OpenCV CUDA模块图像变形------对图像进行GPU加速的透视变换函数warpPerspective()

  • 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

该函数用于对图像进行 GPU 加速的透视变换(Perspective Transformation),是 cv::warpPerspective 的 CUDA 版本。支持任意角度的投影变换,适用于图像矫正、视角变换等场景。

函数原型

cpp 复制代码
void cv::cuda::warpPerspective 	
(
 	InputArray  	src,
	OutputArray  	dst,
	InputArray  	M,
	Size  	dsize,
	int  	flags = INTER_LINEAR,
	int  	borderMode = BORDER_CONSTANT,
	Scalar  	borderValue = Scalar(),
	Stream &  	stream = Stream::Null() 
) 		

参数

参数名 说明
src 源图像。支持像素深度为 CV_8UCV_16UCV_32SCV_32F 的图像,通道数为 1、3 或 4。
dst 目标图像,类型与 src 相同,尺寸为 dsize
M 3x3 的透视变换矩阵(Mat 或 UMat 类型)。
dsize 输出图像的尺寸(宽 x 高)。
flags 插值方法组合(参考 resize 函数),以及可选标志 WARP_INVERSE_MAP,表示 M 是一个逆变换(即从目标图像到源图像的映射)。仅支持 INTER_NEARESTINTER_LINEARINTER_CUBIC 插值方法。
borderMode 像素外推方法(边界填充方式)。
borderValue 当边界模式为 BORDER_CONSTANT 时使用的填充值,默认为黑色(0)。
stream 用于异步版本的 CUDA 流对象。

代码示例

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

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

    // 上传到 GPU
    cv::cuda::GpuMat d_src, d_dst;
    d_src.upload( h_src );

    // 定义源图像中的四个点和目标图像中的对应点
    cv::Point2f srcPoints[ 4 ] = { { 0, 0 }, { h_src.cols - 1, 0 }, { 0, h_src.rows - 1 }, { h_src.cols - 1, h_src.rows - 1 } };

    cv::Point2f dstPoints[ 4 ] = {
        { h_src.cols * 0.1f, h_src.rows * 0.1f }, { h_src.cols * 0.9f, h_src.rows * 0.2f }, { h_src.cols * 0.2f, h_src.rows * 0.8f }, { h_src.cols * 0.8f, h_src.rows * 0.9f }
    };

    // 构造透视变换矩阵
    cv::Mat M = cv::getPerspectiveTransform( srcPoints, dstPoints );

    // 设置输出尺寸
    cv::Size dsize( h_src.cols, h_src.rows );

    // 执行透视变换
    cv::cuda::warpPerspective( d_src, d_dst, M, dsize, cv::INTER_LINEAR );

    // 下载并显示结果
    cv::Mat h_dst;
    d_dst.download( h_dst );
    cv::imshow( "Original Image", h_src );
    cv::imshow( "Warped Perspective Image", h_dst );
    cv::waitKey( 0 );

    return 0;
}

运行结果

相关推荐
桃源学社(接毕设)4 分钟前
基于MATLAB的运动模糊图像修复方法研究(LW+源码+讲解+部署)
图像处理·深度学习·计算机视觉·matlab·毕业设计·图像滤波去噪
钢铁男儿8 分钟前
PyTorch 机器学习基础(机器学习一般流程)
人工智能·pytorch·机器学习
老鱼说AI9 分钟前
当自回归模型遇上扩散模型:下一代序列预测模型详解与Pytorch实现
人工智能·pytorch·深度学习·神经网络·语言模型·自然语言处理·stable diffusion
兰亭妙微9 分钟前
用户体验设计 | 从UX到AX:人工智能如何重构交互范式?
人工智能·重构·ux
2501_9247311113 分钟前
智慧城市交通场景误检率↓78%!陌讯多模态融合算法实战解析
人工智能·算法·目标检测·视觉检测·智慧城市
掘金安东尼1 小时前
机器在看“断言”:AI 消费时代的内容策略升级
人工智能
木头左1 小时前
利用机器学习优化Backtrader策略原理与实践
人工智能·机器学习
2501_924534894 小时前
智慧零售商品识别误报率↓74%!陌讯多模态融合算法在自助结算场景的落地优化
大数据·人工智能·算法·计算机视觉·目标跟踪·视觉检测·零售
盖雅工场4 小时前
连锁零售排班难?自动排班系统来解决
大数据·人工智能·物联网·算法·零售
bryant_meng6 小时前
【Apache MXNet】
人工智能·apache·mxnet