OpenCV CUDA模块直方图计算------用于在 GPU 上执行对比度受限的自适应直方图均衡类cv::cuda::CLAHE

  • 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::CLAHE 是 OpenCV 的 CUDA 模块中提供的一个类,用于在 GPU 上执行对比度受限的自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization, CLAHE)。CLAHE 是一种图像处理技术,旨在提高图像局部区域的对比度,同时限制了对比度增强的程度以避免噪声的放大。

主要功能

  • 局部对比度增强:通过将图像划分为小块,并对每个小块进行直方图均衡化来提升局部对比度。
  • 对比度限制:通过设置阈值来限制单个灰度值的最大贡献,从而防止噪声被过度放大。
  • GPU 加速:利用 NVIDIA GPU 进行加速计算,适用于实时或高性能需求的应用场景。

类概述

以下是 cv::cuda::CLAHE 的一些关键成员函数和说明:

构造函数

cpp 复制代码
  CLAHE(double clipLimit=40.0, int tileGridSize=8):
复制代码
    clipLimit:对比度限制阈值。默认值为 40.0。
    tileGridSize:划分网格的大小(以像素为单位)。默认值为 8x8。

设置与获取参数

cpp 复制代码
 //设置对比度限制。
void setClipLimit
(
	double clipLimit
)
cpp 复制代码
double getClipLimit() const://获取对比度限制
cpp 复制代码
// 设置划分网格的大小。
 void setTilesGridSize
 (
 	cv::Size tileGridSize
 )
cpp 复制代码
cv::Size getTilesGridSize() const://获取划分网格的大小。

应用 CLAHE

cpp 复制代码
void apply
(
	InputArray src, 
	OutputArray dst
):
//在给定输入图像上应用 CLAHE 算法,并将结果存储在输出图像中。
复制代码
    src:输入图像,通常是灰度图像。
    dst:输出图像,与输入图像具有相同的尺寸和类型。

示例代码

以下是一个简单的例子,演示如何使用 cv::cuda::CLAHE 对图像进行处理:

cpp 复制代码
#include <opencv2/cudaarithm.hpp>   // 包含CUDA算术运算头文件
#include <opencv2/cudaimgproc.hpp>  // 包含CUDA图像处理头文件
#include <opencv2/opencv.hpp>

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

    // 将图像上传到GPU
    cv::cuda::GpuMat d_img;
    d_img.upload( img );

    // 创建CLAHE对象
    cv::Ptr< cv::cuda::CLAHE > clahe = cv::cuda::createCLAHE( 40.0, cv::Size( 8, 8 ) );

    // 输出图像
    cv::cuda::GpuMat d_result;

    // 应用CLAHE
    clahe->apply( d_img, d_result );

    // 下载结果到主机内存
    cv::Mat result;
    d_result.download( result );

    // 显示原始图像和处理后的图像
    cv::imshow( "Original Image", img );
    cv::imshow( "CLAHE Enhanced Image", result );
    cv::waitKey( 0 );

    return 0;
}

运行结果

相关推荐
Stara051110 分钟前
基于Coze平台的自动化情报采集与处理引擎—实现小红书图文到飞书的端到端同步
人工智能·大模型·ocr·飞书·工作流·ai agent·coze
聚客AI15 分钟前
智能体记忆系统的八大核心策略:让AI拥有“过目不忘”的超能力
人工智能
机器之心23 分钟前
DeepSeek梁文锋NSA论文、北大杨耀东团队摘得ACL 2025最佳论文
人工智能
机器之心26 分钟前
刚刚,扎克伯格公开信:Meta不会开源全部模型
人工智能
后端小肥肠33 分钟前
1 分钟出 10w + 职场漫画!Coze 一键生成,小白也能轻松拿捏
人工智能·aigc·coze
星期天要睡觉1 小时前
机器学习——KNN实现手写数字识别:基于 OpenCV 和 scikit-learn 的实战教学 (超级超级超级简单)
人工智能·opencv·scikit-learn·knn
爱看科技1 小时前
AI定义2025世界人工智能大会,腾讯/微美全息立足浪潮催生开源模型生态产业
人工智能
极客小俊1 小时前
1小时搭建免费AI知识库
人工智能
音视频牛哥2 小时前
Android端RTMP低延迟播放器在工业与智能场景下的架构与落地
人工智能·机器学习·音视频开发