OpenCV CUDA模块特征检测------创建Harris角点检测器的GPU实现接口cv::cuda::createHarrisCorner

news2025/6/7 4:23:10

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

该函数创建一个基于 Harris 算法的角点响应计算对象，专门用于在 GPU 上进行高效计算。
它返回的是一个 cv::Ptrcv::cuda::CornernessCriteria 类型的对象，可用于后续调用 .compute() 方法对图像进行角点响应值计算。

函数原型

Ptr<CornernessCriteria> cv::cuda::createHarrisCorner
(
 	int  	srcType,
	int  	blockSize,
	int  	ksize,
	double  	k,
	int  	borderType = BORDER_REFLECT101 
)

参数

srcType 输入源类型。目前仅支持 CV_8UC1 和 CV_32FC1。
blockSize 邻域大小。
ksize Sobel 算子的孔径参数（用于计算梯度）。
k Harris 检测器的自由参数。
borderType 像素外推方法（边界填充方式）。目前仅支持 BORDER_REFLECT101 和 BORDER_REPLICATE。

代码示例


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

int main() {
    // Step 1: 加载灰度图
    cv::Mat h_img = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/chessboard.png", cv::IMREAD_GRAYSCALE);
    if (h_img.empty()) {
        std::cerr << "Failed to load image!" << std::endl;
        return -1;
    }

    // Step 2: 将图像上传到 GPU
    cv::cuda::GpuMat d_img, d_corners;
    d_img.upload(h_img);

    // Step 3: 创建 Harris 角点检测器
    int srcType = d_img.type();
    int blockSize = 3;
    int ksize = 3;
    double k = 0.04;

    cv::Ptr<cv::cuda::CornernessCriteria> criteria = 
        cv::cuda::createHarrisCorner(srcType, blockSize, ksize, k);

    // Step 4: 执行角点响应计算
    criteria->compute(d_img, d_corners);

    // Step 5: 下载结果并显示
    cv::Mat h_corners;
    d_corners.download(h_corners);
    cv::normalize(h_corners, h_corners, 0, 255, cv::NORM_MINMAX, CV_8U);

    cv::imshow("original picture", h_img);
    cv::imshow("Harris Corner Response", h_corners);
    cv::waitKey(0);

    return 0;
}