modules/cudaimgproc/perf/perf_hough.cpp

   1 /*M///////////////////////////////////////////////////////////////////////////////////////
   2 //
   3 //  IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING.
   4 //
   5 //  By downloading, copying, installing or using the software you agree to this license.
   6 //  If you do not agree to this license, do not download, install,
   7 //  copy or use the software.
   8 //
   9 //
  10 //                           License Agreement
  11 //                For Open Source Computer Vision Library
  12 //
  13 // Copyright (C) 2000-2008, Intel Corporation, all rights reserved.
  14 // Copyright (C) 2009, Willow Garage Inc., all rights reserved.
  15 // Third party copyrights are property of their respective owners.
  16 //
  17 // Redistribution and use in source and binary forms, with or without modification,
  18 // are permitted provided that the following conditions are met:
  19 //
  20 //   * Redistribution's of source code must retain the above copyright notice,
  21 //     this list of conditions and the following disclaimer.
  22 //
  23 //   * Redistribution's in binary form must reproduce the above copyright notice,
  24 //     this list of conditions and the following disclaimer in the documentation
  25 //     and/or other materials provided with the distribution.
  26 //
  27 //   * The name of the copyright holders may not be used to endorse or promote products
  28 //     derived from this software without specific prior written permission.
  29 //
  30 // This software is provided by the copyright holders and contributors "as is" and
  31 // any express or implied warranties, including, but not limited to, the implied
  32 // warranties of merchantability and fitness for a particular purpose are disclaimed.
  33 // In no event shall the Intel Corporation or contributors be liable for any direct,
  34 // indirect, incidental, special, exemplary, or consequential damages
  35 // (including, but not limited to, procurement of substitute goods or services;
  36 // loss of use, data, or profits; or business interruption) however caused
  37 // and on any theory of liability, whether in contract, strict liability,
  38 // or tort (including negligence or otherwise) arising in any way out of
  39 // the use of this software, even if advised of the possibility of such damage.
  40 //
  41 //M*/
  42
  43 #include "perf_precomp.hpp"
  44
  45 using namespace std;
  46 using namespace testing;
  47 using namespace perf;
  48
  49 //////////////////////////////////////////////////////////////////////
  50 // HoughLines
  51
  52 namespace
  53 {
  54     struct Vec4iComparator
  55     {
  56         bool operator()(const cv::Vec4i& a, const cv::Vec4i b) const
  57         {
  58             if (a[0] != b[0]) return a[0] < b[0];
  59             else if(a[1] != b[1]) return a[1] < b[1];
  60             else if(a[2] != b[2]) return a[2] < b[2];
  61             else return a[3] < b[3];
  62         }
  63     };
  64     struct Vec3fComparator
  65     {
  66         bool operator()(const cv::Vec3f& a, const cv::Vec3f b) const
  67         {
  68             if(a[0] != b[0]) return a[0] < b[0];
  69             else if(a[1] != b[1]) return a[1] < b[1];
  70             else return a[2] < b[2];
  71         }
  72     };
  73     struct Vec2fComparator
  74     {
  75         bool operator()(const cv::Vec2f& a, const cv::Vec2f b) const
  76         {
  77             if(a[0] != b[0]) return a[0] < b[0];
  78             else return a[1] < b[1];
  79         }
  80     };
  81 }
  82
  83 PERF_TEST_P(Sz, HoughLines,
  84             CUDA_TYPICAL_MAT_SIZES)
  85 {
  86     declare.time(30.0);
  87
  88     const cv::Size size = GetParam();
  89
  90     const float rho = 1.0f;
  91     const float theta = static_cast<float>(CV_PI / 180.0);
  92     const int threshold = 300;
  93
  94     cv::Mat src(size, CV_8UC1, cv::Scalar::all(0));
  95     cv::line(src, cv::Point(0, 100), cv::Point(src.cols, 100), cv::Scalar::all(255), 1);
  96     cv::line(src, cv::Point(0, 200), cv::Point(src.cols, 200), cv::Scalar::all(255), 1);
  97     cv::line(src, cv::Point(0, 400), cv::Point(src.cols, 400), cv::Scalar::all(255), 1);
