OpenCVCUDA 模块中在 GPU 上对图像或矩阵进行 边界填充（padding）函数copyMakeBorder()

• 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::copyMakeBorder 是 OpenCV 的 CUDA 模块中的一个函数，用于在 GPU 上对图像或矩阵进行 边界填充（padding）。它类似于 CPU 版本的 cv::copyMakeBorder，但运行在 GPU 上，适用于 cv::cuda::GpuMat 数据。

函数原型

void cv::cuda::copyMakeBorder
(
    InputArray src,
    OutputArray dst,
    int top,
    int bottom,
    int left,
    int right,
    int borderType,
    Scalar value = Scalar(),
    Stream& stream = Stream::Null()
)

参数

参数名	类型	描述
src	InputArray	输入图像（可以是 cv::Mat 或 cv::cuda::GpuMat）。
dst	OutputArray	输出图像（与输入类型一致，通常为 cv::cuda::GpuMat）。
top	int	顶部添加的像素行数。
bottom	int	底部添加的像素行数。
left	int	左侧添加的像素列数。
right	int	右侧添加的像素列数。
borderType	int	边界类型，见下文说明。
value	Scalar	如果边界类型为 BORDER_CONSTANT，则使用该值填充，默认为 0。
stream	Stream&	CUDA 流对象，用于异步执行。默认为 Stream::Null()，即同步执行。

功能描述

该函数将输入图像复制到输出图像中，并在其四周添加指定大小的边框区域。这个操作常用于：

• 卷积前的图像填充；
• 图像尺寸调整；
• 构造更大的图像画布；
• 预处理阶段满足某些算法对输入尺寸的要求

边界类型 (borderType)

支持以下几种常见的边界填充方式：

类型	含义
BORDER_CONSTANT	使用固定值填充边界（需提供 value 参数）
BORDER_REPLICATE	复制最边缘的像素值来填充边界
BORDER_REFLECT	对称反射填充，不包括边缘像素：例如 `1 2 3 → 3 2 1
BORDER_REFLECT_101 / BORDER_DEFAULT	对称反射填充，包括边缘像素：例如 `1 2 3 → 2 1 2 3
BORDER_WRAP	包裹填充：例如 `1 2 3 → 3 1 2 3

代码示例

#include <opencv2/cudaarithm.hpp>
#include <opencv2/cudaimgproc.hpp>  // 必须包含 cudaimgproc 才能使用 copyMakeBorder
#include <opencv2/opencv.hpp>

int main()
{
    // 创建测试图像（CPU）
    cv::Mat h_src = ( cv::Mat_< uchar >( 3, 3 ) << 1, 2, 3, 4, 5, 6, 7, 8, 9 );

    // 上传到 GPU
    cv::cuda::GpuMat d_src;
    d_src.upload( h_src );

    // 设置边界参数
    int top = 1, bottom = 1, left = 1, right = 1;
    int borderType = cv::BORDER_CONSTANT;
    cv::Scalar value( 0 );  // 填充黑色边界

    // 调用 copyMakeBorder
    cv::cuda::GpuMat d_dst;
    cv::cuda::copyMakeBorder( d_src, d_dst, top, bottom, left, right, borderType, value );

    // 下载回 CPU
    cv::Mat h_dst;
    d_dst.download( h_dst );

    std::cout << "Original:\n" << h_src << std::endl;
    std::cout << "Padded:\n" << h_dst << std::endl;

    return 0;
}

运行结果

Original:
[ 1,  2,  3;
  4,  5,  6;
  7,  8,  9]

Padded:
[ 0,  0,  0,  0,  0;
  0,  1,  2,  3,  0;
  0,  4,  5,  6,  0;
  0,  7,  8,  9,  0;
  0,  0,  0,  0,  0]