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         //////////////////////////////// Error handling ////////////////////////\r
  76 \r
  77         CV_EXPORTS void error(const char *error_string, const char *file, const int line, const char *func);\r
  78         CV_EXPORTS void nppError( int err, const char *file, const int line, const char *func);\r
  79 \r
  80         //////////////////////////////// GpuMat ////////////////////////////////\r
  81         class Stream;\r
  82         class CudaMem;\r
  83 \r
  84         //! Smart pointer for GPU memory with reference counting. Its interface is mostly similar with cv::Mat.\r
  85         class CV_EXPORTS GpuMat\r
  86         {\r
  87         public:\r
  88             //! default constructor\r
  89             GpuMat();\r
  90             //! constructs GpuMatrix of the specified size and type (_type is CV_8UC1, CV_64FC3, CV_32SC(12) etc.)\r
  91             GpuMat(int rows, int cols, int type);\r
  92             GpuMat(Size size, int type);\r
  93             //! constucts GpuMatrix and fills it with the specified value _s.\r
  94             GpuMat(int rows, int cols, int type, const Scalar& s);\r
  95             GpuMat(Size size, int type, const Scalar& s);\r
  96             //! copy constructor\r
  97             GpuMat(const GpuMat& m);\r
  98 \r
  99             //! constructor for GpuMatrix headers pointing to user-allocated data\r
 100             GpuMat(int rows, int cols, int type, void* data, size_t step = Mat::AUTO_STEP);\r
 101             GpuMat(Size size, int type, void* data, size_t step = Mat::AUTO_STEP);\r
 102 \r
 103             //! creates a matrix header for a part of the bigger matrix\r
 104             GpuMat(const GpuMat& m, const Range& rowRange, const Range& colRange);\r
 105             GpuMat(const GpuMat& m, const Rect& roi);\r
 106 \r
 107             //! builds GpuMat from Mat. Perfom blocking upload to device.\r
 108             explicit GpuMat (const Mat& m);\r
 109 \r
 110             //! destructor - calls release()\r
 111             ~GpuMat();\r
 112 \r
 113             //! assignment operators\r
 114             GpuMat& operator = (const GpuMat& m);\r
 115             //! assignment operator. Perfom blocking upload to device.\r
 116             GpuMat& operator = (const Mat& m);\r
 117 \r
 118             //! returns lightweight DevMem2D_ structure for passing to nvcc-compiled code.\r
 119             // Contains just image size, data ptr and step.\r
 120             template <class T> operator DevMem2D_<T>() const;\r
 121             template <class T> operator PtrStep_<T>() const;\r
 122 \r
 123             //! pefroms blocking upload data to GpuMat.\r
 124             void upload(const cv::Mat& m);\r
 125 \r
 126             //! upload async\r
 127             void upload(const CudaMem& m, Stream& stream);\r
 128 \r
 129             //! downloads data from device to host memory. Blocking calls.\r
 130             operator Mat() const;\r
 131             void download(cv::Mat& m) const;\r
 132 \r
 133             //! download async\r
 134             void download(CudaMem& m, Stream& stream) const;\r
 135 \r
 136             //! returns a new GpuMatrix header for the specified row\r
 137             GpuMat row(int y) const;\r
 138             //! returns a new GpuMatrix header for the specified column\r
 139             GpuMat col(int x) const;\r
 140             //! ... for the specified row span\r
 141             GpuMat rowRange(int startrow, int endrow) const;\r
 142             GpuMat rowRange(const Range& r) const;\r
 143             //! ... for the specified column span\r
 144             GpuMat colRange(int startcol, int endcol) const;\r
 145             GpuMat colRange(const Range& r) const;\r
 146 \r
 147             //! returns deep copy of the GpuMatrix, i.e. the data is copied\r
 148             GpuMat clone() const;\r
 149             //! copies the GpuMatrix content to "m".\r
 150             // It calls m.create(this->size(), this->type()).\r
 151             void copyTo( GpuMat& m ) const;\r
 152             //! copies those GpuMatrix elements to "m" that are marked with non-zero mask elements.\r
 153             void copyTo( GpuMat& m, const GpuMat& mask ) const;\r
 154             //! converts GpuMatrix to another datatype with optional scalng. See cvConvertScale.\r
 155             void convertTo( GpuMat& m, int rtype, double alpha=1, double beta=0 ) const;\r
 156 \r
 157             void assignTo( GpuMat& m, int type=-1 ) const;\r
 158 \r
 159             //! sets every GpuMatrix element to s\r
 160             GpuMat& operator = (const Scalar& s);\r
 161             //! sets some of the GpuMatrix elements to s, according to the mask\r
 162             GpuMat& setTo(const Scalar& s, const GpuMat& mask = GpuMat());\r
 163             //! creates alternative GpuMatrix header for the same data, with different\r
 164             // number of channels and/or different number of rows. see cvReshape.\r
 165             GpuMat reshape(int cn, int rows = 0) const;\r
 166 \r
 167             //! allocates new GpuMatrix data unless the GpuMatrix already has specified size and type.\r
 168             // previous data is unreferenced if needed.\r
 169             void create(int rows, int cols, int type);\r
 170             void create(Size size, int type);\r
 171             //! decreases reference counter;\r
 172             // deallocate the data when reference counter reaches 0.\r
 173             void release();\r
 174 \r
 175             //! swaps with other smart pointer\r
 176             void swap(GpuMat& mat);\r
 177 \r
 178             //! locates GpuMatrix header within a parent GpuMatrix. See below\r
 179             void locateROI( Size& wholeSize, Point& ofs ) const;\r
 180             //! moves/resizes the current GpuMatrix ROI inside the parent GpuMatrix.\r
 181             GpuMat& adjustROI( int dtop, int dbottom, int dleft, int dright );\r
 182             //! extracts a rectangular sub-GpuMatrix\r
 183             // (this is a generalized form of row, rowRange etc.)\r
 184             GpuMat operator()( Range rowRange, Range colRange ) const;\r
 185             GpuMat operator()( const Rect& roi ) const;\r
 186 \r
 187             //! returns true iff the GpuMatrix data is continuous\r
 188             // (i.e. when there are no gaps between successive rows).\r
 189             // similar to CV_IS_GpuMat_CONT(cvGpuMat->type)\r
 190             bool isContinuous() const;\r
 191             //! returns element size in bytes,\r
 192             // similar to CV_ELEM_SIZE(cvMat->type)\r
 193             size_t elemSize() const;\r
 194             //! returns the size of element channel in bytes.\r
 195             size_t elemSize1() const;\r
 196             //! returns element type, similar to CV_MAT_TYPE(cvMat->type)\r
 197             int type() const;\r
 198             //! returns element type, similar to CV_MAT_DEPTH(cvMat->type)\r
 199             int depth() const;\r
 200             //! returns element type, similar to CV_MAT_CN(cvMat->type)\r
 201             int channels() const;\r
 202             //! returns step/elemSize1()\r
 203             size_t step1() const;\r
 204             //! returns GpuMatrix size:\r
 205             // width == number of columns, height == number of rows\r
 206             Size size() const;\r
 207             //! returns true if GpuMatrix data is NULL\r
 208             bool empty() const;\r
 209 \r
 210             //! returns pointer to y-th row\r
 211             uchar* ptr(int y = 0);\r
 212             const uchar* ptr(int y = 0) const;\r
 213 \r
 214             //! template version of the above method\r
 215             template<typename _Tp> _Tp* ptr(int y = 0);\r
 216             template<typename _Tp> const _Tp* ptr(int y = 0) const;\r
 217 \r
 218             //! matrix transposition\r
 219             GpuMat t() const;\r
 220 \r
 221             /*! includes several bit-fields:\r
 222             - the magic signature\r
 223             - continuity flag\r
 224             - depth\r
 225             - number of channels\r
 226             */\r
 227             int flags;\r
 228             //! the number of rows and columns\r
 229             int rows, cols;\r
 230             //! a distance between successive rows in bytes; includes the gap if any\r
 231             size_t step;\r
 232             //! pointer to the data\r
 233             uchar* data;\r
 234 \r
 235             //! pointer to the reference counter;\r
 236             // when GpuMatrix points to user-allocated data, the pointer is NULL\r
 237             int* refcount;\r
 238 \r
 239             //! helper fields used in locateROI and adjustROI\r
 240             uchar* datastart;\r
 241             uchar* dataend;\r
 242         };\r
 243 \r
 244 //#define TemplatedGpuMat // experimental now, deprecated to use\r
 245 #ifdef TemplatedGpuMat\r
 246     #include "GpuMat_BetaDeprecated.hpp"\r
 247 #endif\r
 248 \r
 249         //! creates continuous GPU matrix\r
 250         CV_EXPORTS void createContinuous(int rows, int cols, int type, GpuMat& m);\r
 251 \r
 252         //////////////////////////////// CudaMem ////////////////////////////////\r
 253         // CudaMem is limited cv::Mat with page locked memory allocation.\r
 254         // Page locked memory is only needed for async and faster coping to GPU.\r
 255         // It is convertable to cv::Mat header without reference counting\r
 256         // so you can use it with other opencv functions.\r
 257 \r
 258         class CV_EXPORTS CudaMem\r
 259         {\r
 260         public:\r
 261             enum  { ALLOC_PAGE_LOCKED = 1, ALLOC_ZEROCOPY = 2, ALLOC_WRITE_COMBINED = 4 };\r
 262 \r