  98     cv::line(src, cv::Point(100, 0), cv::Point(100, src.rows), cv::Scalar::all(255), 1);
  99     cv::line(src, cv::Point(200, 0), cv::Point(200, src.rows), cv::Scalar::all(255), 1);
 100     cv::line(src, cv::Point(400, 0), cv::Point(400, src.rows), cv::Scalar::all(255), 1);
 101
 102     if (PERF_RUN_CUDA())
 103     {
 104         const cv::cuda::GpuMat d_src(src);
 105         cv::cuda::GpuMat d_lines;
 106
 107         cv::Ptr<cv::cuda::HoughLinesDetector> hough = cv::cuda::createHoughLinesDetector(rho, theta, threshold);
 108
 109         TEST_CYCLE() hough->detect(d_src, d_lines);
 110
 111         cv::Mat gpu_lines(d_lines.row(0));
 112         cv::Vec2f* begin = gpu_lines.ptr<cv::Vec2f>(0);
 113         cv::Vec2f* end = begin + gpu_lines.cols;
 114         std::sort(begin, end, Vec2fComparator());
 115         SANITY_CHECK(gpu_lines);
 116     }
 117     else
 118     {
 119         std::vector<cv::Vec2f> cpu_lines;
 120
 121         TEST_CYCLE() cv::HoughLines(src, cpu_lines, rho, theta, threshold);
 122
 123         SANITY_CHECK(cpu_lines);
 124     }
 125 }
 126
 127 //////////////////////////////////////////////////////////////////////
 128 // HoughLinesP
 129
 130 DEF_PARAM_TEST_1(Image, std::string);
 131
 132 PERF_TEST_P(Image, HoughLinesP,
 133             testing::Values("cv/shared/pic5.png", "stitching/a1.png"))
 134 {
 135     declare.time(30.0);
 136
 137     const std::string fileName = getDataPath(GetParam());
 138
 139     const float rho = 1.0f;
 140     const float theta = static_cast<float>(CV_PI / 180.0);
 141     const int threshold = 100;
 142     const int minLineLength = 50;
 143     const int maxLineGap = 5;
 144
 145     const cv::Mat image = cv::imread(fileName, cv::IMREAD_GRAYSCALE);
 146     ASSERT_FALSE(image.empty());
 147
 148     cv::Mat mask;
 149     cv::Canny(image, mask, 50, 100);
 150
 151     if (PERF_RUN_CUDA())
 152     {
 153         const cv::cuda::GpuMat d_mask(mask);
 154         cv::cuda::GpuMat d_lines;
 155
 156         cv::Ptr<cv::cuda::HoughSegmentDetector> hough = cv::cuda::createHoughSegmentDetector(rho, theta, minLineLength, maxLineGap);
 157
 158         TEST_CYCLE() hough->detect(d_mask, d_lines);
 159
 160         cv::Mat gpu_lines(d_lines);
 161         cv::Vec4i* begin = gpu_lines.ptr<cv::Vec4i>();
 162         cv::Vec4i* end = begin + gpu_lines.cols;
 163         std::sort(begin, end, Vec4iComparator());
 164         SANITY_CHECK(gpu_lines);
 165     }
 166     else
 167     {
 168         std::vector<cv::Vec4i> cpu_lines;
 169
 170         TEST_CYCLE() cv::HoughLinesP(mask, cpu_lines, rho, theta, threshold, minLineLength, maxLineGap);
 171
 172         SANITY_CHECK(cpu_lines);
 173     }
 174 }
 175
 176 //////////////////////////////////////////////////////////////////////
 177 // HoughCircles
 178
 179 DEF_PARAM_TEST(Sz_Dp_MinDist, cv::Size, float, float);
 180
 181 PERF_TEST_P(Sz_Dp_MinDist, HoughCircles,
 182             Combine(CUDA_TYPICAL_MAT_SIZES,
 183                     Values(1.0f, 2.0f, 4.0f),
 184                     Values(1.0f)))
 185 {
 186     declare.time(30.0);
 187
 188     const cv::Size size = GET_PARAM(0);
 189     const float dp = GET_PARAM(1);
 190     const float minDist = GET_PARAM(2);
 191
 192     const int minRadius = 10;
 193     const int maxRadius = 30;
 194     const int cannyThreshold = 100;
 195     const int votesThreshold = 15;
 196
 197     cv::Mat src(size, CV_8UC1, cv::Scalar::all(0));
 198     cv::circle(src, cv::Point(100, 100), 20, cv::Scalar::all(255), -1);
 199     cv::circle(src, cv::Point(200, 200), 25, cv::Scalar::all(255), -1);
 200     cv::circle(src, cv::Point(200, 100), 25, cv::Scalar::all(255), -1);
 201
 202     if (PERF_RUN_CUDA())
 203     {
 204         const cv::cuda::GpuMat d_src(src);
 205         cv::cuda::GpuMat d_circles;
 206
 207         cv::Ptr<cv::cuda::HoughCirclesDetector> houghCircles = cv::cuda::createHoughCirclesDetector(dp, minDist, cannyThreshold, votesThreshold, minRadius, maxRadius);
 208
 209         TEST_CYCLE() houghCircles->detect(d_src, d_circles);
 210
 211         cv::Mat gpu_circles(d_circles);
 212         cv::Vec3f* begin = gpu_circles.ptr<cv::Vec3f>(0);
 213         cv::Vec3f* end = begin + gpu_circles.cols;
