OpenCV CUDA 模块图像过滤------创建一个高斯滤波器函数createGaussianFilter()

• 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::createGaussianFilter 是 OpenCV CUDA 模块中的一个工厂函数，用于创建一个高斯滤波器。这个滤波器可以用来平滑图像，减少噪声，并且在很多计算机视觉任务中作为预处理步骤非常有用。

函数原型

cv::Ptr<cv::cuda::Filter> cv::cuda::createGaussianFilter
(
    int srcType,
    int dstType,
    cv::Size ksize,
    double sigma1,
    double sigma2 = 0,
    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。
ksize	cv::Size	高斯核大小（宽度和高度），必须为正奇数。如果设置为 (0, 0)，则根据 sigma1 和 sigma2 自动计算。
sigma1	double	x方向的标准差。
sigma2	double	y方向的标准差。如果设为 0，则与 sigma1 相同。
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 GPU
    cv::cuda::GpuMat d_src, d_dst;
    d_src.upload( h_img );

    // 创建高斯滤波器（ksize=5x5, sigmaX=1.5）
    cv::Ptr< cv::cuda::Filter > gaussianFilter = cv::cuda::createGaussianFilter( d_src.type(),      // 输入类型（CV_8UC1）
                                                                                 d_src.type(),      // 输出类型与输入相同
                                                                                 cv::Size( 5, 5 ),  // 核大小
                                                                                 1.5,               // sigmaX
                                                                                 1.5                // sigmaY
    );

    // 应用高斯滤波器
    gaussianFilter->apply( d_src, d_dst );

    // 下载结果回 CPU
    cv::Mat h_dst;
    d_dst.download( h_dst );

    // 显示原始图像及高斯模糊后的图像
    cv::imshow( "Original", h_img );
    cv::imshow( "Gaussian Blurred", h_dst );
    cv::waitKey( 0 );

    return 0;
}

运行结果