modules/gpu/include/opencv2/gpu/gpu.hpp

   1 /*M///////////////////////////////////////////////////////////////////////////////////////\r
   2 //\r
   3 //  IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING.\r
   4 //\r
   5 //  By downloading, copying, installing or using the software you agree to this license.\r
   6 //  If you do not agree to this license, do not download, install,\r
   7 //  copy or use the software.\r
   8 //\r
   9 //\r
  10 //                           License Agreement\r
  11 //                For Open Source Computer Vision Library\r
  12 //\r
  13 // Copyright (C) 2000-2008, Intel Corporation, all rights reserved.\r
  14 // Copyright (C) 2009, Willow Garage Inc., all rights reserved.\r
  15 // Third party copyrights are property of their respective owners.\r
  16 //\r
  17 // Redistribution and use in source and binary forms, with or without modification,\r
  18 // are permitted provided that the following conditions are met:\r
  19 //\r
  20 //   * Redistribution's of source code must retain the above copyright notice,\r
  21 //     this list of conditions and the following disclaimer.\r
  22 //\r
  23 //   * Redistribution's in binary form must reproduce the above copyright notice,\r
  24 //     this list of conditions and the following disclaimer in the documentation\r
  25 //     and/or other GpuMaterials provided with the distribution.\r
  26 //\r
  27 //   * The name of the copyright holders may not be used to endorse or promote products\r
  28 //     derived from this software without specific prior written permission.\r
  29 //\r
  30 // This software is provided by the copyright holders and contributors "as is" and\r
  31 // any express or implied warranties, including, but not limited to, the implied\r
  32 // warranties of merchantability and fitness for a particular purpose are disclaimed.\r
  33 // In no event shall the Intel Corporation or contributors be liable for any direct,\r
  34 // indirect, incidental, special, exemplary, or consequential damages\r
  35 // (including, but not limited to, procurement of substitute goods or services;\r
  36 // loss of use, data, or profits; or business interruption) however caused\r
  37 // and on any theory of liability, whether in contract, strict liability,\r
  38 // or tort (including negligence or otherwise) arising in any way out of\r
  39 // the use of this software, even if advised of the possibility of such damage.\r
  40 //\r
  41 //M*/\r
  42 \r
  43 #ifndef __OPENCV_GPU_HPP__\r
  44 #define __OPENCV_GPU_HPP__\r
  45 \r
  46 #include <vector>\r
  47 #include "opencv2/core/core.hpp"\r
  48 #include "opencv2/imgproc/imgproc.hpp"\r
  49 #include "opencv2/objdetect/objdetect.hpp"\r
  50 #include "opencv2/gpu/devmem2d.hpp"\r
  51 #include "opencv2/features2d/features2d.hpp"\r
  52 \r
  53 namespace cv\r
  54 {\r
  55     namespace gpu\r
  56     {\r
  57         //////////////////////////////// Initialization & Info ////////////////////////\r
  58 \r
  59         //! This is the only function that do not throw exceptions if the library is compiled without Cuda.\r
  60         CV_EXPORTS int getCudaEnabledDeviceCount();\r
  61 \r
  62         //! Functions below throw cv::Expception if the library is compiled without Cuda.\r
  63         CV_EXPORTS string getDeviceName(int device);\r
  64         CV_EXPORTS void setDevice(int device);\r
  65         CV_EXPORTS int getDevice();\r
  66 \r
  67         CV_EXPORTS void getComputeCapability(int device, int& major, int& minor);\r
  68         CV_EXPORTS int getNumberOfSMs(int device);\r
  69 \r
  70         CV_EXPORTS void getGpuMemInfo(size_t& free, size_t& total);\r
  71 \r
  72         CV_EXPORTS bool hasNativeDoubleSupport(int device);\r
  73         CV_EXPORTS bool hasAtomicsSupport(int device);\r
  74 \r
  75         template <unsigned int cmp_op>\r
  76         CV_EXPORTS bool checkPtxVersion(int major, int minor);\r
  77 \r
  78         //! Checks if the GPU module is PTX compatible with the given NVIDIA device\r
  79         CV_EXPORTS bool isCompatibleWith(int device);\r
  80 \r
  81         //////////////////////////////// Error handling ////////////////////////\r
  82 \r
  83         CV_EXPORTS void error(const char *error_string, const char *file, const int line, const char *func);\r
  84         CV_EXPORTS void nppError( int err, const char *file, const int line, const char *func);\r
  85 \r
  86         //////////////////////////////// GpuMat ////////////////////////////////\r
  87         class Stream;\r
  88         class CudaMem;\r
  89 \r
  90         //! Smart pointer for GPU memory with reference counting. Its interface is mostly similar with cv::Mat.\r
  91         class CV_EXPORTS GpuMat\r
  92         {\r
  93         public:\r
  94             //! default constructor\r
  95             GpuMat();\r
  96             //! constructs GpuMatrix of the specified size and type (_type is CV_8UC1, CV_64FC3, CV_32SC(12) etc.)\r
  97             GpuMat(int rows, int cols, int type);\r
  98             GpuMat(Size size, int type);\r
  99             //! constucts GpuMatrix and fills it with the specified value _s.\r
 100             GpuMat(int rows, int cols, int type, const Scalar& s);\r
 101             GpuMat(Size size, int type, const Scalar& s);\r
 102             //! copy constructor\r
 103             GpuMat(const GpuMat& m);\r
 104 \r
 105             //! constructor for GpuMatrix headers pointing to user-allocated data\r
 106             GpuMat(int rows, int cols, int type, void* data, size_t step = Mat::AUTO_STEP);\r
 107             GpuMat(Size size, int type, void* data, size_t step = Mat::AUTO_STEP);\r
 108 \r
 109             //! creates a matrix header for a part of the bigger matrix\r
 110             GpuMat(const GpuMat& m, const Range& rowRange, const Range& colRange);\r
 111             GpuMat(const GpuMat& m, const Rect& roi);\r
 112 \r
 113             //! builds GpuMat from Mat. Perfom blocking upload to device.\r
 114             explicit GpuMat (const Mat& m);\r
 115 \r
 116             //! destructor - calls release()\r
 117             ~GpuMat();\r
 118 \r
 119             //! assignment operators\r
 120             GpuMat& operator = (const GpuMat& m);\r
 121             //! assignment operator. Perfom blocking upload to device.\r
 122             GpuMat& operator = (const Mat& m);\r
 123 \r
 124             //! returns lightweight DevMem2D_ structure for passing to nvcc-compiled code.\r
 125             // Contains just image size, data ptr and step.\r
 126             template <class T> operator DevMem2D_<T>() const;\r
 127             template <class T> operator PtrStep_<T>() const;\r
 128 \r
 129             //! pefroms blocking upload data to GpuMat.\r
 130             void upload(const cv::Mat& m);\r
 131 \r
 132             //! upload async\r
 133             void upload(const CudaMem& m, Stream& stream);\r
 134 \r
 135             //! downloads data from device to host memory. Blocking calls.\r
 136             operator Mat() const;\r
 137             void download(cv::Mat& m) const;\r
 138 \r
 139             //! download async\r
 140             void download(CudaMem& m, Stream& stream) const;\r
 141 \r
 142             //! returns a new GpuMatrix header for the specified row\r
 143             GpuMat row(int y) const;\r
 144             //! returns a new GpuMatrix header for the specified column\r
 145             GpuMat col(int x) const;\r
 146             //! ... for the specified row span\r
 147             GpuMat rowRange(int startrow, int endrow) const;\r
 148             GpuMat rowRange(const Range& r) const;\r
 149             //! ... for the specified column span\r
 150             GpuMat colRange(int startcol, int endcol) const;\r
 151             GpuMat colRange(const Range& r) const;\r
 152 \r
 153             //! returns deep copy of the GpuMatrix, i.e. the data is copied\r
 154             GpuMat clone() const;\r
 155             //! copies the GpuMatrix content to "m".\r
 156             // It calls m.create(this->size(), this->type()).\r
 157             void copyTo( GpuMat& m ) const;\r
 158             //! copies those GpuMatrix elements to "m" that are marked with non-zero mask elements.\r
 159             void copyTo( GpuMat& m, const GpuMat& mask ) const;\r
 160             //! converts GpuMatrix to another datatype with optional scalng. See cvConvertScale.\r
 161             void convertTo( GpuMat& m, int rtype, double alpha=1, double beta=0 ) const;\r
 162 \r
 163             void assignTo( GpuMat& m, int type=-1 ) const;\r
 164 \r
 165             //! sets every GpuMatrix element to s\r
 166             GpuMat& operator = (const Scalar& s);\r
 167             //! sets some of the GpuMatrix elements to s, according to the mask\r
 168             GpuMat& setTo(const Scalar& s, const GpuMat& mask = GpuMat());\r
 169             //! creates alternative GpuMatrix header for the same data, with different\r
 170             // number of channels and/or different number of rows. see cvReshape.\r
 171             GpuMat reshape(int cn, int rows = 0) const;\r
 172 \r
 173             //! allocates new GpuMatrix data unless the GpuMatrix already has specified size and type.\r
 174             // previous data is unreferenced if needed.\r
 175             void create(int rows, int cols, int type);\r
 176             void create(Size size, int type);\r
 177             //! decreases reference counter;\r
 178             // deallocate the data when reference counter reaches 0.\r
 179             void release();\r
 180 \r
 181             //! swaps with other smart pointer\r
 182             void swap(GpuMat& mat);\r
 183 \r
 184             //! locates GpuMatrix header within a parent GpuMatrix. See below\r
 185             void locateROI( Size& wholeSize, Point& ofs ) const;\r
 186             //! moves/resizes the current GpuMatrix ROI inside the parent GpuMatrix.\r
 187             GpuMat& adjustROI( int dtop, int dbottom, int dleft, int dright );\r
 188             //! extracts a rectangular sub-GpuMatrix\r
 189             // (this is a generalized form of row, rowRange etc.)\r
