系列(04):三种 Chunking 策略对比——AST 精确分割反而输了?
人工智能
宋哥转AI1 小时前
深入理解 AI Agent 02|混合检索与重排序实战:BM25、RRF 与 Cross-Encoder 的工程实践
人工智能
LaughingZhu1 小时前
Product Hunt 每日热榜 | 2026-08-01
人工智能·深度学习·神经网络·搜索引擎·百度
小燕子~~1 小时前
PS 怎么调整图片尺寸?4 种方法避免拉伸变形与放大失真
图像处理·人工智能·ai·aigc·photoshop
小K讲AI营销2 小时前
AI 链定价逻辑切换:用“估值透支“框架重估一个月跌三成
人工智能