OPenCV CUDA模块图形变换----构建透视变换映射表函数buildWarpPerspectiveMaps()

  • 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

该函数用于构建一个透视变换(Perspective Transform)的映射表(xmap / ymap),可用于后续的图像重映射操作(如 remap)。
适用于 GPU 加速的图像处理流程,是 cv::warpPerspective 的底层实现之一。

函数原型

void cv::cuda::buildWarpPerspectiveMaps 
(InputArray  	M,bool  	inverse,Size  	dsize,OutputArray  	xmap,OutputArray  	ymap,Stream &  	stream = Stream::Null() 
) 		

参数

参数名类型与说明
M一个 3x3 的 Mat 或 UMat 类型的变换矩阵。
inverse标志位,指定 M 是一个逆变换(即从目标图像到源图像的映射)。
dsize目标图像的尺寸。
xmapX 坐标的映射值,类型为 CV_32FC1
ymapY 坐标的映射值,类型为 CV_32FC1
stream用于异步操作的流对象,默认为 Stream::Null()

代码示例

#include <opencv2/cudaimgproc.hpp>
#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;}// 上传图像到 GPUcv::cuda::GpuMat d_src, d_dst;d_src.upload( h_src );// 定义四个点对(源点和目标点)cv::Point2f srcQuad[ 4 ], dstQuad[ 4 ];srcQuad[ 0 ] = cv::Point2f( 0, 0 );                    // 左上角srcQuad[ 1 ] = cv::Point2f( h_src.cols, 0 );           // 右上角srcQuad[ 2 ] = cv::Point2f( h_src.cols, h_src.rows );  // 右下角srcQuad[ 3 ] = cv::Point2f( 0, h_src.rows );           // 左下角dstQuad[ 0 ] = cv::Point2f( 0, 0 );dstQuad[ 1 ] = cv::Point2f( h_src.cols * 0.9F, h_src.rows * 0.1F );dstQuad[ 2 ] = cv::Point2f( h_src.cols * 0.8F, h_src.rows * 0.9F );dstQuad[ 3 ] = cv::Point2f( h_src.cols * 0.1F, h_src.rows );// 构建透视变换矩阵cv::Mat M = cv::getPerspectiveTransform( srcQuad, dstQuad );// 设置输出尺寸cv::Size dsize( h_src.cols, h_src.rows );// 创建映射表cv::cuda::GpuMat d_xmap, d_ymap;cv::cuda::buildWarpPerspectiveMaps( M, false, dsize, d_xmap, d_ymap );// 执行图像变形cv::cuda::remap( d_src, d_dst, d_xmap, d_ymap, cv::INTER_LINEAR );// 下载结果并显示cv::Mat h_dst;d_dst.download( h_dst );cv::imshow( "Original Image", h_src );cv::imshow( "Warped Image", h_dst );cv::waitKey( 0 );return 0;
}

运行结果

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/bicheng/85020.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

tcping工具使用指南

tcping是一个用于测试TCP端口连通性的工具&#xff0c;它类似于传统的ping命令&#xff0c;但工作在传输层(TCP)而不是网络层(ICMP)。 基本功能 tcping的主要功能包括&#xff1a; 测试目标主机特定TCP端口是否开放 测量TCP连接建立时间 统计丢包率和响应时间 安装方法 …

CSP 2024 入门级第一轮(88.5)

4. 以下哪个序列对应数字 00 至 88 的 44 位二进制格雷码&#xff08;Gray code&#xff09;&#xff1f;&#xff08; &#xff09; A. 0000, 0001, 0011, 0010, 0110, 0111, 0101, 1000 B. 0000, 0001, 0011, 0010, 0110, 0111, 0100, 0101 C. 0000, 0001, 0011, 0010, …

三菱FX-5U系列入门到精通

第2章 中间继电器 继电器工作模式:线圈得电,常开触点闭合,常闭触点断开。总结:中间继电器线圈电压分为:24VDC 110VAC 220VAC 380VAC PLC控制柜中常用的是24VDC比较多,而动力电柜中或者控制风机水泵的电柜中220VAC比较多。大部分选择24VDC,然后用触点控制220或者380,说白…

简历模板1——王明 | 高级数据挖掘工程师 | 5年经验

王明 | 高级数据挖掘工程师 | 5年经验 &#x1f4f1; (86) 189-xxxx-xxxx | &#x1f4e7; wangmingemail.com | &#x1f4cd; 深圳市 &#x1f4bb; GitHub | &#x1f454; LinkedIn &#x1f4bc; 工作经历 ​科技前沿集团 | 高级数据挖掘工程师 &#x1f4c5; 2021.06 …

【JVM】- 内存模式

Java内存模型&#xff1a;JMM&#xff08;Java Memory Model&#xff09;&#xff0c;定义了一套在多线程环境下&#xff0c;读写共享数据&#xff08;成员变量、数组&#xff09;时&#xff0c;对数据的可见性&#xff0c;有序性和原子性的规则和保障。 原子性 问题分析 【问…

AQS独占模式——资源获取和释放源码分析

AQS资源获取&#xff08;独占模式&#xff09; Node节点类 static final class Node {//标记当前节点的线程在共享模式下等待。static final Node SHARED new Node();//标记当前节点的线程在独占模式下等待。static final Node EXCLUSIVE null;//waitStatus的值&#xff0c…

