OpenCV CUDA模块图像处理------创建CUDA加速的Canny边缘检测器对象createCannyEdgeDetector()

  • 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 CUDA 加速的 Canny 边缘检测器对象(CannyEdgeDetector),可以在 GPU 上高效执行 Canny 边缘检测算法。

它返回的是一个智能指针 Ptr,可以通过这个指针调用 .detect() 方法来对图像进行边缘检测。

Canny 是一种经典的多阶段边缘检测算法,包含以下几个步骤:

  • 高斯滤波去噪(用户需自行预处理)
  • 计算图像梯度幅值和方向
  • 非极大值抑制(Non-Maximum Suppression)
  • 滞后阈值处理(Hysteresis Thresholding)

OpenCV 的 cv::cuda::CannyEdgeDetector 类在 GPU 上实现了上述流程,适用于需要实时性或大规模图像处理的场景。

函数原型

cpp 复制代码
Ptr<CannyEdgeDetector> cv::cuda::createCannyEdgeDetector 	
(
 	double  	low_thresh,
	double  	high_thresh,
	int  	apperture_size = 3,
	bool  	L2gradient = false 
) 		

参数

  • low_thresh 滞后阈值处理(hysteresis procedure)中的第一个阈值(低阈值)。用于边缘连接,低于此值的边缘点通常会被抑制。
  • high_thresh 滞后阈值处理中的第二个阈值(高阈值)。高于此值的像素被认为是强边缘点(strong edges),会被保留。
  • aperture_size Sobel 算子使用的孔径大小(即卷积核的尺寸)。用于计算图像梯度。常用的值为 3、5 或 7。
  • L2gradient 一个标志,表示是否使用更精确的 L2 范数来计算图像梯度幅值:
    L 2 n o r m = ( d I / d x ) 2 + ( d I / d y ) 2 L_2 norm =\sqrt{(dI/dx)^2 + (dI/dy)^2} L2norm=(dI/dx)2+(dI/dy)2 当 L2gradient = true 时使用该方式;否则使用更快但精度稍低的 L1 范数:
    L 1 n o r m = ∣ d I / d x ∣ + ∣ d I / d y ∣ L_1 norm=|dI/dx|+|dI/dy| L1norm=∣dI/dx∣+∣dI/dy∣

代码示例

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

int main()
{
    // Step 1: 读取图像并转换为灰度图
    cv::Mat h_img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/stich1.png", cv::IMREAD_GRAYSCALE );
    if ( h_img.empty() )
    {
        std::cerr << "Failed to load image!" << std::endl;
        return -1;
    }

    // Step 2: 图像上传到 GPU
    cv::cuda::GpuMat d_img, d_edges;
    d_img.upload( h_img );

    // Step 3: 创建 Canny 边缘检测器(GPU 版)
    double low_thresh                            = 50;
    double high_thresh                           = 150;
    cv::Ptr< cv::cuda::CannyEdgeDetector > canny = cv::cuda::createCannyEdgeDetector( low_thresh, high_thresh );

    // Step 4: 执行边缘检测
    canny->detect( d_img, d_edges );

    // Step 5: 下载结果并显示
    cv::Mat h_edges;
    d_edges.download( h_edges );

    cv::imshow( "Original Image", h_img );
    cv::imshow( "Edges", h_edges );
    cv::waitKey( 0 );

    return 0;
}

运行结果

复制代码
​
相关推荐
VIP_CQCRE2 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
泯泷3 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我4 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁014 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
Csvn4 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄5 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下6 小时前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码6 小时前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
锋行天下6 小时前
langgraph 全栈项目(二)
前端·人工智能·后端
大模型真好玩7 小时前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦
人工智能·aigc·deepseek