东莞市长安镇做网站深圳网站提升排名
- 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
在 OpenCV 的 CUDA 模块中，与范数（Norm）相关的函数主要用于计算矩阵的范数或者两个矩阵之间的差值范数。
主要函数
1.计算单个 GPU 矩阵的范数:norm
原型
double cv::cuda::norm
(InputArray src1, // 输入 GPU 矩阵int normType = NORM_L2, // 范数类型，默认为L2范数InputArray mask = noArray() // 可选掩码，用于选择性地应用范数计算到src1的部分区域
);
参数
- InputArray src1: 需要计算范数的输入 GPU 矩阵。
- int normType: 指定使用的范数类型。常见的有：
- NORM_INF: 无穷范数，等于绝对值最大的元素。
- NORM_L1: L1范数，所有元素绝对值之和。
- NORM_L2: L2范数，平方和的平方根。
- InputArray mask: 可选参数，如果提供，则只对mask中非零元素对应的src1部分进行计算。
2.计算两个 GPU 矩阵之间的差值范数norm
原型
double cv::cuda::norm
(InputArray src1, // 第一个输入 GPU 矩阵InputArray src2, // 第二个输入 GPU 矩阵，尺寸/类型相同int normType = NORM_L2 // 范数类型，默认为L2范数
);
参数
- InputArray src2: 第二个输入 GPU 矩阵，要求与src1具有相同的尺寸和通道数。
- 其余参数同上。
3.异步计算单个 GPU 矩阵的范数calcNorm
原型
void cv::cuda::calcNorm
(InputArray src, // 输入 GPU 矩阵OutputArray dst, // 输出结果，标量int normType, // 范数类型InputArray mask = noArray(), // 可选掩码Stream& stream = Stream::Null() // 可选 CUDA 流
);
参数
- OutputArray dst: 输出结果，通常是一个 GpuMat 或者 Scalar，表示计算出的范数值。
- Stream& stream: 可选参数，指定执行此操作的CUDA流，默认为 Stream::Null() 表示使用默认流。
4.异步计算两个 GPU 矩阵之间的差值范数calcNormDiff
原型
void cv::cuda::calcNormDiff
(InputArray src1, // 第一个输入 GPU 矩阵InputArray src2, // 第二个输入 GPU 矩阵，尺寸/类型相同OutputArray dst, // 输出结果，标量int normType = NORM_L2, // 范数类型，默认为L2范数Stream& stream = Stream::Null() // 可选 CUDA 流
);
参数
- InputArray src2: 第二个输入 GPU 矩阵，要求与src1具有相同的尺寸和通道数。
- 其余参数同上。
代码示例
#include <opencv2/opencv.hpp>
#include <opencv2/cudaarithm.hpp>
#include <iostream>int main() {// 创建两个 float 类型的 3x3 测试矩阵cv::Mat h_mat1 = (cv::Mat_<float>(3, 3) <<1.0f, -2.0f, 3.0f,-4.0f, 5.0f, -6.0f,7.0f, -8.0f, 9.0f);cv::Mat h_mat2 = cv::Mat::zeros(h_mat1.size(), h_mat1.type());// 创建一个 mask 矩阵（只允许中心区域参与计算）cv::Mat h_mask = cv::Mat::zeros(h_mat1.size(), CV_8UC1);cv::rectangle(h_mask, cv::Rect(1, 1, 1, 1), cv::Scalar(255), cv::FILLED); // 中心像素// 将数据转换为 CV_8UC1 类型cv::Mat h_mat1_8u, h_mat2_8u;h_mat1.convertTo(h_mat1_8u, CV_8UC1);h_mat2.convertTo(h_mat2_8u, CV_8UC1);// 上传到 GPUcv::cuda::GpuMat d_mat1, d_mat2, d_mask;d_mat1.upload(h_mat1_8u);d_mat2.upload(h_mat2_8u);d_mask.upload(h_mask);// 存储异步结果的 GpuMatcv::cuda::GpuMat d_norm_result;// 创建 CUDA 流cv::cuda::Stream stream;// 1️⃣ 同步：单矩阵 L2 范数（带 mask）double l2_norm = cv::cuda::norm(d_mat1, cv::NORM_L2, d_mask);std::cout << "Sync L2 Norm of mat1 (with mask): " << l2_norm << std::endl;// 2️⃣ 同步：两矩阵之间的 L2 差值范数double diff_norm = cv::cuda::norm(d_mat1, d_mat2, cv::NORM_L2);std::cout << "Sync L2 Diff Norm between mat1 and mat2: " << diff_norm << std::endl;// 3️⃣ 异步：单矩阵 L1 范数cv::cuda::calcNorm(d_mat1, d_norm_result, cv::NORM_L1, cv::noArray(), stream);stream.waitForCompletion();cv::Mat host_norm;d_norm_result.download(host_norm);double async_l1_norm = host_norm.at<double>(0, 0);std::cout << "Async L1 Norm of mat1: " << async_l1_norm << std::endl;// 4️⃣ ✅ 异步：两个矩阵之间的 L2 差值范数（必须调用 calcNormDiff）cv::cuda::calcNormDiff(d_mat1, d_mat2, d_norm_result, cv::NORM_L2, stream);stream.waitForCompletion();d_norm_result.download(host_norm);double async_diff_norm = host_norm.at<double>(0, 0);std::cout << "Async L2 Diff Norm between mat1 and mat2: " << async_diff_norm << std::endl;return 0;
}
运行结果
Sync L2 Norm of mat1 (with mask): 5
Sync L2 Diff Norm between mat1 and mat2: 12.8452
Async L1 Norm of mat1: 25
Async L2 Diff Norm between mat1 and mat2: 12.8452