 190             GpuMat operator()( Range rowRange, Range colRange ) const;\r
 191             GpuMat operator()( const Rect& roi ) const;\r
 192 \r
 193             //! returns true iff the GpuMatrix data is continuous\r
 194             // (i.e. when there are no gaps between successive rows).\r
 195             // similar to CV_IS_GpuMat_CONT(cvGpuMat->type)\r
 196             bool isContinuous() const;\r
 197             //! returns element size in bytes,\r
 198             // similar to CV_ELEM_SIZE(cvMat->type)\r
 199             size_t elemSize() const;\r
 200             //! returns the size of element channel in bytes.\r
 201             size_t elemSize1() const;\r
 202             //! returns element type, similar to CV_MAT_TYPE(cvMat->type)\r
 203             int type() const;\r
 204             //! returns element type, similar to CV_MAT_DEPTH(cvMat->type)\r
 205             int depth() const;\r
 206             //! returns element type, similar to CV_MAT_CN(cvMat->type)\r
 207             int channels() const;\r
 208             //! returns step/elemSize1()\r
 209             size_t step1() const;\r
 210             //! returns GpuMatrix size:\r
 211             // width == number of columns, height == number of rows\r
 212             Size size() const;\r
 213             //! returns true if GpuMatrix data is NULL\r
 214             bool empty() const;\r
 215 \r
 216             //! returns pointer to y-th row\r
 217             uchar* ptr(int y = 0);\r
 218             const uchar* ptr(int y = 0) const;\r
 219 \r
 220             //! template version of the above method\r
 221             template<typename _Tp> _Tp* ptr(int y = 0);\r
 222             template<typename _Tp> const _Tp* ptr(int y = 0) const;\r
 223 \r
 224             //! matrix transposition\r
 225             GpuMat t() const;\r
 226 \r
 227             /*! includes several bit-fields:\r
 228             - the magic signature\r
 229             - continuity flag\r
 230             - depth\r
 231             - number of channels\r
 232             */\r
 233             int flags;\r
 234             //! the number of rows and columns\r
 235             int rows, cols;\r
 236             //! a distance between successive rows in bytes; includes the gap if any\r
 237             size_t step;\r
 238             //! pointer to the data\r
 239             uchar* data;\r
 240 \r
 241             //! pointer to the reference counter;\r
 242             // when GpuMatrix points to user-allocated data, the pointer is NULL\r
 243             int* refcount;\r
 244 \r
 245             //! helper fields used in locateROI and adjustROI\r
 246             uchar* datastart;\r
 247             uchar* dataend;\r
 248         };\r
 249 \r
 250 //#define TemplatedGpuMat // experimental now, deprecated to use\r
 251 #ifdef TemplatedGpuMat\r
 252     #include "GpuMat_BetaDeprecated.hpp"\r
 253 #endif\r
 254 \r
 255         //! Creates continuous GPU matrix\r
 256         CV_EXPORTS void createContinuous(int rows, int cols, int type, GpuMat& m);\r
 257 \r
 258         //! Ensures that size of the given matrix is not less than (rows, cols) size\r
 259         //! and matrix type is match specified one too\r
 260         CV_EXPORTS void ensureSizeIsEnough(int rows, int cols, int type, GpuMat& m);\r
 261 \r
 262         //////////////////////////////// CudaMem ////////////////////////////////\r
 263         // CudaMem is limited cv::Mat with page locked memory allocation.\r
 264         // Page locked memory is only needed for async and faster coping to GPU.\r
 265         // It is convertable to cv::Mat header without reference counting\r
 266         // so you can use it with other opencv functions.\r
 267 \r
 268         class CV_EXPORTS CudaMem\r
 269         {\r
 270         public:\r
 271             enum  { ALLOC_PAGE_LOCKED = 1, ALLOC_ZEROCOPY = 2, ALLOC_WRITE_COMBINED = 4 };\r
 272 \r
 273             CudaMem();\r
 274             CudaMem(const CudaMem& m);\r
 275 \r
 276             CudaMem(int rows, int cols, int type, int _alloc_type = ALLOC_PAGE_LOCKED);\r
 277             CudaMem(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 278 \r
 279 \r
 280             //! creates from cv::Mat with coping data\r
 281             explicit CudaMem(const Mat& m, int alloc_type = ALLOC_PAGE_LOCKED);\r
 282 \r
 283             ~CudaMem();\r
 284 \r
 285             CudaMem& operator = (const CudaMem& m);\r
 286 \r
 287             //! returns deep copy of the matrix, i.e. the data is copied\r
 288             CudaMem clone() const;\r
 289 \r
 290             //! allocates new matrix data unless the matrix already has specified size and type.\r
 291             void create(int rows, int cols, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 292             void create(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 293 \r
 294             //! decrements reference counter and released memory if needed.\r
 295             void release();\r
 296 \r
 297             //! returns matrix header with disabled reference counting for CudaMem data.\r
 298             Mat createMatHeader() const;\r
 299             operator Mat() const;\r
 300 \r
 301             //! maps host memory into device address space and returns GpuMat header for it. Throws exception if not supported by hardware.\r
 302             GpuMat createGpuMatHeader() const;\r
 303             operator GpuMat() const;\r
 304 \r
 305             //returns if host memory can be mapperd to gpu address space;\r
 306             static bool canMapHostMemory();\r
 307 \r
 308             // Please see cv::Mat for descriptions\r
 309             bool isContinuous() const;\r
 310             size_t elemSize() const;\r
 311             size_t elemSize1() const;\r
 312             int type() const;\r
 313             int depth() const;\r
 314             int channels() const;\r
 315             size_t step1() const;\r
 316             Size size() const;\r
 317             bool empty() const;\r
 318 \r
 319 \r
 320             // Please see cv::Mat for descriptions\r
 321             int flags;\r
 322             int rows, cols;\r
 323             size_t step;\r
 324 \r
 325             uchar* data;\r
 326             int* refcount;\r
 327 \r
 328             uchar* datastart;\r
 329             uchar* dataend;\r
 330 \r
 331             int alloc_type;\r
 332         };\r
 333 \r
 334         //////////////////////////////// CudaStream ////////////////////////////////\r
 335         // Encapculates Cuda Stream. Provides interface for async coping.\r
 336         // Passed to each function that supports async kernel execution.\r
 337         // Reference counting is enabled\r
 338 \r
 339         class CV_EXPORTS Stream\r
 340         {\r
 341         public:\r
 342             Stream();\r
 343             ~Stream();\r
 344 \r
 345             Stream(const Stream&);\r
 346             Stream& operator=(const Stream&);\r
 347 \r
 348             bool queryIfComplete();\r
 349             void waitForCompletion();\r
 350 \r
 351             //! downloads asynchronously.\r
 352             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its subMat)\r
 353             void enqueueDownload(const GpuMat& src, CudaMem& dst);\r
 354             void enqueueDownload(const GpuMat& src, Mat& dst);\r
 355 \r
 356             //! uploads asynchronously.\r
 357             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its ROI)\r
 358             void enqueueUpload(const CudaMem& src, GpuMat& dst);\r
 359             void enqueueUpload(const Mat& src, GpuMat& dst);\r
 360 \r
 361             void enqueueCopy(const GpuMat& src, GpuMat& dst);\r
 362 \r
 363             void enqueueMemSet(const GpuMat& src, Scalar val);\r
 364             void enqueueMemSet(const GpuMat& src, Scalar val, const GpuMat& mask);\r
 365 \r
 366             // converts matrix type, ex from float to uchar depending on type\r
 367             void enqueueConvert(const GpuMat& src, GpuMat& dst, int type, double a = 1, double b = 0);\r
 368         private:\r
 369             void create();\r
 370             void release();\r
 371             struct Impl;\r
 372             Impl *impl;\r
 373             friend struct StreamAccessor;\r
 374         };\r
 375 \r
 376 \r
 377         ////////////////////////////// Arithmetics ///////////////////////////////////\r
 378 \r
 379         //! transposes the matrix\r
 380         //! supports matrix with element size = 1, 4 and 8 bytes (CV_8UC1, CV_8UC4, CV_16UC2, CV_32FC1, etc)\r
 381         CV_EXPORTS void transpose(const GpuMat& src1, GpuMat& dst);\r
 382 \r
 383         //! reverses the order of the rows, columns or both in a matrix\r
 384         //! supports CV_8UC1, CV_8UC4 types\r
 385         CV_EXPORTS void flip(const GpuMat& a, GpuMat& b, int flipCode);\r
 386 \r
 387         //! transforms 8-bit unsigned integers using lookup table: dst(i)=lut(src(i))\r
 388         //! destination array will have the depth type as lut and the same channels number as source\r
 389         //! supports CV_8UC1, CV_8UC3 types\r
 390         CV_EXPORTS void LUT(const GpuMat& src, const Mat& lut, GpuMat& dst);\r
 391 \r
 392         //! makes multi-channel array out of several single-channel arrays\r
 393         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst);\r
 394 \r
 395         //! makes multi-channel array out of several single-channel arrays\r
 396         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst);\r
 397 \r
 398         //! makes multi-channel array out of several single-channel arrays (async version)\r
 399         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst, const Stream& stream);\r
 400 \r
 401         //! makes multi-channel array out of several single-channel arrays (async version)\r
 402         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst, const Stream& stream);\r
 403 \r
 404         //! copies each plane of a multi-channel array to a dedicated array\r
 405         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst);\r
 406 \r
 407         //! copies each plane of a multi-channel array to a dedicated array\r