 263             CudaMem();\r
 264             CudaMem(const CudaMem& m);\r
 265 \r
 266             CudaMem(int rows, int cols, int type, int _alloc_type = ALLOC_PAGE_LOCKED);\r
 267             CudaMem(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 268 \r
 269 \r
 270             //! creates from cv::Mat with coping data\r
 271             explicit CudaMem(const Mat& m, int alloc_type = ALLOC_PAGE_LOCKED);\r
 272 \r
 273             ~CudaMem();\r
 274 \r
 275             CudaMem& operator = (const CudaMem& m);\r
 276 \r
 277             //! returns deep copy of the matrix, i.e. the data is copied\r
 278             CudaMem clone() const;\r
 279 \r
 280             //! allocates new matrix data unless the matrix already has specified size and type.\r
 281             void create(int rows, int cols, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 282             void create(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 283 \r
 284             //! decrements reference counter and released memory if needed.\r
 285             void release();\r
 286 \r
 287             //! returns matrix header with disabled reference counting for CudaMem data.\r
 288             Mat createMatHeader() const;\r
 289             operator Mat() const;\r
 290 \r
 291             //! maps host memory into device address space and returns GpuMat header for it. Throws exception if not supported by hardware.\r
 292             GpuMat createGpuMatHeader() const;\r
 293             operator GpuMat() const;\r
 294 \r
 295             //returns if host memory can be mapperd to gpu address space;\r
 296             static bool canMapHostMemory();\r
 297 \r
 298             // Please see cv::Mat for descriptions\r
 299             bool isContinuous() const;\r
 300             size_t elemSize() const;\r
 301             size_t elemSize1() const;\r
 302             int type() const;\r
 303             int depth() const;\r
 304             int channels() const;\r
 305             size_t step1() const;\r
 306             Size size() const;\r
 307             bool empty() const;\r
 308 \r
 309 \r
 310             // Please see cv::Mat for descriptions\r
 311             int flags;\r
 312             int rows, cols;\r
 313             size_t step;\r
 314 \r
 315             uchar* data;\r
 316             int* refcount;\r
 317 \r
 318             uchar* datastart;\r
 319             uchar* dataend;\r
 320 \r
 321             int alloc_type;\r
 322         };\r
 323 \r
 324         //////////////////////////////// CudaStream ////////////////////////////////\r
 325         // Encapculates Cuda Stream. Provides interface for async coping.\r
 326         // Passed to each function that supports async kernel execution.\r
 327         // Reference counting is enabled\r
 328 \r
 329         class CV_EXPORTS Stream\r
 330         {\r
 331         public:\r
 332             Stream();\r
 333             ~Stream();\r
 334 \r
 335             Stream(const Stream&);\r
 336             Stream& operator=(const Stream&);\r
 337 \r
 338             bool queryIfComplete();\r
 339             void waitForCompletion();\r
 340 \r
 341             //! downloads asynchronously.\r
 342             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its subMat)\r
 343             void enqueueDownload(const GpuMat& src, CudaMem& dst);\r
 344             void enqueueDownload(const GpuMat& src, Mat& dst);\r
 345 \r
 346             //! uploads asynchronously.\r
 347             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its ROI)\r
 348             void enqueueUpload(const CudaMem& src, GpuMat& dst);\r
 349             void enqueueUpload(const Mat& src, GpuMat& dst);\r
 350 \r
 351             void enqueueCopy(const GpuMat& src, GpuMat& dst);\r
 352 \r
 353             void enqueueMemSet(const GpuMat& src, Scalar val);\r
 354             void enqueueMemSet(const GpuMat& src, Scalar val, const GpuMat& mask);\r
 355 \r
 356             // converts matrix type, ex from float to uchar depending on type\r
 357             void enqueueConvert(const GpuMat& src, GpuMat& dst, int type, double a = 1, double b = 0);\r
 358         private:\r
 359             void create();\r
 360             void release();\r
 361             struct Impl;\r
 362             Impl *impl;\r
 363             friend struct StreamAccessor;\r
 364         };\r
 365 \r
 366 \r
 367         ////////////////////////////// Arithmetics ///////////////////////////////////\r
 368 \r
 369         //! transposes the matrix\r
 370         //! supports matrix with element size = 1, 4 and 8 bytes (CV_8UC1, CV_8UC4, CV_16UC2, CV_32FC1, etc)\r
 371         CV_EXPORTS void transpose(const GpuMat& src1, GpuMat& dst);\r
 372 \r
 373         //! reverses the order of the rows, columns or both in a matrix\r
 374         //! supports CV_8UC1, CV_8UC4 types\r
 375         CV_EXPORTS void flip(const GpuMat& a, GpuMat& b, int flipCode);\r
 376 \r
 377         //! transforms 8-bit unsigned integers using lookup table: dst(i)=lut(src(i))\r
 378         //! destination array will have the depth type as lut and the same channels number as source\r
 379         //! supports CV_8UC1, CV_8UC3 types\r
 380         CV_EXPORTS void LUT(const GpuMat& src, const Mat& lut, GpuMat& dst);\r
 381 \r
 382         //! makes multi-channel array out of several single-channel arrays\r
 383         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst);\r
 384 \r
 385         //! makes multi-channel array out of several single-channel arrays\r
 386         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst);\r
 387 \r
 388         //! makes multi-channel array out of several single-channel arrays (async version)\r
 389         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst, const Stream& stream);\r
 390 \r
 391         //! makes multi-channel array out of several single-channel arrays (async version)\r
 392         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst, const Stream& stream);\r
 393 \r
 394         //! copies each plane of a multi-channel array to a dedicated array\r
 395         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst);\r
 396 \r
 397         //! copies each plane of a multi-channel array to a dedicated array\r
 398         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst);\r
 399 \r
 400         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 401         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst, const Stream& stream);\r
 402 \r
 403         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 404         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst, const Stream& stream);\r
 405 \r
 406         //! computes magnitude of complex (x(i).re, x(i).im) vector\r
 407         //! supports only CV_32FC2 type\r
 408         CV_EXPORTS void magnitude(const GpuMat& x, GpuMat& magnitude);\r
 409 \r
 410         //! computes squared magnitude of complex (x(i).re, x(i).im) vector\r
 411         //! supports only CV_32FC2 type\r
 412         CV_EXPORTS void magnitudeSqr(const GpuMat& x, GpuMat& magnitude);\r
 413 \r
 414         //! computes magnitude of each (x(i), y(i)) vector\r
 415         //! supports only floating-point source\r
 416         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 417         //! async version\r
 418         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 419 \r
 420         //! computes squared magnitude of each (x(i), y(i)) vector\r
 421         //! supports only floating-point source\r
 422         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 423         //! async version\r
 424         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 425 \r
 426         //! computes angle (angle(i)) of each (x(i), y(i)) vector\r
 427         //! supports only floating-point source\r
 428         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees = false);\r
 429         //! async version\r
 430         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 431 \r
 432         //! converts Cartesian coordinates to polar\r
 433         //! supports only floating-point source\r
 434         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees = false);\r
 435         //! async version\r
 436         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 437 \r
 438         //! converts polar coordinates to Cartesian\r
 439         //! supports only floating-point source\r
 440         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees = false);\r
 441         //! async version\r
 442         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees, const Stream& stream);\r
 443 \r
 444 \r
 445         //////////////////////////// Per-element operations ////////////////////////////////////\r
 446 \r
 447         //! adds one matrix to another (c = a + b)\r
 448         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 449         CV_EXPORTS void add(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 450         //! adds scalar to a matrix (c = a + s)\r
 451         //! supports CV_32FC1 and CV_32FC2 type\r
 452         CV_EXPORTS void add(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 453 \r
 454         //! subtracts one matrix from another (c = a - b)\r
 455         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 456         CV_EXPORTS void subtract(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 457         //! subtracts scalar from a matrix (c = a - s)\r
 458         //! supports CV_32FC1 and CV_32FC2 type\r
 459         CV_EXPORTS void subtract(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 460 \r
 461         //! computes element-wise product of the two arrays (c = a * b)\r
