OpenCV CUDA模块图像过滤------创建一个 Sobel 滤波器函数createSobelFilter()

• 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

该函数用于创建一个 Sobel 滤波器，用于在 GPU 上进行边缘检测。它基于图像的梯度计算：

• dx 表示对 x 方向求导的阶数（0 或 1）
• dy 表示对 y 方向求导的阶数（0 或 1）
• 支持核大小为 1、3、5、7 等奇数尺寸（默认为 3）

由于是 CUDA 实现，适合大规模图像的高性能处理。

参数

参数名	类型	描述
srcType	int	输入图像的数据类型。例如：CV_8UC1, CV_32FC4 等。
dstType	int	输出图像的数据类型。通常与输入相同或转换为更高精度（如 CV_32F）。
dx	int	x 方向导数的阶数。取值为 0 或 1，表示是否对 x 方向求导。
dy	int	y 方向导数的阶数。取值为 0 或 1，表示是否对 y 方向求导。
ksize	int	Sobel 核大小，必须是正奇数，默认为 3。支持 1、3、5、7。
scale	double	可选比例因子，默认为 1。可用于对结果进行缩放（如归一化）。
rowBorderMode	int	垂直方向（行）的边界填充方式。常用值有 BORDER_DEFAULT, BORDER_REPLICATE 等。
columnBorderMode	int	水平方向（列）的边界填充方式，默认为 -1，表示与 rowBorderMode 相同。

返回值

返回一个指向 cv::cuda::Filter 的智能指针 (Ptr)，可以调用 .apply() 方法在 GPU 上执行 Sobel 边缘检测操作。

代码示例

以下是一个完整的使用 createSobelFilter 提取图像 x 和 y 方向梯度的示例代码:

#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>
#include <opencv2/cudafilters.hpp>

int main() {
    // 读取图像并上传到 GPU
    cv::Mat h_input = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_GRAYSCALE);
    if (h_input.empty()) {
        std::cerr << "无法加载图像！" << std::endl;
        return -1;
    }

    cv::cuda::GpuMat d_input, d_output_x, d_output_y;
    d_input.upload(h_input);

    // 创建 Sobel 滤波器（x方向）
    cv::Ptr<cv::cuda::Filter> sobelX = cv::cuda::createSobelFilter(
        d_input.type(),       // 输入类型
        CV_32F,               // 输出设为浮点型
        1,                    // x方向导数
        0,                    // y方向不导数
        3                     // 核大小
    );

    // 创建 Sobel 滤波器（y方向）
    cv::Ptr<cv::cuda::Filter> sobelY = cv::cuda::createSobelFilter(
        d_input.type(),
        CV_32F,
        0,
        1,
        3
    );

    // 应用滤波器
    sobelX->apply(d_input, d_output_x);
    sobelY->apply(d_input, d_output_y);

    // 下载结果并归一化显示
    cv::Mat h_output_x, h_output_y;
    d_output_x.download(h_output_x);
    d_output_y.download(h_output_y);

    cv::Mat out_x_u8, out_y_u8;
    cv::normalize(h_output_x, out_x_u8, 0, 255, cv::NORM_MINMAX, CV_8U);
    cv::normalize(h_output_y, out_y_u8, 0, 255, cv::NORM_MINMAX, CV_8U);

    cv::imshow("Sobel X", out_x_u8);
    cv::imshow("Sobel Y", out_y_u8);
    cv::waitKey(0);

    return 0;
}

运行结果