OpenCV CUDA模块图像处理-----对图像执行 均值漂移过程（Mean Shift Procedure）函数meanShiftProc()

• 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

执行一个均值漂移过程（mean-shift procedure），并将处理后的点的信息（它们的颜色和位置）存储在两幅图像中。

该函数将源图像中的每个像素映射到一个新的颜色和位置，从而实现：

• 颜色空间的聚类；
• 空间位置的平滑；
• 图像分割或风格化的预处理；

与 cv::cuda::meanShiftFiltering 不同的是，这个函数会输出两个结果：

• 颜色空间的结果（dstr）
• 空间位置的结果（dstsp）

函数原型

void cv::cuda::meanShiftProc 	
(
 	InputArray  	src,
	OutputArray  	dstr,
	OutputArray  	dstsp,
	int  	sp,
	int  	sr,
	TermCriteria  	criteria = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5, 1),
	Stream &  	stream = Stream::Null() 
) 		

参数

• src 源图像。目前仅支持 CV_8UC4 类型的图像（即：8位无符号整型、4通道图像）。
• dstr 目标图像，包含映射后点的颜色。其尺寸和类型与源图像相同。
• dstsp 目标图像，包含映射后点的位置。其尺寸与源图像相同，类型为 CV_16SC2（即：16位有符号整型的二维坐标）。
• sp 空间窗口半径（以像素为单位）。
• sr 颜色窗口半径（以颜色差异为单位）。
• criteria 终止条件。参见 TermCriteria 结构体，用于控制算法迭代的最大次数或收敛精度。
• stream 用于异步版本的 CUDA 流（Stream）。

代码示例

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

int main()
{
    // Step 1: 读取图像并转换为 BGRA（4通道）
    cv::Mat h_src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png" );
    if ( h_src.empty() )
    {
        std::cerr << "Failed to load image!" << std::endl;
        return -1;
    }

    cv::Mat h_rgba;
    cv::cvtColor( h_src, h_rgba, cv::COLOR_BGR2BGRA );

    // Step 2: 上传图像到 GPU
    cv::cuda::GpuMat d_src, d_str, d_sp;

    d_src.upload( h_rgba );

    // Step 3: 设置参数
    int sp = 10;  // 空间窗口大小
    int sr = 30;  // 颜色窗口大小

    // Step 4: 执行均值漂移过程
    cv::cuda::meanShiftProc( d_src, d_str, d_sp, sp, sr );

    // Step 5: 下载结果
    cv::Mat h_str, h_sp;
    d_str.download( h_str );  // 新颜色图像（CV_8UC4）
    d_sp.download( h_sp );    // 新空间坐标图像（CV_32FC4 或类似）

    // Step 6: 显示结果
    cv::imshow( "Original Image", h_src );
    cv::imshow( "Color Space Result", h_str );
    cv::waitKey( 0 );

    return 0;
}

运行结果