小米商城兰州做网络优化
- 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 Sobel 滤波器，用于在 GPU 上进行边缘检测。它基于图像的梯度计算：
- dx 表示对 x 方向求导的阶数（0 或 1）
- dy 表示对 y 方向求导的阶数（0 或 1）
- 支持核大小为 1、3、5、7 等奇数尺寸（默认为 3）
由于是 CUDA 实现，适合大规模图像的高性能处理。
参数
| 参数名 | 类型 | 描述 |
|---|---|---|
srcType | int | 输入图像的数据类型。例如：CV_8UC1, CV_32FC4 等。 |
dstType | int | 输出图像的数据类型。通常与输入相同或转换为更高精度（如 CV_32F）。 |
dx | int | x 方向导数的阶数。取值为 0 或 1，表示是否对 x 方向求导。 |
dy | int | y 方向导数的阶数。取值为 0 或 1，表示是否对 y 方向求导。 |
ksize | int | Sobel 核大小，必须是正奇数，默认为 3。支持 1、3、5、7。 |
scale | double | 可选比例因子，默认为 1。可用于对结果进行缩放（如归一化）。 |
rowBorderMode | int | 垂直方向（行）的边界填充方式。常用值有 BORDER_DEFAULT, BORDER_REPLICATE 等。 |
columnBorderMode | int | 水平方向（列）的边界填充方式，默认为 -1，表示与 rowBorderMode 相同。 |
返回值
返回一个指向 cv::cuda::Filter 的智能指针 (Ptr)，可以调用 .apply() 方法在 GPU 上执行 Sobel 边缘检测操作。
代码示例
以下是一个完整的使用 createSobelFilter 提取图像 x 和 y 方向梯度的示例代码:
#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>
#include <opencv2/cudafilters.hpp>int main() {// 读取图像并上传到 GPUcv::Mat h_input = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_GRAYSCALE);if (h_input.empty()) {std::cerr << "无法加载图像！" << std::endl;return -1;}cv::cuda::GpuMat d_input, d_output_x, d_output_y;d_input.upload(h_input);// 创建 Sobel 滤波器（x方向）cv::Ptr<cv::cuda::Filter> sobelX = cv::cuda::createSobelFilter(d_input.type(), // 输入类型CV_32F, // 输出设为浮点型1, // x方向导数0, // y方向不导数3 // 核大小);// 创建 Sobel 滤波器（y方向）cv::Ptr<cv::cuda::Filter> sobelY = cv::cuda::createSobelFilter(d_input.type(),CV_32F,0,1,3);// 应用滤波器sobelX->apply(d_input, d_output_x);sobelY->apply(d_input, d_output_y);// 下载结果并归一化显示cv::Mat h_output_x, h_output_y;d_output_x.download(h_output_x);d_output_y.download(h_output_y);cv::Mat out_x_u8, out_y_u8;cv::normalize(h_output_x, out_x_u8, 0, 255, cv::NORM_MINMAX, CV_8U);cv::normalize(h_output_y, out_y_u8, 0, 255, cv::NORM_MINMAX, CV_8U);cv::imshow("Sobel X", out_x_u8);cv::imshow("Sobel Y", out_y_u8);cv::waitKey(0);return 0;
}
运行结果