 408         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst);\r
 409 \r
 410         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 411         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst, const Stream& stream);\r
 412 \r
 413         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 414         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst, const Stream& stream);\r
 415 \r
 416         //! computes magnitude of complex (x(i).re, x(i).im) vector\r
 417         //! supports only CV_32FC2 type\r
 418         CV_EXPORTS void magnitude(const GpuMat& x, GpuMat& magnitude);\r
 419 \r
 420         //! computes squared magnitude of complex (x(i).re, x(i).im) vector\r
 421         //! supports only CV_32FC2 type\r
 422         CV_EXPORTS void magnitudeSqr(const GpuMat& x, GpuMat& magnitude);\r
 423 \r
 424         //! computes magnitude of each (x(i), y(i)) vector\r
 425         //! supports only floating-point source\r
 426         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 427         //! async version\r
 428         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 429 \r
 430         //! computes squared magnitude of each (x(i), y(i)) vector\r
 431         //! supports only floating-point source\r
 432         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 433         //! async version\r
 434         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 435 \r
 436         //! computes angle (angle(i)) of each (x(i), y(i)) vector\r
 437         //! supports only floating-point source\r
 438         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees = false);\r
 439         //! async version\r
 440         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 441 \r
 442         //! converts Cartesian coordinates to polar\r
 443         //! supports only floating-point source\r
 444         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees = false);\r
 445         //! async version\r
 446         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 447 \r
 448         //! converts polar coordinates to Cartesian\r
 449         //! supports only floating-point source\r
 450         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees = false);\r
 451         //! async version\r
 452         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees, const Stream& stream);\r
 453 \r
 454 \r
 455         //////////////////////////// Per-element operations ////////////////////////////////////\r
 456 \r
 457         //! adds one matrix to another (c = a + b)\r
 458         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 459         CV_EXPORTS void add(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 460         //! adds scalar to a matrix (c = a + s)\r
 461         //! supports CV_32FC1 and CV_32FC2 type\r
 462         CV_EXPORTS void add(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 463 \r
 464         //! subtracts one matrix from another (c = a - b)\r
 465         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 466         CV_EXPORTS void subtract(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 467         //! subtracts scalar from a matrix (c = a - s)\r
 468         //! supports CV_32FC1 and CV_32FC2 type\r
 469         CV_EXPORTS void subtract(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 470 \r
 471         //! computes element-wise product of the two arrays (c = a * b)\r
 472         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 473         CV_EXPORTS void multiply(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 474         //! multiplies matrix to a scalar (c = a * s)\r
 475         //! supports CV_32FC1 and CV_32FC2 type\r
 476         CV_EXPORTS void multiply(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 477 \r
 478         //! computes element-wise quotient of the two arrays (c = a / b)\r
 479         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 480         CV_EXPORTS void divide(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 481         //! computes element-wise quotient of matrix and scalar (c = a / s)\r
 482         //! supports CV_32FC1 and CV_32FC2 type\r
 483         CV_EXPORTS void divide(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 484 \r
 485         //! computes exponent of each matrix element (b = e**a)\r
 486         //! supports only CV_32FC1 type\r
 487         CV_EXPORTS void exp(const GpuMat& a, GpuMat& b);\r
 488 \r
 489         //! computes natural logarithm of absolute value of each matrix element: b = log(abs(a))\r
 490         //! supports only CV_32FC1 type\r
 491         CV_EXPORTS void log(const GpuMat& a, GpuMat& b);\r
 492 \r
 493         //! computes element-wise absolute difference of two arrays (c = abs(a - b))\r
 494         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 495         CV_EXPORTS void absdiff(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 496         //! computes element-wise absolute difference of array and scalar (c = abs(a - s))\r
 497         //! supports only CV_32FC1 type\r
 498         CV_EXPORTS void absdiff(const GpuMat& a, const Scalar& s, GpuMat& c);\r
 499 \r
 500         //! compares elements of two arrays (c = a <cmpop> b)\r
 501         //! supports CV_8UC4, CV_32FC1 types\r
 502         CV_EXPORTS void compare(const GpuMat& a, const GpuMat& b, GpuMat& c, int cmpop);\r
 503 \r
 504         //! performs per-elements bit-wise inversion\r
 505         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 506         //! async version\r
 507         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 508 \r
 509         //! calculates per-element bit-wise disjunction of two arrays\r
 510         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 511         //! async version\r
 512         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 513 \r
 514         //! calculates per-element bit-wise conjunction of two arrays\r
 515         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 516         //! async version\r
 517         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 518 \r
 519         //! calculates per-element bit-wise "exclusive or" operation\r
 520         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 521         //! async version\r
 522         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 523 \r
 524         //! computes per-element minimum of two arrays (dst = min(src1, src2))\r
 525         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 526         //! Async version\r
 527         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 528 \r
 529         //! computes per-element minimum of array and scalar (dst = min(src1, src2))\r
 530         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst);\r
 531         //! Async version\r
 532         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 533 \r
 534         //! computes per-element maximum of two arrays (dst = max(src1, src2))\r
 535         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 536         //! Async version\r
 537         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 538 \r
 539         //! computes per-element maximum of array and scalar (dst = max(src1, src2))\r
 540         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst);\r
 541         //! Async version\r
 542         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 543 \r
 544 \r
 545         ////////////////////////////// Image processing //////////////////////////////\r
 546 \r
 547         //! DST[x,y] = SRC[xmap[x,y],ymap[x,y]] with bilinear interpolation.\r
 548         //! supports CV_8UC1, CV_8UC3 source types and CV_32FC1 map type\r
 549         CV_EXPORTS void remap(const GpuMat& src, GpuMat& dst, const GpuMat& xmap, const GpuMat& ymap);\r
 550 \r
 551         //! Does mean shift filtering on GPU.\r
 552         CV_EXPORTS void meanShiftFiltering(const GpuMat& src, GpuMat& dst, int sp, int sr,\r
 553             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 554 \r
 555         //! Does mean shift procedure on GPU.\r
 556         CV_EXPORTS void meanShiftProc(const GpuMat& src, GpuMat& dstr, GpuMat& dstsp, int sp, int sr,\r
 557             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 558 \r
 559         //! Does mean shift segmentation with elimination of small regions.\r
 560         CV_EXPORTS void meanShiftSegmentation(const GpuMat& src, Mat& dst, int sp, int sr, int minsize,\r
 561             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 562 \r
 563         //! Does coloring of disparity image: [0..ndisp) -> [0..240, 1, 1] in HSV.\r
 564         //! Supported types of input disparity: CV_8U, CV_16S.\r
 565         //! Output disparity has CV_8UC4 type in BGRA format (alpha = 255).\r
 566         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp);\r
 567         //! async version\r
 568         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp, const Stream& stream);\r
 569 \r
 570         //! Reprojects disparity image to 3D space.\r
 571         //! Supports CV_8U and CV_16S types of input disparity.\r
 572         //! The output is a 4-channel floating-point (CV_32FC4) matrix.\r
 573         //! Each element of this matrix will contain the 3D coordinates of the point (x,y,z,1), computed from the disparity map.\r
 574         //! Q is the 4x4 perspective transformation matrix that can be obtained with cvStereoRectify.\r
 575         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q);\r
 576         //! async version\r
 577         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q, const Stream& stream);\r
 578 \r
 579         //! converts image from one color space to another\r
 580         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn = 0);\r
 581         //! async version\r
 582         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn, const Stream& stream);\r
 583 \r
 584         //! applies fixed threshold to the image.\r
 585         //! Now supports only THRESH_TRUNC threshold type and one channels float source.\r