 462         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 463         CV_EXPORTS void multiply(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 464         //! multiplies matrix to a scalar (c = a * s)\r
 465         //! supports CV_32FC1 and CV_32FC2 type\r
 466         CV_EXPORTS void multiply(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 467 \r
 468         //! computes element-wise quotient of the two arrays (c = a / b)\r
 469         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 470         CV_EXPORTS void divide(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 471         //! computes element-wise quotient of matrix and scalar (c = a / s)\r
 472         //! supports CV_32FC1 and CV_32FC2 type\r
 473         CV_EXPORTS void divide(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 474 \r
 475         //! computes exponent of each matrix element (b = e**a)\r
 476         //! supports only CV_32FC1 type\r
 477         CV_EXPORTS void exp(const GpuMat& a, GpuMat& b);\r
 478 \r
 479         //! computes natural logarithm of absolute value of each matrix element: b = log(abs(a))\r
 480         //! supports only CV_32FC1 type\r
 481         CV_EXPORTS void log(const GpuMat& a, GpuMat& b);\r
 482 \r
 483         //! computes element-wise absolute difference of two arrays (c = abs(a - b))\r
 484         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 485         CV_EXPORTS void absdiff(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 486         //! computes element-wise absolute difference of array and scalar (c = abs(a - s))\r
 487         //! supports only CV_32FC1 type\r
 488         CV_EXPORTS void absdiff(const GpuMat& a, const Scalar& s, GpuMat& c);\r
 489 \r
 490         //! compares elements of two arrays (c = a <cmpop> b)\r
 491         //! supports CV_8UC4, CV_32FC1 types\r
 492         CV_EXPORTS void compare(const GpuMat& a, const GpuMat& b, GpuMat& c, int cmpop);\r
 493 \r
 494         //! performs per-elements bit-wise inversion\r
 495         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 496         //! async version\r
 497         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 498 \r
 499         //! calculates per-element bit-wise disjunction of two arrays\r
 500         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 501         //! async version\r
 502         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 503 \r
 504         //! calculates per-element bit-wise conjunction of two arrays\r
 505         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 506         //! async version\r
 507         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 508 \r
 509         //! calculates per-element bit-wise "exclusive or" operation\r
 510         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 511         //! async version\r
 512         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 513 \r
 514         //! computes per-element minimum of two arrays (dst = min(src1, src2))\r
 515         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 516         //! Async version\r
 517         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 518 \r
 519         //! computes per-element minimum of array and scalar (dst = min(src1, src2))\r
 520         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst);\r
 521         //! Async version\r
 522         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 523 \r
 524         //! computes per-element maximum of two arrays (dst = max(src1, src2))\r
 525         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 526         //! Async version\r
 527         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 528 \r
 529         //! computes per-element maximum of array and scalar (dst = max(src1, src2))\r
 530         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst);\r
 531         //! Async version\r
 532         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 533 \r
 534 \r
 535         ////////////////////////////// Image processing //////////////////////////////\r
 536 \r
 537         //! DST[x,y] = SRC[xmap[x,y],ymap[x,y]] with bilinear interpolation.\r
 538         //! supports CV_8UC1, CV_8UC3 source types and CV_32FC1 map type\r
 539         CV_EXPORTS void remap(const GpuMat& src, GpuMat& dst, const GpuMat& xmap, const GpuMat& ymap);\r
 540 \r
 541         //! Does mean shift filtering on GPU.\r
 542         CV_EXPORTS void meanShiftFiltering(const GpuMat& src, GpuMat& dst, int sp, int sr,\r
 543             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 544 \r
 545         //! Does mean shift procedure on GPU.\r
 546         CV_EXPORTS void meanShiftProc(const GpuMat& src, GpuMat& dstr, GpuMat& dstsp, int sp, int sr,\r
 547             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 548 \r
 549         //! Does mean shift segmentation with elimiation of small regions.\r
 550         CV_EXPORTS void meanShiftSegmentation(const GpuMat& src, Mat& dst, int sp, int sr, int minsize,\r
 551             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 552 \r
 553         //! Does coloring of disparity image: [0..ndisp) -> [0..240, 1, 1] in HSV.\r
 554         //! Supported types of input disparity: CV_8U, CV_16S.\r
 555         //! Output disparity has CV_8UC4 type in BGRA format (alpha = 255).\r
 556         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp);\r
 557         //! async version\r
 558         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp, const Stream& stream);\r
 559 \r
 560         //! Reprojects disparity image to 3D space.\r
 561         //! Supports CV_8U and CV_16S types of input disparity.\r
 562         //! The output is a 4-channel floating-point (CV_32FC4) matrix.\r
 563         //! Each element of this matrix will contain the 3D coordinates of the point (x,y,z,1), computed from the disparity map.\r
 564         //! Q is the 4x4 perspective transformation matrix that can be obtained with cvStereoRectify.\r
 565         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q);\r
 566         //! async version\r
 567         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q, const Stream& stream);\r
 568 \r
 569         //! converts image from one color space to another\r
 570         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn = 0);\r
 571         //! async version\r
 572         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn, const Stream& stream);\r
 573 \r
 574         //! applies fixed threshold to the image.\r
 575         //! Now supports only THRESH_TRUNC threshold type and one channels float source.\r
 576         CV_EXPORTS double threshold(const GpuMat& src, GpuMat& dst, double thresh);\r
 577 \r
 578         //! resizes the image\r
 579         //! Supports INTER_NEAREST, INTER_LINEAR\r
 580         //! supports CV_8UC1, CV_8UC4 types\r
 581         CV_EXPORTS void resize(const GpuMat& src, GpuMat& dst, Size dsize, double fx=0, double fy=0, int interpolation = INTER_LINEAR);\r
 582 \r
 583         //! warps the image using affine transformation\r
 584         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 585         CV_EXPORTS void warpAffine(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 586 \r
 587         //! warps the image using perspective transformation\r
 588         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 589         CV_EXPORTS void warpPerspective(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 590 \r
 591         //! rotate 8bit single or four channel image\r
 592         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 593         //! supports CV_8UC1, CV_8UC4 types\r
 594         CV_EXPORTS void rotate(const GpuMat& src, GpuMat& dst, Size dsize, double angle, double xShift = 0, double yShift = 0, int interpolation = INTER_LINEAR);\r
 595 \r
 596         //! copies 2D array to a larger destination array and pads borders with user-specifiable constant\r
 597         //! supports CV_8UC1, CV_8UC4, CV_32SC1 and CV_32FC1 types\r
 598         CV_EXPORTS void copyMakeBorder(const GpuMat& src, GpuMat& dst, int top, int bottom, int left, int right, const Scalar& value = Scalar());\r
 599 \r
 600         //! computes the integral image\r
 601         //! sum will have CV_32S type, but will contain unsigned int values\r
 602         //! supports only CV_8UC1 source type\r
 603         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum);\r
 604 \r
 605         //! computes the integral image and integral for the squared image\r
 606         //! sum will have CV_32S type, sqsum - CV32F type\r
 607         //! supports only CV_8UC1 source type\r
 608         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum, GpuMat& sqsum);\r
 609 \r
 610         //! computes squared integral image\r
 611         //! result matrix will have 64F type, but will contain 64U values\r
 612         //! supports source images of 8UC1 type only\r
 613         CV_EXPORTS void sqrIntegral(const GpuMat& src, GpuMat& sqsum);\r
 614 \r
 615         //! computes vertical sum, supports only CV_32FC1 images\r
 616         CV_EXPORTS void columnSum(const GpuMat& src, GpuMat& sum);\r
 617 \r
 618         //! computes the standard deviation of integral images\r
 619         //! supports only CV_32SC1 source type and CV_32FC1 sqr type\r
 620         //! output will have CV_32FC1 type\r
 621         CV_EXPORTS void rectStdDev(const GpuMat& src, const GpuMat& sqr, GpuMat& dst, const Rect& rect);\r
 622 \r
 623         //! applies Canny edge detector and produces the edge map\r
 624         //! supprots only CV_8UC1 source type\r
 625         //! disabled until fix crash\r
 626         CV_EXPORTS void Canny(const GpuMat& image, GpuMat& edges, double threshold1, double threshold2, int apertureSize = 3);\r
 627 \r
