OpenCV CUDA模块结构分析与形状描述符------在 GPU 上计算图像的原始矩（spatial moments）函数spatialMoments()

news2025/6/5 9:10:06

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

该函数用于在 GPU 上计算图像的原始矩（spatial moments）。这些矩可用于描述图像中物体的形状特征，如面积、质心等。

与 cv::cuda::moments(…) 不同的是，这个函数将结果写入一个 OutputArray 中，而不是返回结构体。因此它更适合需要手动处理矩数组的应用场景。

参数

参数名	类型	描述
src	InputArray	输入图像，支持 CV_8U, CV_16U, 或 CV_32S 类型，单通道图像。如果 binaryImage 为 true，则应为二值图像（前景非零，背景为零）。
moments	OutputArray	输出矩数组，是一个一维数组，长度由 order 决定（见下文），数据类型由 momentsType 指定。
binaryImage	const bool	如果为 true，则假设输入图像是二值图像；否则按灰度图处理。默认为 false。
order	const MomentsOrder	要计算的矩的最大阶数，可选：
		- FIRST_ORDER_MOMENTS：仅计算到一阶矩（共 4 个矩）
		- SECOND_ORDER_MOMENTS：计算到二阶矩（共 9 个矩）
		- THIRD_ORDER_MOMENTS：计算到三阶矩（共 16 个矩）
momentsType	const int	矩的数据类型，通常为 CV_64F（双精度浮点数），也可以是 CV_32F。
stream	Stream&	可选的 CUDA 流对象，用于异步执行。默认为同步执行（Stream::Null()）。

注意：

为了获得最佳性能，请预先分配一个一维 GpuMat 用于存储矩（moments），其类型和大小必须足以容纳指定阶数下的所有图像矩。

例如：当 order == MomentsOrder::SECOND_ORDER_MOMENTS 且 momentsType == CV_32F 时，可以这样分配：

GpuMat momentsDevice(1, numMoments(MomentsOrder::SECOND_ORDER_MOMENTS), CV_32F);

下载矩数组后，可以在主机端使用 cv::Moments 构造函数轻松地计算中心矩（central moments）和归一化矩（normalized moments）。例如：

HostMem momentsHostMem(1, numMoments(MomentsOrder::SECOND_ORDER_MOMENTS), CV_32F);
momentsDevice.download(momentsHostMem, stream);
stream.waitForCompletion();
Mat momentsMat = momentsHostMem.createMatHeader();
cv::Moments cvMoments(
    momentsMat.at<float>(0), momentsMat.at<float>(1),
    momentsMat.at<float>(2), momentsMat.at<float>(3),
    momentsMat.at<float>(4), momentsMat.at<float>(5),
    momentsMat.at<float>(6), momentsMat.at<float>(7),
    momentsMat.at<float>(8), momentsMat.at<float>(9)
);

示例详见 OpenCV 贡献模块源码中的测试文件：
opencv_contrib_source_code/modules/cudaimgproc/test/test_moments.cpp 中的 CUDA_TEST_P(Moments, Async) 测试用例

返回值

无返回值。矩的结果通过 moments 参数输出。

代码示例

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

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

    // 上传图像到 GPU
    cv::cuda::GpuMat d_src;
    d_src.upload(h_src);

    // 获取最大阶数下的矩数量
    int nMoments = cv::cuda::numMoments(cv::cuda::MomentsOrder::THIRD_ORDER_MOMENTS);

    // 创建输出矩阵
    cv::cuda::GpuMat d_moments;
    d_moments.create(1, nMoments, CV_64F);  // 存储所有矩值

    // 计算空间矩
    cv::cuda::spatialMoments(d_src, d_moments, false, cv::cuda::MomentsOrder::THIRD_ORDER_MOMENTS);

    // 下载结果
    cv::Mat h_moments;
    d_moments.download(h_moments);

    // 打印结果
    std::cout << "原始矩（spatial moments）：" << std::endl;
    for (int i = 0; i < h_moments.cols; ++i)
    {
        std::cout << "Moment[" << i << "] = " << h_moments.at<double>(i) << std::endl;
    }

    return 0;
}

运行结果

原始矩（spatial moments）：
Moment[0] = 3.4715e+07
Moment[1] = 9.17605e+09
Moment[2] = 8.59234e+09
Moment[3] = 3.17604e+12
Moment[4] = 2.31525e+12
Moment[5] = 2.88234e+12
Moment[6] = 1.22333e+15
Moment[7] = 8.11918e+14
Moment[8] = 7.81631e+14
Moment[9] = 1.09583e+15