 586         CV_EXPORTS double threshold(const GpuMat& src, GpuMat& dst, double thresh);\r
 587 \r
 588         //! resizes the image\r
 589         //! Supports INTER_NEAREST, INTER_LINEAR\r
 590         //! supports CV_8UC1, CV_8UC4 types\r
 591         CV_EXPORTS void resize(const GpuMat& src, GpuMat& dst, Size dsize, double fx=0, double fy=0, int interpolation = INTER_LINEAR);\r
 592 \r
 593         //! warps the image using affine transformation\r
 594         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 595         CV_EXPORTS void warpAffine(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 596 \r
 597         //! warps the image using perspective transformation\r
 598         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 599         CV_EXPORTS void warpPerspective(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 600 \r
 601         //! rotate 8bit single or four channel image\r
 602         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 603         //! supports CV_8UC1, CV_8UC4 types\r
 604         CV_EXPORTS void rotate(const GpuMat& src, GpuMat& dst, Size dsize, double angle, double xShift = 0, double yShift = 0, int interpolation = INTER_LINEAR);\r
 605 \r
 606         //! copies 2D array to a larger destination array and pads borders with user-specifiable constant\r
 607         //! supports CV_8UC1, CV_8UC4, CV_32SC1 and CV_32FC1 types\r
 608         CV_EXPORTS void copyMakeBorder(const GpuMat& src, GpuMat& dst, int top, int bottom, int left, int right, const Scalar& value = Scalar());\r
 609 \r
 610         //! computes the integral image\r
 611         //! sum will have CV_32S type, but will contain unsigned int values\r
 612         //! supports only CV_8UC1 source type\r
 613         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum);\r
 614 \r
 615         //! computes the integral image and integral for the squared image\r
 616         //! sum will have CV_32S type, sqsum - CV32F type\r
 617         //! supports only CV_8UC1 source type\r
 618         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum, GpuMat& sqsum);\r
 619 \r
 620         //! computes squared integral image\r
 621         //! result matrix will have 64F type, but will contain 64U values\r
 622         //! supports source images of 8UC1 type only\r
 623         CV_EXPORTS void sqrIntegral(const GpuMat& src, GpuMat& sqsum);\r
 624 \r
 625         //! computes vertical sum, supports only CV_32FC1 images\r
 626         CV_EXPORTS void columnSum(const GpuMat& src, GpuMat& sum);\r
 627 \r
 628         //! computes the standard deviation of integral images\r
 629         //! supports only CV_32SC1 source type and CV_32FC1 sqr type\r
 630         //! output will have CV_32FC1 type\r
 631         CV_EXPORTS void rectStdDev(const GpuMat& src, const GpuMat& sqr, GpuMat& dst, const Rect& rect);\r
 632 \r
 633         //! applies Canny edge detector and produces the edge map\r
 634         //! supprots only CV_8UC1 source type\r
 635         //! disabled until fix crash\r
 636         CV_EXPORTS void Canny(const GpuMat& image, GpuMat& edges, double threshold1, double threshold2, int apertureSize = 3);\r
 637 \r
 638         //! computes Harris cornerness criteria at each image pixel\r
 639         CV_EXPORTS void cornerHarris(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, double k, int borderType=BORDER_REFLECT101);\r
 640 \r
 641         //! computes minimum eigen value of 2x2 derivative covariation matrix at each pixel - the cornerness criteria\r
 642         CV_EXPORTS void cornerMinEigenVal(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, int borderType=BORDER_REFLECT101);\r
 643 \r
 644         //! performs per-element multiplication of two full (not packed) Fourier spectrums\r
 645         //! supports 32FC2 matrixes only (interleaved format)\r
 646         CV_EXPORTS void mulSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, bool conjB=false);\r
 647 \r
 648         //! performs per-element multiplication of two full (not packed) Fourier spectrums\r
 649         //! supports 32FC2 matrixes only (interleaved format)\r
 650         CV_EXPORTS void mulAndScaleSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, \r
 651                                              float scale, bool conjB=false);\r
 652 \r
 653         //! Performs a forward or inverse discrete Fourier transform (1D or 2D) of floating point matrix.\r
 654         //! Param dft_size is the size of DFT transform.\r
 655         //! \r
 656         //! If the source matrix is not continous, then additional copy will be done,\r
 657         //! so to avoid copying ensure the source matrix is continous one. If you want to use\r
 658         //! preallocated output ensure it is continuous too, otherwise it will be reallocated.\r
 659         //!\r
 660         //! Being implemented via CUFFT real-to-complex transform result contains only non-redundant values\r
 661         //! in CUFFT's format. Result as full complex matrix for such kind of transform cannot be retrieved.\r
 662         //!\r
 663         //! For complex-to-real transform it is assumed that the source matrix is packed in CUFFT's format.\r
 664         CV_EXPORTS void dft(const GpuMat& src, GpuMat& dst, Size dft_size, int flags=0);\r
 665 \r
 666         //! computes convolution (or cross-correlation) of two images using discrete Fourier transform\r
 667         //! supports source images of 32FC1 type only\r
 668         //! result matrix will have 32FC1 type\r
 669         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, \r
 670                                  bool ccorr=false);\r
 671 \r
 672         struct CV_EXPORTS ConvolveBuf;\r
 673 \r
 674         //! buffered version\r
 675         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, \r
 676                                  bool ccorr, ConvolveBuf& buf);\r
 677 \r
 678         struct CV_EXPORTS ConvolveBuf\r
 679         {\r
 680             ConvolveBuf() {}\r
 681             ConvolveBuf(Size image_size, Size templ_size) \r
 682                 { create(image_size, templ_size); }\r
 683             void create(Size image_size, Size templ_size);\r
 684 \r
 685         private:\r
 686             static Size estimateBlockSize(Size result_size, Size templ_size);\r
 687             friend void convolve(const GpuMat&, const GpuMat&, GpuMat&, bool, ConvolveBuf&);\r
 688 \r
 689             Size result_size;\r
 690             Size block_size;\r
 691             Size dft_size;\r
 692             int spect_len;\r
 693 \r
 694             GpuMat image_spect, templ_spect, result_spect;\r
 695             GpuMat image_block, templ_block, result_data;\r
 696         };\r
 697 \r
 698         //! computes the proximity map for the raster template and the image where the template is searched for\r
 699         CV_EXPORTS void matchTemplate(const GpuMat& image, const GpuMat& templ, GpuMat& result, int method);\r
 700 \r
 701 \r
 702         ////////////////////////////// Matrix reductions //////////////////////////////\r
 703 \r
 704         //! computes mean value and standard deviation of all or selected array elements\r
 705         //! supports only CV_8UC1 type\r
 706         CV_EXPORTS void meanStdDev(const GpuMat& mtx, Scalar& mean, Scalar& stddev);\r
 707 \r
 708         //! computes norm of array\r
 709         //! supports NORM_INF, NORM_L1, NORM_L2\r
 710         //! supports only CV_8UC1 type\r
 711         CV_EXPORTS double norm(const GpuMat& src1, int normType=NORM_L2);\r
 712 \r
 713         //! computes norm of the difference between two arrays\r
 714         //! supports NORM_INF, NORM_L1, NORM_L2\r
 715         //! supports only CV_8UC1 type\r
 716         CV_EXPORTS double norm(const GpuMat& src1, const GpuMat& src2, int normType=NORM_L2);\r
 717 \r
 718         //! computes sum of array elements\r
 719         //! supports only single channel images\r
 720         CV_EXPORTS Scalar sum(const GpuMat& src);\r
 721 \r
 722         //! computes sum of array elements\r
 723         //! supports only single channel images\r
 724         CV_EXPORTS Scalar sum(const GpuMat& src, GpuMat& buf);\r
 725 \r
 726         //! computes squared sum of array elements\r
 727         //! supports only single channel images\r
 728         CV_EXPORTS Scalar sqrSum(const GpuMat& src);\r
 729 \r
 730         //! computes squared sum of array elements\r
 731         //! supports only single channel images\r
 732         CV_EXPORTS Scalar sqrSum(const GpuMat& src, GpuMat& buf);\r
 733 \r
 734         //! finds global minimum and maximum array elements and returns their values\r
 735         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal=0, const GpuMat& mask=GpuMat());\r
 736 \r
 737         //! finds global minimum and maximum array elements and returns their values\r
 738         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal, const GpuMat& mask, GpuMat& buf);\r
 739 \r
 740         //! finds global minimum and maximum array elements and returns their values with locations\r
 741         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0,\r
 742                                   const GpuMat& mask=GpuMat());\r
 743 \r
 744         //! finds global minimum and maximum array elements and returns their values with locations\r
 745         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal, Point* minLoc, Point* maxLoc,\r
 746                                   const GpuMat& mask, GpuMat& valbuf, GpuMat& locbuf);\r
 747 \r
 748         //! counts non-zero array elements\r
 749         CV_EXPORTS int countNonZero(const GpuMat& src);\r
 750 \r
 751         //! counts non-zero array elements\r
 752         CV_EXPORTS int countNonZero(const GpuMat& src, GpuMat& buf);\r
 753 \r
 754 \r
 755         //////////////////////////////// Filter Engine ////////////////////////////////\r
 756 \r
 757         /*!\r
 758         The Base Class for 1D or Row-wise Filters\r
 759 \r
 760         This is the base class for linear or non-linear filters that process 1D data.\r
 761         In particular, such filters are used for the "horizontal" filtering parts in separable filters.\r