 628         //! computes Harris cornerness criteria at each image pixel\r
 629         CV_EXPORTS void cornerHarris(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, double k, int borderType=BORDER_REFLECT101);\r
 630 \r
 631         //! computes minimum eigen value of 2x2 derivative covariation matrix at each pixel - the cornerness criteria\r
 632         CV_EXPORTS void cornerMinEigenVal(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, int borderType=BORDER_REFLECT101);\r
 633 \r
 634         //! performs per-element multiplication of two full (not packed) Fourier spectrums\r
 635         //! supports 32FC2 matrixes only (interleaved format)\r
 636         CV_EXPORTS void mulSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, bool conjB=false);\r
 637 \r
 638         //! performs per-element multiplication of two full (not packed) Fourier spectrums\r
 639         //! supports 32FC2 matrixes only (interleaved format)\r
 640         CV_EXPORTS void mulAndScaleSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, \r
 641                                              float scale, bool conjB=false);\r
 642 \r
 643         //! Performs a forward or inverse discrete Fourier transform (1D or 2D) of floating point matrix.\r
 644         //! Param dft_size is the size of DFT transform.\r
 645         //! \r
 646         //! If the source matrix is not continous, then additional copy will be done,\r
 647         //! so to avoid copying ensure the source matrix is continous one. If you want to use\r
 648         //! preallocated output ensure it is continuous too, otherwise it will be reallocated.\r
 649         //!\r
 650         //! Being implemented via CUFFT real-to-complex transform result contains only non-redundant values\r
 651         //! in CUFFT's format. Result as full complex matrix for such kind of transform cannot be retrieved.\r
 652         //!\r
 653         //! For complex-to-real transform it is assumed that the source matrix is packed in CUFFT's format.\r
 654         CV_EXPORTS void dft(const GpuMat& src, GpuMat& dst, Size dft_size, int flags=0);\r
 655 \r
 656         //! computes convolution (or cross-correlation) of two images using discrete Fourier transform\r
 657         //! supports source images of 32FC1 type only\r
 658         //! result matrix will have 32FC1 type\r
 659         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, \r
 660                                  bool ccorr=false);\r
 661 \r
 662         struct CV_EXPORTS ConvolveBuf;\r
 663 \r
 664         //! buffered version\r
 665         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, \r
 666                                  bool ccorr, ConvolveBuf& buf);\r
 667 \r
 668         struct CV_EXPORTS ConvolveBuf\r
 669         {\r
 670             ConvolveBuf() {}\r
 671             ConvolveBuf(Size image_size, Size templ_size) \r
 672                 { create(image_size, templ_size); }\r
 673             void create(Size image_size, Size templ_size);\r
 674 \r
 675         private:\r
 676             static Size estimateBlockSize(Size result_size, Size templ_size);\r
 677             friend void convolve(const GpuMat&, const GpuMat&, GpuMat&, bool, ConvolveBuf&);\r
 678 \r
 679             Size result_size;\r
 680             Size block_size;\r
 681             Size dft_size;\r
 682             int spect_len;\r
 683 \r
 684             GpuMat image_spect, templ_spect, result_spect;\r
 685             GpuMat image_block, templ_block, result_data;\r
 686         };\r
 687 \r
 688         //! computes the proximity map for the raster template and the image where the template is searched for\r
 689         CV_EXPORTS void matchTemplate(const GpuMat& image, const GpuMat& templ, GpuMat& result, int method);\r
 690 \r
 691 \r
 692         ////////////////////////////// Matrix reductions //////////////////////////////\r
 693 \r
 694         //! computes mean value and standard deviation of all or selected array elements\r
 695         //! supports only CV_8UC1 type\r
 696         CV_EXPORTS void meanStdDev(const GpuMat& mtx, Scalar& mean, Scalar& stddev);\r
 697 \r
 698         //! computes norm of array\r
 699         //! supports NORM_INF, NORM_L1, NORM_L2\r
 700         //! supports only CV_8UC1 type\r
 701         CV_EXPORTS double norm(const GpuMat& src1, int normType=NORM_L2);\r
 702 \r
 703         //! computes norm of the difference between two arrays\r
 704         //! supports NORM_INF, NORM_L1, NORM_L2\r
 705         //! supports only CV_8UC1 type\r
 706         CV_EXPORTS double norm(const GpuMat& src1, const GpuMat& src2, int normType=NORM_L2);\r
 707 \r
 708         //! computes sum of array elements\r
 709         //! supports only single channel images\r
 710         CV_EXPORTS Scalar sum(const GpuMat& src);\r
 711 \r
 712         //! computes sum of array elements\r
 713         //! supports only single channel images\r
 714         CV_EXPORTS Scalar sum(const GpuMat& src, GpuMat& buf);\r
 715 \r
 716         //! computes squared sum of array elements\r
 717         //! supports only single channel images\r
 718         CV_EXPORTS Scalar sqrSum(const GpuMat& src);\r
 719 \r
 720         //! computes squared sum of array elements\r
 721         //! supports only single channel images\r
 722         CV_EXPORTS Scalar sqrSum(const GpuMat& src, GpuMat& buf);\r
 723 \r
 724         //! finds global minimum and maximum array elements and returns their values\r
 725         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal=0, const GpuMat& mask=GpuMat());\r
 726 \r
 727         //! finds global minimum and maximum array elements and returns their values\r
 728         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal, const GpuMat& mask, GpuMat& buf);\r
 729 \r
 730         //! finds global minimum and maximum array elements and returns their values with locations\r
 731         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0,\r
 732                                   const GpuMat& mask=GpuMat());\r
 733 \r
 734         //! finds global minimum and maximum array elements and returns their values with locations\r
 735         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal, Point* minLoc, Point* maxLoc,\r
 736                                   const GpuMat& mask, GpuMat& valbuf, GpuMat& locbuf);\r
 737 \r
 738         //! counts non-zero array elements\r
 739         CV_EXPORTS int countNonZero(const GpuMat& src);\r
 740 \r
 741         //! counts non-zero array elements\r
 742         CV_EXPORTS int countNonZero(const GpuMat& src, GpuMat& buf);\r
 743 \r
 744 \r
 745         //////////////////////////////// Filter Engine ////////////////////////////////\r
 746 \r
 747         /*!\r
 748         The Base Class for 1D or Row-wise Filters\r
 749 \r
 750         This is the base class for linear or non-linear filters that process 1D data.\r
 751         In particular, such filters are used for the "horizontal" filtering parts in separable filters.\r
 752         */\r
 753         class CV_EXPORTS BaseRowFilter_GPU\r
 754         {\r
 755         public:\r
 756             BaseRowFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 757             virtual ~BaseRowFilter_GPU() {}\r
 758             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 759             int ksize, anchor;\r
 760         };\r
 761 \r
 762         /*!\r
 763         The Base Class for Column-wise Filters\r
 764 \r
 765         This is the base class for linear or non-linear filters that process columns of 2D arrays.\r
 766         Such filters are used for the "vertical" filtering parts in separable filters.\r
 767         */\r
 768         class CV_EXPORTS BaseColumnFilter_GPU\r
 769         {\r
 770         public:\r
 771             BaseColumnFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 772             virtual ~BaseColumnFilter_GPU() {}\r
 773             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 774             int ksize, anchor;\r
 775         };\r
 776 \r
 777         /*!\r
 778         The Base Class for Non-Separable 2D Filters.\r
 779 \r
 780         This is the base class for linear or non-linear 2D filters.\r
 781         */\r
 782         class CV_EXPORTS BaseFilter_GPU\r
 783         {\r
 784         public:\r
 785             BaseFilter_GPU(const Size& ksize_, const Point& anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 786             virtual ~BaseFilter_GPU() {}\r
 787             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 788             Size ksize;\r
 789             Point anchor;\r
 790         };\r
 791 \r
 792         /*!\r
 793         The Base Class for Filter Engine.\r
 794 \r
 795         The class can be used to apply an arbitrary filtering operation to an image.\r
 796         It contains all the necessary intermediate buffers.\r
 797         */\r
 798         class CV_EXPORTS FilterEngine_GPU\r
 799         {\r
 800         public:\r
 801             virtual ~FilterEngine_GPU() {}\r
 802 \r
 803             virtual void apply(const GpuMat& src, GpuMat& dst, Rect roi = Rect(0,0,-1,-1)) = 0;\r
 804         };\r
 805 \r
 806         //! returns the non-separable filter engine with the specified filter\r
 807         CV_EXPORTS Ptr<FilterEngine_GPU> createFilter2D_GPU(const Ptr<BaseFilter_GPU> filter2D, int srcType, int dstType);\r
 808 \r
 809         //! returns the separable filter engine with the specified filters\r
 810         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableFilter_GPU(const Ptr<BaseRowFilter_GPU>& rowFilter,\r
 811             const Ptr<BaseColumnFilter_GPU>& columnFilter, int srcType, int bufType, int dstType);\r
 812 \r
 813         //! returns horizontal 1D box filter\r
 814         //! supports only CV_8UC1 source type and CV_32FC1 sum type\r
