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
Forget the Dream23 分钟前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai
郝学胜-神的一滴1 小时前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
火山引擎开发者社区1 小时前
豆包工作,3 个月,800 万,20 亿
人工智能
Chuck.li1 小时前
AI 长篇创作工具选型:工作流对照与自测清单
人工智能·大模型·ai写作·网文作者·ai网文·豆包写作
aleimu1 小时前
Windows 11 右键打开 Cmder 2.0:从找不到菜单到默认使用 Cmder
前端·人工智能·后端
SwanArc技术笔记2 小时前
读技术文档,先用哪个 AI?模型指南筛选与 GPT-6.2 Astra 实操
人工智能
深海鱼在掘金2 小时前
深入浅出RAG——第21章:回顾与展望
人工智能
羲云网络2 小时前
GPT Image 2.6 GIF 交付排障:上线后为什么只剩第一帧?
图像处理·人工智能·前端开发·gif
安爹前沿AI2 小时前
Seedance 有个文档里没写的参数:开了码率涨 3.9 倍,费用一分没多
人工智能
深海鱼在掘金2 小时前
深入浅出RAG——第20章:端到端实战:企业级知识库问答系统
人工智能