 762         */\r
 763         class CV_EXPORTS BaseRowFilter_GPU\r
 764         {\r
 765         public:\r
 766             BaseRowFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 767             virtual ~BaseRowFilter_GPU() {}\r
 768             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 769             int ksize, anchor;\r
 770         };\r
 771 \r
 772         /*!\r
 773         The Base Class for Column-wise Filters\r
 774 \r
 775         This is the base class for linear or non-linear filters that process columns of 2D arrays.\r
 776         Such filters are used for the "vertical" filtering parts in separable filters.\r
 777         */\r
 778         class CV_EXPORTS BaseColumnFilter_GPU\r
 779         {\r
 780         public:\r
 781             BaseColumnFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 782             virtual ~BaseColumnFilter_GPU() {}\r
 783             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 784             int ksize, anchor;\r
 785         };\r
 786 \r
 787         /*!\r
 788         The Base Class for Non-Separable 2D Filters.\r
 789 \r
 790         This is the base class for linear or non-linear 2D filters.\r
 791         */\r
 792         class CV_EXPORTS BaseFilter_GPU\r
 793         {\r
 794         public:\r
 795             BaseFilter_GPU(const Size& ksize_, const Point& anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 796             virtual ~BaseFilter_GPU() {}\r
 797             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 798             Size ksize;\r
 799             Point anchor;\r
 800         };\r
 801 \r
 802         /*!\r
 803         The Base Class for Filter Engine.\r
 804 \r
 805         The class can be used to apply an arbitrary filtering operation to an image.\r
 806         It contains all the necessary intermediate buffers.\r
 807         */\r
 808         class CV_EXPORTS FilterEngine_GPU\r
 809         {\r
 810         public:\r
 811             virtual ~FilterEngine_GPU() {}\r
 812 \r
 813             virtual void apply(const GpuMat& src, GpuMat& dst, Rect roi = Rect(0,0,-1,-1)) = 0;\r
 814         };\r
 815 \r
 816         //! returns the non-separable filter engine with the specified filter\r
 817         CV_EXPORTS Ptr<FilterEngine_GPU> createFilter2D_GPU(const Ptr<BaseFilter_GPU>& filter2D, int srcType, int dstType);\r
 818 \r
 819         //! returns the separable filter engine with the specified filters\r
 820         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableFilter_GPU(const Ptr<BaseRowFilter_GPU>& rowFilter,\r
 821             const Ptr<BaseColumnFilter_GPU>& columnFilter, int srcType, int bufType, int dstType);\r
 822 \r
 823         //! returns horizontal 1D box filter\r
 824         //! supports only CV_8UC1 source type and CV_32FC1 sum type\r
 825         CV_EXPORTS Ptr<BaseRowFilter_GPU> getRowSumFilter_GPU(int srcType, int sumType, int ksize, int anchor = -1);\r
 826 \r
 827         //! returns vertical 1D box filter\r
 828         //! supports only CV_8UC1 sum type and CV_32FC1 dst type\r
 829         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getColumnSumFilter_GPU(int sumType, int dstType, int ksize, int anchor = -1);\r
 830 \r
 831         //! returns 2D box filter\r
 832         //! supports CV_8UC1 and CV_8UC4 source type, dst type must be the same as source type\r
 833         CV_EXPORTS Ptr<BaseFilter_GPU> getBoxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1, -1));\r
 834 \r
 835         //! returns box filter engine\r
 836         CV_EXPORTS Ptr<FilterEngine_GPU> createBoxFilter_GPU(int srcType, int dstType, const Size& ksize,\r
 837             const Point& anchor = Point(-1,-1));\r
 838 \r
 839         //! returns 2D morphological filter\r
 840         //! only MORPH_ERODE and MORPH_DILATE are supported\r
 841         //! supports CV_8UC1 and CV_8UC4 types\r
 842         //! kernel must have CV_8UC1 type, one rows and cols == ksize.width * ksize.height\r
 843         CV_EXPORTS Ptr<BaseFilter_GPU> getMorphologyFilter_GPU(int op, int type, const Mat& kernel, const Size& ksize,\r
 844             Point anchor=Point(-1,-1));\r
 845 \r
 846         //! returns morphological filter engine. Only MORPH_ERODE and MORPH_DILATE are supported.\r
 847         CV_EXPORTS Ptr<FilterEngine_GPU> createMorphologyFilter_GPU(int op, int type, const Mat& kernel,\r
 848             const Point& anchor = Point(-1,-1), int iterations = 1);\r
 849 \r
 850         //! returns 2D filter with the specified kernel\r
 851         //! supports CV_8UC1 and CV_8UC4 types\r
 852         CV_EXPORTS Ptr<BaseFilter_GPU> getLinearFilter_GPU(int srcType, int dstType, const Mat& kernel, const Size& ksize,\r
 853             Point anchor = Point(-1, -1));\r
 854 \r
 855         //! returns the non-separable linear filter engine\r
 856         CV_EXPORTS Ptr<FilterEngine_GPU> createLinearFilter_GPU(int srcType, int dstType, const Mat& kernel,\r
 857             const Point& anchor = Point(-1,-1));\r
 858 \r
 859         //! returns the primitive row filter with the specified kernel.\r
 860         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 source type.\r
 861         //! there are two version of algorithm: NPP and OpenCV.\r
 862         //! NPP calls when srcType == CV_8UC1 or srcType == CV_8UC4 and bufType == srcType,\r
 863         //! otherwise calls OpenCV version.\r
 864         //! NPP supports only BORDER_CONSTANT border type.\r
 865         //! OpenCV version supports only CV_32F as buffer depth and\r
 866         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 867         CV_EXPORTS Ptr<BaseRowFilter_GPU> getLinearRowFilter_GPU(int srcType, int bufType, const Mat& rowKernel,\r
 868             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 869 \r
 870         //! returns the primitive column filter with the specified kernel.\r
 871         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 dst type.\r
 872         //! there are two version of algorithm: NPP and OpenCV.\r
 873         //! NPP calls when dstType == CV_8UC1 or dstType == CV_8UC4 and bufType == dstType,\r
 874         //! otherwise calls OpenCV version.\r
 875         //! NPP supports only BORDER_CONSTANT border type.\r
 876         //! OpenCV version supports only CV_32F as buffer depth and\r
 877         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 878         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getLinearColumnFilter_GPU(int bufType, int dstType, const Mat& columnKernel,\r
 879             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 880 \r
 881         //! returns the separable linear filter engine\r
 882         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableLinearFilter_GPU(int srcType, int dstType, const Mat& rowKernel,\r
 883             const Mat& columnKernel, const Point& anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT,\r
 884             int columnBorderType = -1);\r
 885 \r
 886         //! returns filter engine for the generalized Sobel operator\r
 887         CV_EXPORTS Ptr<FilterEngine_GPU> createDerivFilter_GPU(int srcType, int dstType, int dx, int dy, int ksize,\r
 888             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 889 \r
 890         //! returns the Gaussian filter engine\r
 891         CV_EXPORTS Ptr<FilterEngine_GPU> createGaussianFilter_GPU(int type, Size ksize, double sigma1, double sigma2 = 0,\r
 892             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 893 \r
 894         //! returns maximum filter\r
 895         CV_EXPORTS Ptr<BaseFilter_GPU> getMaxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 896 \r
 897         //! returns minimum filter\r
 898         CV_EXPORTS Ptr<BaseFilter_GPU> getMinFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 899 \r
 900         //! smooths the image using the normalized box filter\r
 901         //! supports CV_8UC1, CV_8UC4 types\r
 902         CV_EXPORTS void boxFilter(const GpuMat& src, GpuMat& dst, int ddepth, Size ksize, Point anchor = Point(-1,-1));\r
 903 \r
 904         //! a synonym for normalized box filter\r
 905         static inline void blur(const GpuMat& src, GpuMat& dst, Size ksize, Point anchor = Point(-1,-1)) { boxFilter(src, dst, -1, ksize, anchor); }\r
 906 \r
 907         //! erodes the image (applies the local minimum operator)\r
 908         CV_EXPORTS void erode( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 909 \r
 910         //! dilates the image (applies the local maximum operator)\r
 911         CV_EXPORTS void dilate( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 912 \r
 913         //! applies an advanced morphological operation to the image\r
 914         CV_EXPORTS void morphologyEx( const GpuMat& src, GpuMat& dst, int op, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 915 \r
 916         //! applies non-separable 2D linear filter to the image\r
 917         CV_EXPORTS void filter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernel, Point anchor=Point(-1,-1));\r
 918 \r
 919         //! applies separable 2D linear filter to the image\r
 920         CV_EXPORTS void sepFilter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernelX, const Mat& kernelY,\r
 921             Point anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 922 \r
 923         //! applies generalized Sobel operator to the image\r
 924         CV_EXPORTS void Sobel(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, int ksize = 3, double scale = 1,\r
 925             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 926 \r
 927         //! applies the vertical or horizontal Scharr operator to the image\r
 928         CV_EXPORTS void Scharr(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, double scale = 1,\r
 929             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 930 \r
 931         //! smooths the image using Gaussian filter.\r
 932         CV_EXPORTS void GaussianBlur(const GpuMat& src, GpuMat& dst, Size ksize, double sigma1, double sigma2 = 0,\r
 933             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 934 \r