 815         CV_EXPORTS Ptr<BaseRowFilter_GPU> getRowSumFilter_GPU(int srcType, int sumType, int ksize, int anchor = -1);\r
 816 \r
 817         //! returns vertical 1D box filter\r
 818         //! supports only CV_8UC1 sum type and CV_32FC1 dst type\r
 819         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getColumnSumFilter_GPU(int sumType, int dstType, int ksize, int anchor = -1);\r
 820 \r
 821         //! returns 2D box filter\r
 822         //! supports CV_8UC1 and CV_8UC4 source type, dst type must be the same as source type\r
 823         CV_EXPORTS Ptr<BaseFilter_GPU> getBoxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1, -1));\r
 824 \r
 825         //! returns box filter engine\r
 826         CV_EXPORTS Ptr<FilterEngine_GPU> createBoxFilter_GPU(int srcType, int dstType, const Size& ksize,\r
 827             const Point& anchor = Point(-1,-1));\r
 828 \r
 829         //! returns 2D morphological filter\r
 830         //! only MORPH_ERODE and MORPH_DILATE are supported\r
 831         //! supports CV_8UC1 and CV_8UC4 types\r
 832         //! kernel must have CV_8UC1 type, one rows and cols == ksize.width * ksize.height\r
 833         CV_EXPORTS Ptr<BaseFilter_GPU> getMorphologyFilter_GPU(int op, int type, const Mat& kernel, const Size& ksize,\r
 834             Point anchor=Point(-1,-1));\r
 835 \r
 836         //! returns morphological filter engine. Only MORPH_ERODE and MORPH_DILATE are supported.\r
 837         CV_EXPORTS Ptr<FilterEngine_GPU> createMorphologyFilter_GPU(int op, int type, const Mat& kernel,\r
 838             const Point& anchor = Point(-1,-1), int iterations = 1);\r
 839 \r
 840         //! returns 2D filter with the specified kernel\r
 841         //! supports CV_8UC1 and CV_8UC4 types\r
 842         CV_EXPORTS Ptr<BaseFilter_GPU> getLinearFilter_GPU(int srcType, int dstType, const Mat& kernel, const Size& ksize,\r
 843             Point anchor = Point(-1, -1));\r
 844 \r
 845         //! returns the non-separable linear filter engine\r
 846         CV_EXPORTS Ptr<FilterEngine_GPU> createLinearFilter_GPU(int srcType, int dstType, const Mat& kernel,\r
 847             const Point& anchor = Point(-1,-1));\r
 848 \r
 849         //! returns the primitive row filter with the specified kernel.\r
 850         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 source type.\r
 851         //! there are two version of algorithm: NPP and OpenCV.\r
 852         //! NPP calls when srcType == CV_8UC1 or srcType == CV_8UC4 and bufType == srcType,\r
 853         //! otherwise calls OpenCV version.\r
 854         //! NPP supports only BORDER_CONSTANT border type.\r
 855         //! OpenCV version supports only CV_32F as buffer depth and\r
 856         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 857         CV_EXPORTS Ptr<BaseRowFilter_GPU> getLinearRowFilter_GPU(int srcType, int bufType, const Mat& rowKernel,\r
 858             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 859 \r
 860         //! returns the primitive column filter with the specified kernel.\r
 861         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 dst type.\r
 862         //! there are two version of algorithm: NPP and OpenCV.\r
 863         //! NPP calls when dstType == CV_8UC1 or dstType == CV_8UC4 and bufType == dstType,\r
 864         //! otherwise calls OpenCV version.\r
 865         //! NPP supports only BORDER_CONSTANT border type.\r
 866         //! OpenCV version supports only CV_32F as buffer depth and\r
 867         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 868         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getLinearColumnFilter_GPU(int bufType, int dstType, const Mat& columnKernel,\r
 869             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 870 \r
 871         //! returns the separable linear filter engine\r
 872         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableLinearFilter_GPU(int srcType, int dstType, const Mat& rowKernel,\r
 873             const Mat& columnKernel, const Point& anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT,\r
 874             int columnBorderType = -1);\r
 875 \r
 876         //! returns filter engine for the generalized Sobel operator\r
 877         CV_EXPORTS Ptr<FilterEngine_GPU> createDerivFilter_GPU(int srcType, int dstType, int dx, int dy, int ksize,\r
 878             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 879 \r
 880         //! returns the Gaussian filter engine\r
 881         CV_EXPORTS Ptr<FilterEngine_GPU> createGaussianFilter_GPU(int type, Size ksize, double sigma1, double sigma2 = 0,\r
 882             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 883 \r
 884         //! returns maximum filter\r
 885         CV_EXPORTS Ptr<BaseFilter_GPU> getMaxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 886 \r
 887         //! returns minimum filter\r
 888         CV_EXPORTS Ptr<BaseFilter_GPU> getMinFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 889 \r
 890         //! smooths the image using the normalized box filter\r
 891         //! supports CV_8UC1, CV_8UC4 types\r
 892         CV_EXPORTS void boxFilter(const GpuMat& src, GpuMat& dst, int ddepth, Size ksize, Point anchor = Point(-1,-1));\r
 893 \r
 894         //! a synonym for normalized box filter\r
 895         static inline void blur(const GpuMat& src, GpuMat& dst, Size ksize, Point anchor = Point(-1,-1)) { boxFilter(src, dst, -1, ksize, anchor); }\r
 896 \r
 897         //! erodes the image (applies the local minimum operator)\r
 898         CV_EXPORTS void erode( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 899 \r
 900         //! dilates the image (applies the local maximum operator)\r
 901         CV_EXPORTS void dilate( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 902 \r
 903         //! applies an advanced morphological operation to the image\r
 904         CV_EXPORTS void morphologyEx( const GpuMat& src, GpuMat& dst, int op, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 905 \r
 906         //! applies non-separable 2D linear filter to the image\r
 907         CV_EXPORTS void filter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernel, Point anchor=Point(-1,-1));\r
 908 \r
 909         //! applies separable 2D linear filter to the image\r
 910         CV_EXPORTS void sepFilter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernelX, const Mat& kernelY,\r
 911             Point anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 912 \r
 913         //! applies generalized Sobel operator to the image\r
 914         CV_EXPORTS void Sobel(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, int ksize = 3, double scale = 1,\r
 915             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 916 \r
 917         //! applies the vertical or horizontal Scharr operator to the image\r
 918         CV_EXPORTS void Scharr(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, double scale = 1,\r
 919             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 920 \r
 921         //! smooths the image using Gaussian filter.\r
 922         CV_EXPORTS void GaussianBlur(const GpuMat& src, GpuMat& dst, Size ksize, double sigma1, double sigma2 = 0,\r
 923             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 924 \r
 925         //! applies Laplacian operator to the image\r
 926         //! supports only ksize = 1 and ksize = 3\r
 927         CV_EXPORTS void Laplacian(const GpuMat& src, GpuMat& dst, int ddepth, int ksize = 1, double scale = 1);\r
 928 \r
 929         //////////////////////////////// Image Labeling ////////////////////////////////\r
 930 \r
 931         //!performs labeling via graph cuts\r
 932         CV_EXPORTS void graphcut(GpuMat& terminals, GpuMat& leftTransp, GpuMat& rightTransp, GpuMat& top, GpuMat& bottom, GpuMat& labels, GpuMat& buf);\r
 933 \r
 934         ////////////////////////////////// Histograms //////////////////////////////////\r
 935 \r
 936         //! Compute levels with even distribution. levels will have 1 row and nLevels cols and CV_32SC1 type.\r
 937         CV_EXPORTS void evenLevels(GpuMat& levels, int nLevels, int lowerLevel, int upperLevel);\r
 938         //! Calculates histogram with evenly distributed bins for signle channel source.\r
 939         //! Supports CV_8UC1, CV_16UC1 and CV_16SC1 source types.\r
 940         //! Output hist will have one row and histSize cols and CV_32SC1 type.\r
 941         CV_EXPORTS void histEven(const GpuMat& src, GpuMat& hist, int histSize, int lowerLevel, int upperLevel);\r
 942         //! Calculates histogram with evenly distributed bins for four-channel source.\r
 943         //! All channels of source are processed separately.\r
 944         //! Supports CV_8UC4, CV_16UC4 and CV_16SC4 source types.\r
 945         //! Output hist[i] will have one row and histSize[i] cols and CV_32SC1 type.\r
 946         CV_EXPORTS void histEven(const GpuMat& src, GpuMat hist[4], int histSize[4], int lowerLevel[4], int upperLevel[4]);\r
 947         //! Calculates histogram with bins determined by levels array.\r
 948         //! levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 949         //! Supports CV_8UC1, CV_16UC1, CV_16SC1 and CV_32FC1 source types.\r
 950         //! Output hist will have one row and (levels.cols-1) cols and CV_32SC1 type.\r
 951         CV_EXPORTS void histRange(const GpuMat& src, GpuMat& hist, const GpuMat& levels);\r
 952         //! Calculates histogram with bins determined by levels array.\r
 953         //! All levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 954         //! All channels of source are processed separately.\r
 955         //! Supports CV_8UC4, CV_16UC4, CV_16SC4 and CV_32FC4 source types.\r
