OpenCV CUDA模块图像过滤------创建一个盒式滤波器(Box Filter)函数createBoxFilter()

  • 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::createBoxFilter 是 OpenCV CUDA 模块中的一个工厂函数,用于创建一个 盒式滤波器(Box Filter),它在 GPU 上对图像进行卷积操作。这个滤波器常用于图像平滑(模糊),其原理是对图像中每个像素的邻域区域取平均值。

函数原型

cpp 复制代码
cv::Ptr<cv::cuda::Filter> cv::cuda::createBoxFilter
(
    int srcType,              // 输入图像类型
    int dstType,              // 输出图像类型(通常设为 -1 表示与输入相同)
    cv::Size ksize,           // 卷积核大小(例如 Size(5, 5))
    cv::Point anchor = cv::Point(-1, -1),  // 锚点位置,默认为中心点
    int borderMode = cv::BORDER_DEFAULT,   // 边界填充方式
    cv::Scalar borderVal = cv::Scalar::all(0)  // 常量边界时的填充值
);

参数说明

参数名 类型 描述
srcType int 输入图像的数据类型,如 CV_8UC3(8位无符号三通道图像)。
dstType int 输出图像的数据类型。若为 -1,表示与输入图像相同。
ksize cv::Size 卷积核大小(宽 x 高),例如 cv::Size(5, 5)。建议使用奇数尺寸以保证锚点居中。
anchor cv::Point 卷积核的锚点位置,默认是 (-1, -1),即中心点。
borderMode int 边界扩展模式,常用值:cv::BORDER_DEFAULT, cv::BORDER_CONSTANT, cv::BORDER_REPLICATE 等。
borderVal cv::Scalar 如果 borderMode == BORDER_CONSTANT,则用该值填充边界,默认为黑色(全零)。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/cudaimgproc.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/cudafilters.hpp>

int main()
{
    // 读取图像
    cv::Mat h_img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_COLOR );
    if ( h_img.empty() )
    {
        std::cerr << "Error: Image not found!" << std::endl;
        return -1;
    }

    // 将图像转换为支持的数据类型
    cv::Mat h_gray;
    if ( h_img.channels() == 3 )
    {
        cv::cvtColor( h_img, h_gray, cv::COLOR_BGR2GRAY );  // 转换为灰度图像
    }
    else if ( h_img.channels() == 4 )
    {
        std::vector< cv::Mat > channels;
        cv::split( h_img, channels );
        h_gray = channels[ 0 ];  // 使用第一个通道作为灰度图像
    }
    else
    {
        h_gray = h_img;  // 如果已经是单通道,则直接使用
    }

    // 上传图像到 GPU
    cv::cuda::GpuMat d_src, d_dst;
    d_src.upload( h_gray );

    // 创建 Box Filter
    cv::Ptr< cv::cuda::Filter > boxFilter = cv::cuda::createBoxFilter( d_src.type(),         // 输入图像类型
                                                                       -1,                   // 输出类型与输入一致
                                                                       cv::Size( 5, 5 ),     // 卷积核大小
                                                                       cv::Point( -1, -1 ),  // 锚点默认为中心
                                                                       cv::BORDER_DEFAULT    // 默认边界处理
    );

    // 应用滤波器
    boxFilter->apply( d_src, d_dst );

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

    // 显示结果
    cv::imshow( "Original", h_img );
    cv::imshow( "Box Filtered", h_dst );
    cv::waitKey( 0 );

    return 0;
}

运行结果

相关推荐
楚禾Noah12 分钟前
【设计模式实战】原型模式 + 工厂模式:AI Agent 配置中心
人工智能·设计模式·原型模式
灵智工坊LingzhiAI23 分钟前
基于深度学习的中草药识别系统:从零到部署的完整实践
人工智能·深度学习
今天也要学习吖43 分钟前
Azure TTS Importer:一键导入,将微软TTS语音接入你的阅读软件!
人工智能·学习·microsoft·ai·大模型·aigc·azure
星期天要睡觉1 小时前
(纯新手教学)计算机视觉(opencv)实战八——四种边缘检测详解:Sobel、Scharr、Laplacian、Canny
人工智能·opencv·计算机视觉
一念&1 小时前
今日科技热点 | 量子计算突破、AI芯片与5G加速行业变革
人工智能·科技·量子计算
2501_924731112 小时前
智慧矿山误报率↓83%!陌讯多模态融合算法在矿用设备监控的落地优化
人工智能·算法·目标检测·视觉检测
attitude.x2 小时前
GEO优化供应商:AI搜索时代的“答案”构建与移山科技的引领,2025高性价比实战指南
人工智能·科技
windSnowLi3 小时前
Python opencv识别图片中重叠圆的圆心位置
开发语言·python·opencv
井云AI3 小时前
井云智能体封装小程序:独立部署多开版 | 自定义LOGO/域名,打造专属AI智能体平台
人工智能·后端·小程序·前端框架·coze智能体·智能体网站·智能体小程序
张较瘦_3 小时前
[论文阅读] 人工智能 + 软件工程 | 技术债务管理新范式:五步法工作坊与行动研究实践
人工智能·软件工程