 935         //! applies Laplacian operator to the image\r
 936         //! supports only ksize = 1 and ksize = 3\r
 937         CV_EXPORTS void Laplacian(const GpuMat& src, GpuMat& dst, int ddepth, int ksize = 1, double scale = 1);\r
 938 \r
 939         //////////////////////////////// Image Labeling ////////////////////////////////\r
 940 \r
 941         //!performs labeling via graph cuts\r
 942         CV_EXPORTS void graphcut(GpuMat& terminals, GpuMat& leftTransp, GpuMat& rightTransp, GpuMat& top, GpuMat& bottom, GpuMat& labels, GpuMat& buf);\r
 943 \r
 944         ////////////////////////////////// Histograms //////////////////////////////////\r
 945 \r
 946         //! Compute levels with even distribution. levels will have 1 row and nLevels cols and CV_32SC1 type.\r
 947         CV_EXPORTS void evenLevels(GpuMat& levels, int nLevels, int lowerLevel, int upperLevel);\r
 948         //! Calculates histogram with evenly distributed bins for signle channel source.\r
 949         //! Supports CV_8UC1, CV_16UC1 and CV_16SC1 source types.\r
 950         //! Output hist will have one row and histSize cols and CV_32SC1 type.\r
 951         CV_EXPORTS void histEven(const GpuMat& src, GpuMat& hist, int histSize, int lowerLevel, int upperLevel);\r
 952         //! Calculates histogram with evenly distributed bins for four-channel source.\r
 953         //! All channels of source are processed separately.\r
 954         //! Supports CV_8UC4, CV_16UC4 and CV_16SC4 source types.\r
 955         //! Output hist[i] will have one row and histSize[i] cols and CV_32SC1 type.\r
 956         CV_EXPORTS void histEven(const GpuMat& src, GpuMat hist[4], int histSize[4], int lowerLevel[4], int upperLevel[4]);\r
 957         //! Calculates histogram with bins determined by levels array.\r
 958         //! levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 959         //! Supports CV_8UC1, CV_16UC1, CV_16SC1 and CV_32FC1 source types.\r
 960         //! Output hist will have one row and (levels.cols-1) cols and CV_32SC1 type.\r
 961         CV_EXPORTS void histRange(const GpuMat& src, GpuMat& hist, const GpuMat& levels);\r
 962         //! Calculates histogram with bins determined by levels array.\r
 963         //! All levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 964         //! All channels of source are processed separately.\r
 965         //! Supports CV_8UC4, CV_16UC4, CV_16SC4 and CV_32FC4 source types.\r
 966         //! Output hist[i] will have one row and (levels[i].cols-1) cols and CV_32SC1 type.\r
 967         CV_EXPORTS void histRange(const GpuMat& src, GpuMat hist[4], const GpuMat levels[4]);\r
 968 \r
 969         //////////////////////////////// StereoBM_GPU ////////////////////////////////\r
 970 \r
 971         class CV_EXPORTS StereoBM_GPU\r
 972         {\r
 973         public:\r
 974             enum { BASIC_PRESET = 0, PREFILTER_XSOBEL = 1 };\r
 975 \r
 976             enum { DEFAULT_NDISP = 64, DEFAULT_WINSZ = 19 };\r
 977 \r
 978             //! the default constructor\r
 979             StereoBM_GPU();\r
 980             //! the full constructor taking the camera-specific preset, number of disparities and the SAD window size. ndisparities must be multiple of 8.\r
 981             StereoBM_GPU(int preset, int ndisparities = DEFAULT_NDISP, int winSize = DEFAULT_WINSZ);\r
 982 \r
 983             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair\r
 984             //! Output disparity has CV_8U type.\r
 985             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
 986 \r
 987             //! async version\r
 988             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity, const Stream & stream);\r
 989 \r
 990             //! Some heuristics that tries to estmate\r
 991             // if current GPU will be faster then CPU in this algorithm.\r
 992             // It queries current active device.\r
 993             static bool checkIfGpuCallReasonable();\r
 994 \r
 995             int preset;\r
 996             int ndisp;\r
 997             int winSize;\r
 998 \r
 999             // If avergeTexThreshold  == 0 => post procesing is disabled\r
1000             // If avergeTexThreshold != 0 then disparity is set 0 in each point (x,y) where for left image\r
1001             // SumOfHorizontalGradiensInWindow(x, y, winSize) < (winSize * winSize) * avergeTexThreshold\r
1002             // i.e. input left image is low textured.\r
1003             float avergeTexThreshold;\r
1004         private:\r
1005             GpuMat minSSD, leBuf, riBuf;\r
1006         };\r
1007 \r
1008         ////////////////////////// StereoBeliefPropagation ///////////////////////////\r
1009         // "Efficient Belief Propagation for Early Vision"\r
1010         // P.Felzenszwalb\r
1011 \r
1012         class CV_EXPORTS StereoBeliefPropagation\r
1013         {\r
1014         public:\r
1015             enum { DEFAULT_NDISP  = 64 };\r
1016             enum { DEFAULT_ITERS  = 5  };\r
1017             enum { DEFAULT_LEVELS = 5  };\r
1018 \r
1019             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels);\r
1020 \r
1021             //! the default constructor\r
1022             explicit StereoBeliefPropagation(int ndisp  = DEFAULT_NDISP,\r
1023                 int iters  = DEFAULT_ITERS,\r
1024                 int levels = DEFAULT_LEVELS,\r
1025                 int msg_type = CV_32F);\r
1026 \r
1027             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1028             //! number of levels, truncation of data cost, data weight,\r
1029             //! truncation of discontinuity cost and discontinuity single jump\r
1030             //! DataTerm = data_weight * min(fabs(I2-I1), max_data_term)\r
1031             //! DiscTerm = min(disc_single_jump * fabs(f1-f2), max_disc_term)\r
1032             //! please see paper for more details\r
1033             StereoBeliefPropagation(int ndisp, int iters, int levels,\r
1034                 float max_data_term, float data_weight,\r
1035                 float max_disc_term, float disc_single_jump,\r
1036                 int msg_type = CV_32F);\r
1037 \r
1038             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
1039             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
1040             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1041 \r
1042             //! async version\r
1043             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
1044 \r
1045 \r
1046             //! version for user specified data term\r
1047             void operator()(const GpuMat& data, GpuMat& disparity);\r
1048             void operator()(const GpuMat& data, GpuMat& disparity, Stream& stream);\r
1049 \r
1050             int ndisp;\r
1051 \r
1052             int iters;\r
1053             int levels;\r
1054 \r
1055             float max_data_term;\r
1056             float data_weight;\r
1057             float max_disc_term;\r
1058             float disc_single_jump;\r
1059 \r
1060             int msg_type;\r
1061         private:\r
1062             GpuMat u, d, l, r, u2, d2, l2, r2;\r
1063             std::vector<GpuMat> datas;\r
1064             GpuMat out;\r
1065         };\r
1066 \r
1067         /////////////////////////// StereoConstantSpaceBP ///////////////////////////\r
1068         // "A Constant-Space Belief Propagation Algorithm for Stereo Matching"\r
1069         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1070         // http://vision.ai.uiuc.edu/~qyang6/\r
1071 \r
1072         class CV_EXPORTS StereoConstantSpaceBP\r
1073         {\r
1074         public:\r
1075             enum { DEFAULT_NDISP    = 128 };\r
1076             enum { DEFAULT_ITERS    = 8   };\r
1077             enum { DEFAULT_LEVELS   = 4   };\r
1078             enum { DEFAULT_NR_PLANE = 4   };\r
1079 \r
1080             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels, int& nr_plane);\r
1081 \r
1082             //! the default constructor\r
1083             explicit StereoConstantSpaceBP(int ndisp    = DEFAULT_NDISP,\r
1084                 int iters    = DEFAULT_ITERS,\r
1085                 int levels   = DEFAULT_LEVELS,\r
1086                 int nr_plane = DEFAULT_NR_PLANE,\r
1087                 int msg_type = CV_32F);\r
1088 \r
1089             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1090             //! number of levels, number of active disparity on the first level, truncation of data cost, data weight,\r
1091             //! truncation of discontinuity cost, discontinuity single jump and minimum disparity threshold\r
1092             StereoConstantSpaceBP(int ndisp, int iters, int levels, int nr_plane,\r
1093                 float max_data_term, float data_weight, float max_disc_term, float disc_single_jump,\r
1094                 int min_disp_th = 0,\r
1095                 int msg_type = CV_32F);\r
1096 \r
1097             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
1098             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
1099             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1100 \r
1101             //! async version\r
1102             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
1103 \r
1104             int ndisp;\r
1105 \r
1106             int iters;\r
1107             int levels;\r
1108 \r
1109             int nr_plane;\r
1110 \r
1111             float max_data_term;\r
1112             float data_weight;\r
1113             float max_disc_term;\r
1114             float disc_single_jump;\r
1115 \r
1116             int min_disp_th;\r
1117 \r
1118             int msg_type;\r
1119 \r
1120             bool use_local_init_data_cost;\r
1121         private:\r
1122             GpuMat u[2], d[2], l[2], r[2];\r
1123             GpuMat disp_selected_pyr[2];\r
1124 \r
1125             GpuMat data_cost;\r
1126             GpuMat data_cost_selected;\r
1127 \r
1128             GpuMat temp;\r
1129 \r
1130             GpuMat out;\r
1131         };\r
1132 \r
1133         /////////////////////////// DisparityBilateralFilter ///////////////////////////\r
1134         // Disparity map refinement using joint bilateral filtering given a single color image.\r