 956         //! Output hist[i] will have one row and (levels[i].cols-1) cols and CV_32SC1 type.\r
 957         CV_EXPORTS void histRange(const GpuMat& src, GpuMat hist[4], const GpuMat levels[4]);\r
 958 \r
 959         //////////////////////////////// StereoBM_GPU ////////////////////////////////\r
 960 \r
 961         class CV_EXPORTS StereoBM_GPU\r
 962         {\r
 963         public:\r
 964             enum { BASIC_PRESET = 0, PREFILTER_XSOBEL = 1 };\r
 965 \r
 966             enum { DEFAULT_NDISP = 64, DEFAULT_WINSZ = 19 };\r
 967 \r
 968             //! the default constructor\r
 969             StereoBM_GPU();\r
 970             //! the full constructor taking the camera-specific preset, number of disparities and the SAD window size. ndisparities must be multiple of 8.\r
 971             StereoBM_GPU(int preset, int ndisparities = DEFAULT_NDISP, int winSize = DEFAULT_WINSZ);\r
 972 \r
 973             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair\r
 974             //! Output disparity has CV_8U type.\r
 975             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
 976 \r
 977             //! async version\r
 978             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity, const Stream & stream);\r
 979 \r
 980             //! Some heuristics that tries to estmate\r
 981             // if current GPU will be faster then CPU in this algorithm.\r
 982             // It queries current active device.\r
 983             static bool checkIfGpuCallReasonable();\r
 984 \r
 985             int preset;\r
 986             int ndisp;\r
 987             int winSize;\r
 988 \r
 989             // If avergeTexThreshold  == 0 => post procesing is disabled\r
 990             // If avergeTexThreshold != 0 then disparity is set 0 in each point (x,y) where for left image\r
 991             // SumOfHorizontalGradiensInWindow(x, y, winSize) < (winSize * winSize) * avergeTexThreshold\r
 992             // i.e. input left image is low textured.\r
 993             float avergeTexThreshold;\r
 994         private:\r
 995             GpuMat minSSD, leBuf, riBuf;\r
 996         };\r
 997 \r
 998         ////////////////////////// StereoBeliefPropagation ///////////////////////////\r
 999         // "Efficient Belief Propagation for Early Vision"\r
1000         // P.Felzenszwalb\r
1001 \r
1002         class CV_EXPORTS StereoBeliefPropagation\r
1003         {\r
1004         public:\r
1005             enum { DEFAULT_NDISP  = 64 };\r
1006             enum { DEFAULT_ITERS  = 5  };\r
1007             enum { DEFAULT_LEVELS = 5  };\r
1008 \r
1009             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels);\r
1010 \r
1011             //! the default constructor\r
1012             explicit StereoBeliefPropagation(int ndisp  = DEFAULT_NDISP,\r
1013                 int iters  = DEFAULT_ITERS,\r
1014                 int levels = DEFAULT_LEVELS,\r
1015                 int msg_type = CV_32F);\r
1016 \r
1017             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1018             //! number of levels, truncation of data cost, data weight,\r
1019             //! truncation of discontinuity cost and discontinuity single jump\r
1020             //! DataTerm = data_weight * min(fabs(I2-I1), max_data_term)\r
1021             //! DiscTerm = min(disc_single_jump * fabs(f1-f2), max_disc_term)\r
1022             //! please see paper for more details\r
1023             StereoBeliefPropagation(int ndisp, int iters, int levels,\r
1024                 float max_data_term, float data_weight,\r
1025                 float max_disc_term, float disc_single_jump,\r
1026                 int msg_type = CV_32F);\r
1027 \r
1028             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
1029             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
1030             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1031 \r
1032             //! async version\r
1033             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
1034 \r
1035 \r
1036             //! version for user specified data term\r
1037             void operator()(const GpuMat& data, GpuMat& disparity);\r
1038             void operator()(const GpuMat& data, GpuMat& disparity, Stream& stream);\r
1039 \r
1040             int ndisp;\r
1041 \r
1042             int iters;\r
1043             int levels;\r
1044 \r
1045             float max_data_term;\r
1046             float data_weight;\r
1047             float max_disc_term;\r
1048             float disc_single_jump;\r
1049 \r
1050             int msg_type;\r
1051         private:\r
1052             GpuMat u, d, l, r, u2, d2, l2, r2;\r
1053             std::vector<GpuMat> datas;\r
1054             GpuMat out;\r
1055         };\r
1056 \r
1057         /////////////////////////// StereoConstantSpaceBP ///////////////////////////\r
1058         // "A Constant-Space Belief Propagation Algorithm for Stereo Matching"\r
1059         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1060         // http://vision.ai.uiuc.edu/~qyang6/\r
1061 \r
1062         class CV_EXPORTS StereoConstantSpaceBP\r
1063         {\r
1064         public:\r
1065             enum { DEFAULT_NDISP    = 128 };\r
1066             enum { DEFAULT_ITERS    = 8   };\r
1067             enum { DEFAULT_LEVELS   = 4   };\r
1068             enum { DEFAULT_NR_PLANE = 4   };\r
1069 \r
1070             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels, int& nr_plane);\r
1071 \r
1072             //! the default constructor\r
1073             explicit StereoConstantSpaceBP(int ndisp    = DEFAULT_NDISP,\r
1074                 int iters    = DEFAULT_ITERS,\r
1075                 int levels   = DEFAULT_LEVELS,\r
1076                 int nr_plane = DEFAULT_NR_PLANE,\r
1077                 int msg_type = CV_32F);\r
1078 \r
1079             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1080             //! number of levels, number of active disparity on the first level, truncation of data cost, data weight,\r
1081             //! truncation of discontinuity cost, discontinuity single jump and minimum disparity threshold\r
1082             StereoConstantSpaceBP(int ndisp, int iters, int levels, int nr_plane,\r
1083                 float max_data_term, float data_weight, float max_disc_term, float disc_single_jump,\r
1084                 int min_disp_th = 0,\r
1085                 int msg_type = CV_32F);\r
1086 \r
1087             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
1088             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
1089             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1090 \r
1091             //! async version\r
1092             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
1093 \r
1094             int ndisp;\r
1095 \r
1096             int iters;\r
1097             int levels;\r
1098 \r
1099             int nr_plane;\r
1100 \r
1101             float max_data_term;\r
1102             float data_weight;\r
1103             float max_disc_term;\r
1104             float disc_single_jump;\r
1105 \r
1106             int min_disp_th;\r
1107 \r
1108             int msg_type;\r
1109 \r
1110             bool use_local_init_data_cost;\r
1111         private:\r
1112             GpuMat u[2], d[2], l[2], r[2];\r
1113             GpuMat disp_selected_pyr[2];\r
1114 \r
1115             GpuMat data_cost;\r
1116             GpuMat data_cost_selected;\r
1117 \r
1118             GpuMat temp;\r
1119 \r
1120             GpuMat out;\r
1121         };\r
1122 \r
1123         /////////////////////////// DisparityBilateralFilter ///////////////////////////\r
1124         // Disparity map refinement using joint bilateral filtering given a single color image.\r
1125         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1126         // http://vision.ai.uiuc.edu/~qyang6/\r
1127 \r
1128         class CV_EXPORTS DisparityBilateralFilter\r
1129         {\r
1130         public:\r
1131             enum { DEFAULT_NDISP  = 64 };\r
1132             enum { DEFAULT_RADIUS = 3 };\r
1133             enum { DEFAULT_ITERS  = 1 };\r
1134 \r
1135             //! the default constructor\r
1136             explicit DisparityBilateralFilter(int ndisp = DEFAULT_NDISP, int radius = DEFAULT_RADIUS, int iters = DEFAULT_ITERS);\r
1137 \r
1138             //! the full constructor taking the number of disparities, filter radius,\r
1139             //! number of iterations, truncation of data continuity, truncation of disparity continuity\r
1140             //! and filter range sigma\r
1141             DisparityBilateralFilter(int ndisp, int radius, int iters, float edge_threshold, float max_disc_threshold, float sigma_range);\r
1142 \r
1143             //! the disparity map refinement operator. Refine disparity map using joint bilateral filtering given a single color image.\r
1144             //! disparity must have CV_8U or CV_16S type, image must have CV_8UC1 or CV_8UC3 type.\r
1145             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst);\r
1146 \r
1147             //! async version\r
1148             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst, Stream& stream);\r
1149 \r
1150         private:\r
1151             int ndisp;\r
1152             int radius;\r
1153             int iters;\r
1154 \r
1155             float edge_threshold;\r
1156             float max_disc_threshold;\r
1157             float sigma_range;\r
1158 \r
1159             GpuMat table_color;\r
1160             GpuMat table_space;\r
1161         };\r
1162 \r
1163 \r
1164         //////////////// HOG (Histogram-of-Oriented-Gradients) Descriptor and Object Detector //////////////\r
1165 \r
1166         struct CV_EXPORTS HOGDescriptor\r
1167         {\r
1168         public:\r
1169             enum { DEFAULT_WIN_SIGMA = -1 };\r