 214         std::sort(begin, end, Vec3fComparator());
 215         SANITY_CHECK(gpu_circles);
 216     }
 217     else
 218     {
 219         std::vector<cv::Vec3f> cpu_circles;
 220
 221         TEST_CYCLE() cv::HoughCircles(src, cpu_circles, cv::HOUGH_GRADIENT, dp, minDist, cannyThreshold, votesThreshold, minRadius, maxRadius);
 222
 223         SANITY_CHECK(cpu_circles);
 224     }
 225 }
 226
 227 //////////////////////////////////////////////////////////////////////
 228 // GeneralizedHough
 229
 230 PERF_TEST_P(Sz, GeneralizedHoughBallard, CUDA_TYPICAL_MAT_SIZES)
 231 {
 232     declare.time(10);
 233
 234     const cv::Size imageSize = GetParam();
 235
 236     const cv::Mat templ = readImage("cv/shared/templ.png", cv::IMREAD_GRAYSCALE);
 237     ASSERT_FALSE(templ.empty());
 238
 239     cv::Mat image(imageSize, CV_8UC1, cv::Scalar::all(0));
 240     templ.copyTo(image(cv::Rect(50, 50, templ.cols, templ.rows)));
 241
 242     cv::Mat edges;
 243     cv::Canny(image, edges, 50, 100);
 244
 245     cv::Mat dx, dy;
 246     cv::Sobel(image, dx, CV_32F, 1, 0);
 247     cv::Sobel(image, dy, CV_32F, 0, 1);
 248
 249     if (PERF_RUN_CUDA())
 250     {
 251         cv::Ptr<cv::GeneralizedHoughBallard> alg = cv::cuda::createGeneralizedHoughBallard();
 252
 253         const cv::cuda::GpuMat d_edges(edges);
 254         const cv::cuda::GpuMat d_dx(dx);
 255         const cv::cuda::GpuMat d_dy(dy);
 256         cv::cuda::GpuMat positions;
 257
 258         alg->setTemplate(cv::cuda::GpuMat(templ));
 259
 260         TEST_CYCLE() alg->detect(d_edges, d_dx, d_dy, positions);
 261
 262         CUDA_SANITY_CHECK(positions);
 263     }
 264     else
 265     {
 266         cv::Ptr<cv::GeneralizedHoughBallard> alg = cv::createGeneralizedHoughBallard();
 267
 268         cv::Mat positions;
 269
 270         alg->setTemplate(templ);
 271
 272         TEST_CYCLE() alg->detect(edges, dx, dy, positions);
 273
 274         CPU_SANITY_CHECK(positions);
 275     }
 276 }
 277
 278 PERF_TEST_P(Sz, GeneralizedHoughGuil, CUDA_TYPICAL_MAT_SIZES)
 279 {
 280     declare.time(10);
 281
 282     const cv::Size imageSize = GetParam();
 283
 284     const cv::Mat templ = readImage("cv/shared/templ.png", cv::IMREAD_GRAYSCALE);
 285     ASSERT_FALSE(templ.empty());
 286
 287     cv::Mat image(imageSize, CV_8UC1, cv::Scalar::all(0));
 288     templ.copyTo(image(cv::Rect(50, 50, templ.cols, templ.rows)));
 289
 290     cv::RNG rng(123456789);
 291     const int objCount = rng.uniform(5, 15);
 292     for (int i = 0; i < objCount; ++i)
 293     {
 294         double scale = rng.uniform(0.7, 1.3);
 295         bool rotate = 1 == rng.uniform(0, 2);
 296
 297         cv::Mat obj;
 298         cv::resize(templ, obj, cv::Size(), scale, scale);
 299         if (rotate)
 300             obj = obj.t();
 301
 302         cv::Point pos;
 303
 304         pos.x = rng.uniform(0, image.cols - obj.cols);
 305         pos.y = rng.uniform(0, image.rows - obj.rows);
 306
 307         cv::Mat roi = image(cv::Rect(pos, obj.size()));
 308         cv::add(roi, obj, roi);
 309     }
 310
 311     cv::Mat edges;
 312     cv::Canny(image, edges, 50, 100);
 313
 314     cv::Mat dx, dy;
 315     cv::Sobel(image, dx, CV_32F, 1, 0);
 316     cv::Sobel(image, dy, CV_32F, 0, 1);
 317
 318     if (PERF_RUN_CUDA())
 319     {
 320         cv::Ptr<cv::GeneralizedHoughGuil> alg = cv::cuda::createGeneralizedHoughGuil();
 321         alg->setMaxAngle(90.0);
 322         alg->setAngleStep(2.0);
 323
 324         const cv::cuda::GpuMat d_edges(edges);
 325         const cv::cuda::GpuMat d_dx(dx);
 326         const cv::cuda::GpuMat d_dy(dy);
 327         cv::cuda::GpuMat positions;
 328
 329         alg->setTemplate(cv::cuda::GpuMat(templ));
 330
 331         TEST_CYCLE() alg->detect(d_edges, d_dx, d_dy, positions);
 332
 333         CUDA_SANITY_CHECK(positions);
 334     }
 335     else
 336     {
 337         cv::Ptr<cv::GeneralizedHoughGuil> alg = cv::createGeneralizedHoughGuil();
 338         alg->setMaxAngle(90.0);
 339         alg->setAngleStep(2.0);
 340
 341         cv::Mat positions;
 342
 343         alg->setTemplate(templ);
 344
 345         TEST_CYCLE() alg->detect(edges, dx, dy, positions);
 346
 347         CPU_SANITY_CHECK(positions);
 348     }
 349 }