1135         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1136         // http://vision.ai.uiuc.edu/~qyang6/\r
1137 \r
1138         class CV_EXPORTS DisparityBilateralFilter\r
1139         {\r
1140         public:\r
1141             enum { DEFAULT_NDISP  = 64 };\r
1142             enum { DEFAULT_RADIUS = 3 };\r
1143             enum { DEFAULT_ITERS  = 1 };\r
1144 \r
1145             //! the default constructor\r
1146             explicit DisparityBilateralFilter(int ndisp = DEFAULT_NDISP, int radius = DEFAULT_RADIUS, int iters = DEFAULT_ITERS);\r
1147 \r
1148             //! the full constructor taking the number of disparities, filter radius,\r
1149             //! number of iterations, truncation of data continuity, truncation of disparity continuity\r
1150             //! and filter range sigma\r
1151             DisparityBilateralFilter(int ndisp, int radius, int iters, float edge_threshold, float max_disc_threshold, float sigma_range);\r
1152 \r
1153             //! the disparity map refinement operator. Refine disparity map using joint bilateral filtering given a single color image.\r
1154             //! disparity must have CV_8U or CV_16S type, image must have CV_8UC1 or CV_8UC3 type.\r
1155             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst);\r
1156 \r
1157             //! async version\r
1158             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst, Stream& stream);\r
1159 \r
1160         private:\r
1161             int ndisp;\r
1162             int radius;\r
1163             int iters;\r
1164 \r
1165             float edge_threshold;\r
1166             float max_disc_threshold;\r
1167             float sigma_range;\r
1168 \r
1169             GpuMat table_color;\r
1170             GpuMat table_space;\r
1171         };\r
1172 \r
1173 \r
1174         //////////////// HOG (Histogram-of-Oriented-Gradients) Descriptor and Object Detector //////////////\r
1175 \r
1176         struct CV_EXPORTS HOGDescriptor\r
1177         {\r
1178             enum { DEFAULT_WIN_SIGMA = -1 };\r
1179             enum { DEFAULT_NLEVELS = 64 };\r
1180             enum { DESCR_FORMAT_ROW_BY_ROW, DESCR_FORMAT_COL_BY_COL };\r
1181 \r
1182             HOGDescriptor(Size win_size=Size(64, 128), Size block_size=Size(16, 16),\r
1183                           Size block_stride=Size(8, 8), Size cell_size=Size(8, 8),\r
1184                           int nbins=9, double win_sigma=DEFAULT_WIN_SIGMA,\r
1185                           double threshold_L2hys=0.2, bool gamma_correction=true,\r
1186                           int nlevels=DEFAULT_NLEVELS);\r
1187 \r
1188             size_t getDescriptorSize() const;\r
1189             size_t getBlockHistogramSize() const;\r
1190 \r
1191             void setSVMDetector(const vector<float>& detector);\r
1192 \r
1193             static vector<float> getDefaultPeopleDetector();\r
1194             static vector<float> getPeopleDetector48x96();\r
1195             static vector<float> getPeopleDetector64x128();\r
1196 \r
1197             void detect(const GpuMat& img, vector<Point>& found_locations, \r
1198                         double hit_threshold=0, Size win_stride=Size(), \r
1199                         Size padding=Size());\r
1200 \r
1201             void detectMultiScale(const GpuMat& img, vector<Rect>& found_locations,\r
1202                                   double hit_threshold=0, Size win_stride=Size(), \r
1203                                   Size padding=Size(), double scale0=1.05, \r
1204                                   int group_threshold=2);\r
1205 \r
1206             void getDescriptors(const GpuMat& img, Size win_stride, \r
1207                                 GpuMat& descriptors,\r
1208                                 int descr_format=DESCR_FORMAT_COL_BY_COL);\r
1209 \r
1210             Size win_size;\r
1211             Size block_size;\r
1212             Size block_stride;\r
1213             Size cell_size;\r
1214             int nbins;\r
1215             double win_sigma;\r
1216             double threshold_L2hys;\r
1217             bool gamma_correction;\r
1218             int nlevels;\r
1219 \r
1220         protected:\r
1221             void computeBlockHistograms(const GpuMat& img);\r
1222             void computeGradient(const GpuMat& img, GpuMat& grad, GpuMat& qangle);\r
1223 \r
1224             double getWinSigma() const;\r
1225             bool checkDetectorSize() const;\r
1226 \r
1227             static int numPartsWithin(int size, int part_size, int stride);\r
1228             static Size numPartsWithin(Size size, Size part_size, Size stride);\r
1229 \r
1230             // Coefficients of the separating plane\r
1231             float free_coef;\r
1232             GpuMat detector;\r
1233 \r
1234             // Results of the last classification step\r
1235             GpuMat labels;\r
1236             Mat labels_host;\r
1237 \r
1238             // Results of the last histogram evaluation step\r
1239             GpuMat block_hists;\r
1240 \r
1241             // Gradients conputation results\r
1242             GpuMat grad, qangle;\r
1243         };\r
1244 \r
1245 \r
1246         ////////////////////////////////// BruteForceMatcher //////////////////////////////////\r
1247 \r
1248         class CV_EXPORTS BruteForceMatcher_GPU_base\r
1249         {\r
1250         public:\r
1251             enum DistType {L1Dist = 0, L2Dist};\r
1252 \r
1253             explicit BruteForceMatcher_GPU_base(DistType distType = L2Dist);\r
1254 \r
1255             // Add descriptors to train descriptor collection.\r
1256             void add(const std::vector<GpuMat>& descCollection);\r
1257 \r
1258             // Get train descriptors collection.\r
1259             const std::vector<GpuMat>& getTrainDescriptors() const;\r
1260 \r
1261             // Clear train descriptors collection.\r
1262             void clear();\r
1263 \r
1264             // Return true if there are not train descriptors in collection.\r
1265             bool empty() const;\r
1266 \r
1267             // Return true if the matcher supports mask in match methods.\r
1268             bool isMaskSupported() const;\r
1269 \r
1270             // Find one best match for each query descriptor.\r
1271             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1272             // distance.at<float>(0, queryIdx) will contain distance\r
1273             void matchSingle(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1274                 GpuMat& trainIdx, GpuMat& distance,\r
1275                 const GpuMat& mask = GpuMat());\r
1276 \r
1277             // Download trainIdx and distance to CPU vector with DMatch\r
1278             static void matchDownload(const GpuMat& trainIdx, const GpuMat& distance, std::vector<DMatch>& matches);\r
1279 \r
1280             // Find one best match for each query descriptor.\r
1281             void match(const GpuMat& queryDescs, const GpuMat& trainDescs, std::vector<DMatch>& matches,\r
1282                 const GpuMat& mask = GpuMat());\r
1283 \r
1284             // Make gpu collection of trains and masks in suitable format for matchCollection function\r
1285             void makeGpuCollection(GpuMat& trainCollection, GpuMat& maskCollection,\r
1286                 const vector<GpuMat>& masks = std::vector<GpuMat>());\r
1287 \r
1288             // Find one best match from train collection for each query descriptor.\r
1289             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1290             // imgIdx.at<int>(0, queryIdx) will contain best image index for queryIdx\r
1291             // distance.at<float>(0, queryIdx) will contain distance\r
1292             void matchCollection(const GpuMat& queryDescs, const GpuMat& trainCollection,\r
1293                 GpuMat& trainIdx, GpuMat& imgIdx, GpuMat& distance,\r
1294                 const GpuMat& maskCollection);\r
1295 \r
1296             // Download trainIdx, imgIdx and distance to CPU vector with DMatch\r
1297             static void matchDownload(const GpuMat& trainIdx, GpuMat& imgIdx, const GpuMat& distance,\r
1298                 std::vector<DMatch>& matches);\r
1299 \r
1300             // Find one best match from train collection for each query descriptor.\r
1301             void match(const GpuMat& queryDescs, std::vector<DMatch>& matches,\r
1302                 const std::vector<GpuMat>& masks = std::vector<GpuMat>());\r
1303 \r
1304             // Find k best matches for each query descriptor (in increasing order of distances).\r
1305             // trainIdx.at<int>(queryIdx, i) will contain index of i'th best trains (i < k).\r
1306             // distance.at<float>(queryIdx, i) will contain distance.\r
1307             // allDist is a buffer to store all distance between query descriptors and train descriptors\r
1308             // it have size (nQuery,nTrain) and CV_32F type\r
1309             // allDist.at<float>(queryIdx, trainIdx) will contain FLT_MAX, if trainIdx is one from k best,\r
1310             // otherwise it will contain distance between queryIdx and trainIdx descriptors\r
1311             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1312                 GpuMat& trainIdx, GpuMat& distance, GpuMat& allDist, int k, const GpuMat& mask = GpuMat());\r
1313 \r
1314             // Download trainIdx and distance to CPU vector with DMatch\r
1315             // compactResult is used when mask is not empty. If compactResult is false matches\r
1316             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1317             // matches vector will not contain matches for fully masked out query descriptors.\r
1318             static void knnMatchDownload(const GpuMat& trainIdx, const GpuMat& distance,\r
1319                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1320 \r
1321             // Find k best matches for each query descriptor (in increasing order of distances).\r
1322             // compactResult is used when mask is not empty. If compactResult is false matches\r
1323             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1324             // matches vector will not contain matches for fully masked out query descriptors.\r