1170             enum { DEFAULT_NLEVELS = 64 };\r
1171             enum { DESCR_FORMAT_ROW_BY_ROW, DESCR_FORMAT_COL_BY_COL };\r
1172 \r
1173             HOGDescriptor(Size win_size=Size(64, 128), Size block_size=Size(16, 16),\r
1174                           Size block_stride=Size(8, 8), Size cell_size=Size(8, 8),\r
1175                           int nbins=9, double win_sigma=DEFAULT_WIN_SIGMA,\r
1176                           double threshold_L2hys=0.2, bool gamma_correction=true,\r
1177                           int nlevels=DEFAULT_NLEVELS);\r
1178 \r
1179             size_t getDescriptorSize() const;\r
1180             size_t getBlockHistogramSize() const;\r
1181 \r
1182             void setSVMDetector(const vector<float>& detector);\r
1183 \r
1184             static vector<float> getDefaultPeopleDetector();\r
1185             static vector<float> getPeopleDetector48x96();\r
1186             static vector<float> getPeopleDetector64x128();\r
1187 \r
1188             void detect(const GpuMat& img, vector<Point>& found_locations, \r
1189                         double hit_threshold=0, Size win_stride=Size(), \r
1190                         Size padding=Size());\r
1191 \r
1192             void detectMultiScale(const GpuMat& img, vector<Rect>& found_locations,\r
1193                                   double hit_threshold=0, Size win_stride=Size(), \r
1194                                   Size padding=Size(), double scale0=1.05, \r
1195                                   int group_threshold=2);\r
1196 \r
1197             void getDescriptors(const GpuMat& img, Size win_stride, \r
1198                                 GpuMat& descriptors,\r
1199                                 int descr_format=DESCR_FORMAT_COL_BY_COL);\r
1200 \r
1201             Size win_size;\r
1202             Size block_size;\r
1203             Size block_stride;\r
1204             Size cell_size;\r
1205             int nbins;\r
1206             double win_sigma;\r
1207             double threshold_L2hys;\r
1208             bool gamma_correction;\r
1209             int nlevels;\r
1210 \r
1211         protected:\r
1212             void computeBlockHistograms(const GpuMat& img);\r
1213             void computeGradient(const GpuMat& img, GpuMat& grad, GpuMat& qangle);\r
1214 \r
1215             double getWinSigma() const;\r
1216             bool checkDetectorSize() const;\r
1217 \r
1218             static int numPartsWithin(int size, int part_size, int stride);\r
1219             static Size numPartsWithin(Size size, Size part_size, Size stride);\r
1220 \r
1221             // Coefficients of the separating plane\r
1222             float free_coef;\r
1223             GpuMat detector;\r
1224 \r
1225             // Results of the last classification step\r
1226             GpuMat labels;\r
1227             Mat labels_host;\r
1228 \r
1229             // Results of the last histogram evaluation step\r
1230             GpuMat block_hists;\r
1231 \r
1232             // Gradients conputation results\r
1233             GpuMat grad, qangle;\r
1234         };\r
1235 \r
1236 \r
1237         ////////////////////////////////// BruteForceMatcher //////////////////////////////////\r
1238 \r
1239         class CV_EXPORTS BruteForceMatcher_GPU_base\r
1240         {\r
1241         public:\r
1242             enum DistType {L1Dist = 0, L2Dist};\r
1243 \r
1244             explicit BruteForceMatcher_GPU_base(DistType distType = L2Dist);\r
1245 \r
1246             // Add descriptors to train descriptor collection.\r
1247             void add(const std::vector<GpuMat>& descCollection);\r
1248 \r
1249             // Get train descriptors collection.\r
1250             const std::vector<GpuMat>& getTrainDescriptors() const;\r
1251 \r
1252             // Clear train descriptors collection.\r
1253             void clear();\r
1254 \r
1255             // Return true if there are not train descriptors in collection.\r
1256             bool empty() const;\r
1257 \r
1258             // Return true if the matcher supports mask in match methods.\r
1259             bool isMaskSupported() const;\r
1260 \r
1261             // Find one best match for each query descriptor.\r
1262             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1263             // distance.at<float>(0, queryIdx) will contain distance\r
1264             void matchSingle(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1265                 GpuMat& trainIdx, GpuMat& distance,\r
1266                 const GpuMat& mask = GpuMat());\r
1267 \r
1268             // Download trainIdx and distance to CPU vector with DMatch\r
1269             static void matchDownload(const GpuMat& trainIdx, const GpuMat& distance, std::vector<DMatch>& matches);\r
1270 \r
1271             // Find one best match for each query descriptor.\r
1272             void match(const GpuMat& queryDescs, const GpuMat& trainDescs, std::vector<DMatch>& matches,\r
1273                 const GpuMat& mask = GpuMat());\r
1274 \r
1275             // Make gpu collection of trains and masks in suitable format for matchCollection function\r
1276             void makeGpuCollection(GpuMat& trainCollection, GpuMat& maskCollection,\r
1277                 const vector<GpuMat>& masks = std::vector<GpuMat>());\r
1278 \r
1279             // Find one best match from train collection for each query descriptor.\r
1280             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1281             // imgIdx.at<int>(0, queryIdx) will contain best image index for queryIdx\r
1282             // distance.at<float>(0, queryIdx) will contain distance\r
1283             void matchCollection(const GpuMat& queryDescs, const GpuMat& trainCollection,\r
1284                 GpuMat& trainIdx, GpuMat& imgIdx, GpuMat& distance,\r
1285                 const GpuMat& maskCollection);\r
1286 \r
1287             // Download trainIdx, imgIdx and distance to CPU vector with DMatch\r
1288             static void matchDownload(const GpuMat& trainIdx, GpuMat& imgIdx, const GpuMat& distance,\r
1289                 std::vector<DMatch>& matches);\r
1290 \r
1291             // Find one best match from train collection for each query descriptor.\r
1292             void match(const GpuMat& queryDescs, std::vector<DMatch>& matches,\r
1293                 const std::vector<GpuMat>& masks = std::vector<GpuMat>());\r
1294 \r
1295             // Find k best matches for each query descriptor (in increasing order of distances).\r
1296             // trainIdx.at<int>(queryIdx, i) will contain index of i'th best trains (i < k).\r
1297             // distance.at<float>(queryIdx, i) will contain distance.\r
1298             // allDist is a buffer to store all distance between query descriptors and train descriptors\r
1299             // it have size (nQuery,nTrain) and CV_32F type\r
1300             // allDist.at<float>(queryIdx, trainIdx) will contain FLT_MAX, if trainIdx is one from k best,\r
1301             // otherwise it will contain distance between queryIdx and trainIdx descriptors\r
1302             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1303                 GpuMat& trainIdx, GpuMat& distance, GpuMat& allDist, int k, const GpuMat& mask = GpuMat());\r
1304 \r
1305             // Download trainIdx and distance to CPU vector with DMatch\r
1306             // compactResult is used when mask is not empty. If compactResult is false matches\r
1307             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1308             // matches vector will not contain matches for fully masked out query descriptors.\r
1309             static void knnMatchDownload(const GpuMat& trainIdx, const GpuMat& distance,\r
1310                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1311 \r
1312             // Find k best matches for each query descriptor (in increasing order of distances).\r
1313             // compactResult is used when mask is not empty. If compactResult is false matches\r
1314             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1315             // matches vector will not contain matches for fully masked out query descriptors.\r
1316             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1317                 std::vector< std::vector<DMatch> >& matches, int k, const GpuMat& mask = GpuMat(),\r
1318                 bool compactResult = false);\r
1319 \r
1320             // Find k best matches  for each query descriptor (in increasing order of distances).\r
1321             // compactResult is used when mask is not empty. If compactResult is false matches\r
1322             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1323             // matches vector will not contain matches for fully masked out query descriptors.\r
1324             void knnMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, int knn,\r
1325                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false );\r
1326 \r
1327             // Find best matches for each query descriptor which have distance less than maxDistance.\r
1328             // nMatches.at<unsigned int>(0, queruIdx) will contain matches count for queryIdx.\r
1329             // carefully nMatches can be greater than trainIdx.cols - it means that matcher didn't find all matches,\r
1330             // because it didn't have enough memory.\r
1331             // trainIdx.at<int>(queruIdx, i) will contain ith train index (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1332             // distance.at<int>(queruIdx, i) will contain ith distance (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1333             // If trainIdx is empty, then trainIdx and distance will be created with size nQuery x nTrain,\r
1334             // otherwize user can pass own allocated trainIdx and distance with size nQuery x nMaxMatches\r