压测过程中TPS上不去可能是什么原因

进行性能分析 接口没有报错或者错误率低于1%&#xff0c;继续增加并发还是一样&#xff0c;这个时候需要考虑几点 1.是否触发限流&#xff0c;比如waf、Nginx等情况&#xff0c;有没有一些限流的情况&#xff0c;如果触发了限流&#xff0c;请求是没有达到后端的&#xff0c;所…

Golang 解大整数乘法

文章目录 Golang 解大整数乘法问题描述&#xff1a;LeetCode 43. 字符串相乘思路Golang 代码 Golang 解大整数乘法 在初学 C 语言的时候&#xff0c;我们一定接触过“字符串相加”或“字符串相乘”之类的问题&#xff0c;对于初学者而言&#xff0c;这类问题的难度一般来说是比…

web3-区块链的技术安全/经济安全以及去杠杆螺旋(经济稳定)

web3-区块链的技术安全/经济安全以及去杠杆螺旋&#xff08;经济稳定&#xff09; 三个基本设计问题 技术安全 在技术结构中对其进行原子级的、瞬时利用&#xff08;无风险&#xff09; 无风险&#xff0c;因为攻击者的结果还是二进制的&#xff1a; 只会是攻击成功 获利或…

Java多线程通信:wait/notify与sleep的深度剖析(时序图详解)

在Java多线程编程中&#xff0c;线程间的通信与协作是实现复杂并发逻辑的关键。wait()、notify()以及sleep()方法作为线程控制的重要工具&#xff0c;有着各自独特的使用场景与规则。本文将深入探讨wait()和notify()的协作机制&#xff0c;以及sleep()的阻塞特性&#xff0c;同…

关于使用EasyExcel、 Vue3实现导入导出功能

后端部分: 其中查询数据的服务省略 1、引用 <dependency><groupId>com.alibaba</groupId><artifactId>easyexcel</artifactId><version>3.3.3</version></dependency> 2、controller package com.rs.cphs.sys.controller;i…

机器学习中的数据准备关键技术

有效的数据准备对于构建强大的机器学习模型至关重要。本文档总结并阐述了为监督和非监督学习任务准备数据的关键技术。 1. 理解数据类型 有两种数据类型。定性数据描述对象的特征&#xff0c;而定量数据描述对象的数量。 定性&#xff08;分类&#xff09;数据 名义&#x…

深度学习——基于卷积神经网络实现食物图像分类【3】(保存最优模型)

文章目录 引言一、项目概述二、环境配置三、数据预处理3.1 数据转换设置3.2 数据集准备 四、自定义数据集类五、CNN模型架构六、训练与评估流程6.1 训练函数6.2 评估与模型保存 七、完整训练流程八、模型保存与加载8.1 保存模型8.2 加载模型 九、优化建议十、常见问题解决十一、…

《棒球百科》棒球怎么玩·棒球9号位

用最简单的方式介绍棒球的核心玩法和规则&#xff0c;完全零基础也能看懂&#xff1a; 一句话目标 进攻方&#xff1a;用球棒把球打飞&#xff0c;然后拼命跑完4个垒包&#xff08;逆时针绕一圈&#xff09;得分。 防守方&#xff1a;想尽办法让进攻方出局&#xff0c;阻止他…

语言模型是怎么工作的?通俗版原理解读!

大模型为什么能聊天、写代码、懂医学&#xff1f; 我们从四个关键模块&#xff0c;一步步拆开讲清楚 &#x1f447; ✅ 模块一&#xff1a;模型的“本事”从哪来&#xff1f;靠训练数据 别幻想它有意识&#xff0c;它的能力&#xff0c;全是“喂”出来的&#xff1a; 吃过成千…

nrf52811墨水屏edp_service.c文件学习

on_connect函数 /**brief Function for handling the ref BLE_GAP_EVT_CONNECTED event from the S110 SoftDevice.** param[in] p_epd EPD Service structure.* param[in] p_ble_evt Pointer to the event received from BLE stack.*/ static void on_connect(ble_epd_t …

Nginx-2 详解处理 Http 请求

Nginx-2 详解处理 Http 请求 Nginx 作为当今最流行的开源 Web 服务器之一&#xff0c;以其高性能、高稳定性和丰富的功能而闻名。在处理 HTTP请求 的过程中&#xff0c;Nginx 采用了模块化的设计&#xff0c;将整个请求处理流程划分为若干个阶段&#xff0c;每个阶段都可以由特…

40-Oracle 23 ai Bigfile~Smallfile-Basicfile~Securefile矩阵对比

小伙伴们是不是在文件选择上还默认给建文件4G/个么&#xff0c;在oracle每个版本上系统默认属性是什么&#xff0c;选择困难症了没&#xff0c;一起一次性文件存储和默认属性看透。 基于Oracle历代在存储架构的技术演进分析&#xff0c;结合版本升级和23ai新特性&#xff0c;一…

【一】零基础--分层强化学习概览

分层强化学习&#xff08;Hierarchical Reinforcement Learning, HRL&#xff09;最早一般视为1993 年封建强化学习的提出. 一、HL的基础理论 1.1 MDP MDP&#xff08;马尔可夫决策过程&#xff09;&#xff1a;MDP是一种用于建模序列决策问题的框架&#xff0c;包含状态&am…

Java延时

在 Java 中实现延时操作主要有以下几种方式&#xff0c;根据使用场景选择合适的方法&#xff1a; 1. Thread.sleep()&#xff08;最常用&#xff09; java 复制 下载 try {// 延时 1000 毫秒&#xff08;1秒&#xff09;Thread.sleep(1000); } catch (InterruptedExcepti…