1325             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1326                 std::vector< std::vector<DMatch> >& matches, int k, const GpuMat& mask = GpuMat(),\r
1327                 bool compactResult = false);\r
1328 \r
1329             // Find k best matches  for each query descriptor (in increasing order of distances).\r
1330             // compactResult is used when mask is not empty. If compactResult is false matches\r
1331             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1332             // matches vector will not contain matches for fully masked out query descriptors.\r
1333             void knnMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, int knn,\r
1334                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false );\r
1335 \r
1336             // Find best matches for each query descriptor which have distance less than maxDistance.\r
1337             // nMatches.at<unsigned int>(0, queruIdx) will contain matches count for queryIdx.\r
1338             // carefully nMatches can be greater than trainIdx.cols - it means that matcher didn't find all matches,\r
1339             // because it didn't have enough memory.\r
1340             // trainIdx.at<int>(queruIdx, i) will contain ith train index (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1341             // distance.at<int>(queruIdx, i) will contain ith distance (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1342             // If trainIdx is empty, then trainIdx and distance will be created with size nQuery x nTrain,\r
1343             // otherwize user can pass own allocated trainIdx and distance with size nQuery x nMaxMatches\r
1344             // Matches doesn't sorted.\r
1345             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1346                 GpuMat& trainIdx, GpuMat& nMatches, GpuMat& distance, float maxDistance,\r
1347                 const GpuMat& mask = GpuMat());\r
1348 \r
1349             // Download trainIdx, nMatches and distance to CPU vector with DMatch.\r
1350             // matches will be sorted in increasing order of distances.\r
1351             // compactResult is used when mask is not empty. If compactResult is false matches\r
1352             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1353             // matches vector will not contain matches for fully masked out query descriptors.\r
1354             static void radiusMatchDownload(const GpuMat& trainIdx, const GpuMat& nMatches, const GpuMat& distance,\r
1355                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1356 \r
1357             // Find best matches for each query descriptor which have distance less than maxDistance\r
1358             // in increasing order of distances).\r
1359             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1360                 std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1361                 const GpuMat& mask = GpuMat(), bool compactResult = false);\r
1362 \r
1363             // Find best matches from train collection for each query descriptor which have distance less than\r
1364             // maxDistance (in increasing order of distances).\r
1365             void radiusMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1366                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false);\r
1367 \r
1368         private:\r
1369             DistType distType;\r
1370 \r
1371             std::vector<GpuMat> trainDescCollection;\r
1372         };\r
1373 \r
1374         template <class Distance>\r
1375         class CV_EXPORTS BruteForceMatcher_GPU;\r
1376 \r
1377         template <typename T>\r
1378         class CV_EXPORTS BruteForceMatcher_GPU< L1<T> > : public BruteForceMatcher_GPU_base\r
1379         {\r
1380         public:\r
1381             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L1Dist) {}\r
1382             explicit BruteForceMatcher_GPU(L1<T> /*d*/) : BruteForceMatcher_GPU_base(L1Dist) {}\r
1383         };\r
1384         template <typename T>\r
1385         class CV_EXPORTS BruteForceMatcher_GPU< L2<T> > : public BruteForceMatcher_GPU_base\r
1386         {\r
1387         public:\r
1388             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L2Dist) {}\r
1389             explicit BruteForceMatcher_GPU(L2<T> /*d*/) : BruteForceMatcher_GPU_base(L2Dist) {}\r
1390         };\r
1391 \r
1392         ////////////////////////////////// CascadeClassifier_GPU //////////////////////////////////////////\r
1393         // The cascade classifier class for object detection.\r
1394         class CV_EXPORTS CascadeClassifier_GPU\r
1395         {\r
1396         public:            \r
1397             CascadeClassifier_GPU();\r
1398             CascadeClassifier_GPU(const string& filename);\r
1399             ~CascadeClassifier_GPU();\r
1400 \r
1401             bool empty() const;\r
1402             bool load(const string& filename);\r
1403             void release();\r
1404             \r
1405             /* returns number of detected objects */\r
1406             int detectMultiScale( const GpuMat& image, GpuMat& objectsBuf, double scaleFactor=1.2, int minNeighbors=4, Size minSize=Size());\r
1407                                     \r
1408             bool findLargestObject;\r
1409             bool visualizeInPlace;\r
1410 \r
1411             Size getClassifierSize() const;\r
1412         private:\r
1413             \r
1414             struct CascadeClassifierImpl;                        \r
1415             CascadeClassifierImpl* impl;            \r
1416         };\r
1417         \r
1418         ////////////////////////////////// SURF //////////////////////////////////////////\r
1419         \r
1420         struct CV_EXPORTS SURFParams_GPU \r
1421         {\r
1422             SURFParams_GPU() : threshold(0.1f), nOctaves(4), nIntervals(4), initialScale(2.f), \r
1423                 l1(3.f/1.5f), l2(5.f/1.5f), l3(3.f/1.5f), l4(1.f/1.5f),\r
1424                 edgeScale(0.81f), initialStep(1), extended(true), featuresRatio(0.01f) {}\r
1425 \r
1426             //! The interest operator threshold\r
1427             float threshold;\r
1428             //! The number of octaves to process\r
1429             int nOctaves;\r
1430             //! The number of intervals in each octave\r
1431             int nIntervals;\r
1432             //! The scale associated with the first interval of the first octave\r
1433             float initialScale;\r
1434 \r
1435             //! mask parameter l_1\r
1436             float l1;\r
1437             //! mask parameter l_2 \r
1438             float l2;\r
1439             //! mask parameter l_3\r
1440             float l3;\r
1441             //! mask parameter l_4\r
1442             float l4;\r
1443             //! The amount to scale the edge rejection mask\r
1444             float edgeScale;\r
1445             //! The initial sampling step in pixels.\r
1446             int initialStep;\r
1447 \r
1448             //! True, if generate 128-len descriptors, false - 64-len descriptors\r
1449             bool extended;\r
1450 \r
1451             //! max features = featuresRatio * img.size().srea()\r
1452             float featuresRatio;\r
1453         };\r
1454 \r
1455         class CV_EXPORTS SURF_GPU : public SURFParams_GPU\r
1456         {\r
1457         public:\r
1458             //! returns the descriptor size in float's (64 or 128)\r
1459             int descriptorSize() const;\r
1460 \r
1461             //! upload host keypoints to device memory\r
1462             static void uploadKeypoints(const vector<KeyPoint>& keypoints, GpuMat& keypointsGPU);\r
1463             //! download keypoints from device to host memory\r
1464             static void downloadKeypoints(const GpuMat& keypointsGPU, vector<KeyPoint>& keypoints);\r
1465 \r
1466             //! download descriptors from device to host memory\r
1467             static void downloadDescriptors(const GpuMat& descriptorsGPU, vector<float>& descriptors);\r
1468             \r
1469             //! finds the keypoints using fast hessian detector used in SURF\r
1470             //! supports CV_8UC1 images\r
1471             //! keypoints will have 1 row and type CV_32FC(6)\r
1472             //! keypoints.at<float[6]>(1, i) contains i'th keypoint\r
1473             //! format: (x, y, size, response, angle, octave)\r
1474             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints);\r
1475             //! finds the keypoints and computes their descriptors. \r
1476             //! Optionally it can compute descriptors for the user-provided keypoints and recompute keypoints direction\r
1477             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints, GpuMat& descriptors, \r
1478                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1479         \r
1480             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints);\r
1481             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, GpuMat& descriptors, \r
1482                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1483             \r
1484             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, std::vector<float>& descriptors, \r
1485                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1486 \r
1487             GpuMat sum;\r
1488             GpuMat sumf;\r
1489 \r
1490             GpuMat mask1;\r
1491             GpuMat maskSum;\r
1492 \r
1493             GpuMat hessianBuffer;\r
1494             GpuMat maxPosBuffer;\r
1495             GpuMat featuresBuffer;\r
1496         };\r
1497 \r
1498     }\r
1499 \r
1500     //! Speckle filtering - filters small connected components on diparity image.\r
1501     //! It sets pixel (x,y) to newVal if it coresponds to small CC with size < maxSpeckleSize.\r
1502     //! Threshold for border between CC is diffThreshold;\r
1503     CV_EXPORTS void filterSpeckles( Mat& img, uchar newVal, int maxSpeckleSize, uchar diffThreshold, Mat& buf);\r
1504 \r
1505 }\r
1506 #include "opencv2/gpu/matrix_operations.hpp"\r
1507 \r
1508 #endif /* __OPENCV_GPU_HPP__ */\r