1335             // Matches doesn't sorted.\r
1336             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1337                 GpuMat& trainIdx, GpuMat& nMatches, GpuMat& distance, float maxDistance,\r
1338                 const GpuMat& mask = GpuMat());\r
1339 \r
1340             // Download trainIdx, nMatches and distance to CPU vector with DMatch.\r
1341             // matches will be sorted in increasing order of distances.\r
1342             // compactResult is used when mask is not empty. If compactResult is false matches\r
1343             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1344             // matches vector will not contain matches for fully masked out query descriptors.\r
1345             static void radiusMatchDownload(const GpuMat& trainIdx, const GpuMat& nMatches, const GpuMat& distance,\r
1346                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1347 \r
1348             // Find best matches for each query descriptor which have distance less than maxDistance\r
1349             // in increasing order of distances).\r
1350             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1351                 std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1352                 const GpuMat& mask = GpuMat(), bool compactResult = false);\r
1353 \r
1354             // Find best matches from train collection for each query descriptor which have distance less than\r
1355             // maxDistance (in increasing order of distances).\r
1356             void radiusMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1357                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false);\r
1358 \r
1359         private:\r
1360             DistType distType;\r
1361 \r
1362             std::vector<GpuMat> trainDescCollection;\r
1363         };\r
1364 \r
1365         template <class Distance>\r
1366         class CV_EXPORTS BruteForceMatcher_GPU;\r
1367 \r
1368         template <typename T>\r
1369         class CV_EXPORTS BruteForceMatcher_GPU< L1<T> > : public BruteForceMatcher_GPU_base\r
1370         {\r
1371         public:\r
1372             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L1Dist) {}\r
1373             explicit BruteForceMatcher_GPU(L1<T> /*d*/) : BruteForceMatcher_GPU_base(L1Dist) {}\r
1374         };\r
1375         template <typename T>\r
1376         class CV_EXPORTS BruteForceMatcher_GPU< L2<T> > : public BruteForceMatcher_GPU_base\r
1377         {\r
1378         public:\r
1379             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L2Dist) {}\r
1380             explicit BruteForceMatcher_GPU(L2<T> /*d*/) : BruteForceMatcher_GPU_base(L2Dist) {}\r
1381         };\r
1382 \r
1383         ////////////////////////////////// CascadeClassifier //////////////////////////////////////////\r
1384         // The cascade classifier class for object detection.\r
1385         class CV_EXPORTS CascadeClassifier\r
1386         {\r
1387         public:\r
1388             struct CV_EXPORTS DTreeNode\r
1389             {\r
1390                 int featureIdx;\r
1391                 float threshold; // for ordered features only\r
1392                 int left;\r
1393                 int right;\r
1394             };\r
1395 \r
1396             struct CV_EXPORTS DTree\r
1397             {\r
1398                 int nodeCount;\r
1399             };\r
1400 \r
1401             struct CV_EXPORTS Stage\r
1402             {\r
1403                 int first;\r
1404                 int ntrees;\r
1405                 float threshold;\r
1406             };\r
1407 \r
1408             enum { BOOST = 0 };\r
1409             enum { DO_CANNY_PRUNING = 1, SCALE_IMAGE = 2,FIND_BIGGEST_OBJECT = 4, DO_ROUGH_SEARCH = 8 };\r
1410 \r
1411             CascadeClassifier();\r
1412             CascadeClassifier(const string& filename);\r
1413             ~CascadeClassifier();\r
1414 \r
1415             bool empty() const;\r
1416             bool load(const string& filename);\r
1417             bool read(const FileNode& node);\r
1418 \r
1419             void detectMultiScale( const Mat& image, vector<Rect>& objects, double scaleFactor=1.1,\r
1420                 int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size());\r
1421 \r
1422             bool setImage( Ptr<FeatureEvaluator>&, const Mat& );\r
1423             int runAt( Ptr<FeatureEvaluator>&, Point );\r
1424 \r
1425             bool isStumpBased;\r
1426 \r
1427             int stageType;\r
1428             int featureType;\r
1429             int ncategories;\r
1430             Size origWinSize;\r
1431 \r
1432             vector<Stage> stages;\r
1433             vector<DTree> classifiers;\r
1434             vector<DTreeNode> nodes;\r
1435             vector<float> leaves;\r
1436             vector<int> subsets;\r
1437 \r
1438             Ptr<FeatureEvaluator> feval;\r
1439             Ptr<CvHaarClassifierCascade> oldCascade;\r
1440         };\r
1441 \r
1442         ////////////////////////////////// SURF //////////////////////////////////////////\r
1443         \r
1444         struct CV_EXPORTS SURFParams_GPU \r
1445         {\r
1446             SURFParams_GPU() :\r
1447                 threshold(0.1f), \r
1448                 nOctaves(4),\r
1449                 nIntervals(4),\r
1450                 initialScale(2.f),\r
1451 \r
1452                 l1(3.f/1.5f),\r
1453                 l2(5.f/1.5f),\r
1454                 l3(3.f/1.5f),\r
1455                 l4(1.f/1.5f),\r
1456                 edgeScale(0.81f),\r
1457                 initialStep(1),\r
1458 \r
1459                 extended(true),\r
1460 \r
1461                 featuresRatio(0.01f)\r
1462             {\r
1463             }\r
1464 \r
1465             //! The interest operator threshold\r
1466             float threshold;\r
1467             //! The number of octaves to process\r
1468             int nOctaves;\r
1469             //! The number of intervals in each octave\r
1470             int nIntervals;\r
1471             //! The scale associated with the first interval of the first octave\r
1472             float initialScale;\r
1473 \r
1474             //! mask parameter l_1\r
1475             float l1;\r
1476             //! mask parameter l_2 \r
1477             float l2;\r
1478             //! mask parameter l_3\r
1479             float l3;\r
1480             //! mask parameter l_4\r
1481             float l4;\r
1482             //! The amount to scale the edge rejection mask\r
1483             float edgeScale;\r
1484             //! The initial sampling step in pixels.\r
1485             int initialStep;\r
1486 \r
1487             //! True, if generate 128-len descriptors, false - 64-len descriptors\r
1488             bool extended;\r
1489 \r
1490             //! max features = featuresRatio * img.size().srea()\r
1491             float featuresRatio;\r
1492         };\r
1493 \r
1494         class CV_EXPORTS SURF_GPU : public SURFParams_GPU\r
1495         {\r
1496         public:\r
1497             //! returns the descriptor size in float's (64 or 128)\r
1498             int descriptorSize() const;\r
1499 \r
1500             //! upload host keypoints to device memory\r
1501             static void uploadKeypoints(const vector<KeyPoint>& keypoints, GpuMat& keypointsGPU);\r
1502             //! download keypoints from device to host memory\r
1503             static void downloadKeypoints(const GpuMat& keypointsGPU, vector<KeyPoint>& keypoints);\r
1504 \r
1505             //! download descriptors from device to host memory\r
1506             static void downloadDescriptors(const GpuMat& descriptorsGPU, vector<float>& descriptors);\r
1507             \r
1508             //! finds the keypoints using fast hessian detector used in SURF\r
1509             //! supports CV_8UC1 images\r
1510             //! keypoints will have 1 row and type CV_32FC(6)\r
1511             //! keypoints.at<float[6]>(1, i) contains i'th keypoint\r
1512             //! format: (x, y, size, response, angle, octave)\r
1513             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints);\r
1514             //! finds the keypoints and computes their descriptors. \r
1515             //! Optionally it can compute descriptors for the user-provided keypoints and recompute keypoints direction\r
1516             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints, GpuMat& descriptors, \r
1517                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1518         \r
1519             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints);\r
1520             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, GpuMat& descriptors, \r
1521                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1522             \r
1523             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, std::vector<float>& descriptors, \r
1524                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1525 \r
1526             GpuMat sum;\r
1527             GpuMat sumf;\r
1528 \r
1529             GpuMat mask1;\r
1530             GpuMat maskSum;\r
1531 \r
1532             GpuMat hessianBuffer;\r
1533             GpuMat maxPosBuffer;\r
1534             GpuMat featuresBuffer;\r
1535         };\r
1536 \r
1537     }\r
1538 \r
1539     //! Speckle filtering - filters small connected components on diparity image.\r
1540     //! It sets pixel (x,y) to newVal if it coresponds to small CC with size < maxSpeckleSize.\r
1541     //! Threshold for border between CC is diffThreshold;\r
1542     CV_EXPORTS void filterSpeckles( Mat& img, uchar newVal, int maxSpeckleSize, uchar diffThreshold, Mat& buf);\r
1543 \r
1544 }\r
1545 #include "opencv2/gpu/matrix_operations.hpp"\r
1546 \r
1547 #endif /* __OPENCV_GPU_HPP__ */\r