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         //////////////////////////////// CudaMem ////////////////////////////////\r
 250         // CudaMem is limited cv::Mat with page locked memory allocation.\r
 251         // Page locked memory is only needed for async and faster coping to GPU.\r
 252         // It is convertable to cv::Mat header without reference counting\r
 253         // so you can use it with other opencv functions.\r
 254 \r
 255         class CV_EXPORTS CudaMem\r
 256         {\r
 257         public:\r
 258             enum  { ALLOC_PAGE_LOCKED = 1, ALLOC_ZEROCOPY = 2, ALLOC_WRITE_COMBINED = 4 };\r
 259 \r
 260             CudaMem();\r
 261             CudaMem(const CudaMem& m);\r
 262 \r
 263             CudaMem(int rows, int cols, int type, int _alloc_type = ALLOC_PAGE_LOCKED);\r
 264             CudaMem(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 265 \r
 266 \r
 267             //! creates from cv::Mat with coping data\r
 268             explicit CudaMem(const Mat& m, int alloc_type = ALLOC_PAGE_LOCKED);\r
 269 \r
 270             ~CudaMem();\r
 271 \r
 272             CudaMem& operator = (const CudaMem& m);\r
 273 \r
 274             //! returns deep copy of the matrix, i.e. the data is copied\r
 275             CudaMem clone() const;\r
 276 \r
 277             //! allocates new matrix data unless the matrix already has specified size and type.\r
 278             void create(int rows, int cols, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 279             void create(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 280 \r
 281             //! decrements reference counter and released memory if needed.\r
 282             void release();\r
 283 \r
 284             //! returns matrix header with disabled reference counting for CudaMem data.\r
 285             Mat createMatHeader() const;\r
 286             operator Mat() const;\r
 287 \r
 288             //! maps host memory into device address space and returns GpuMat header for it. Throws exception if not supported by hardware.\r
 289             GpuMat createGpuMatHeader() const;\r
 290             operator GpuMat() const;\r
 291 \r
 292             //returns if host memory can be mapperd to gpu address space;\r
 293             static bool canMapHostMemory();\r
 294 \r
 295             // Please see cv::Mat for descriptions\r
 296             bool isContinuous() const;\r
 297             size_t elemSize() const;\r
 298             size_t elemSize1() const;\r
 299             int type() const;\r
 300             int depth() const;\r
 301             int channels() const;\r
 302             size_t step1() const;\r
 303             Size size() const;\r
 304             bool empty() const;\r
 305 \r
 306 \r
 307             // Please see cv::Mat for descriptions\r
 308             int flags;\r
 309             int rows, cols;\r
 310             size_t step;\r
 311 \r
 312             uchar* data;\r
 313             int* refcount;\r
 314 \r
 315             uchar* datastart;\r
 316             uchar* dataend;\r
 317 \r
 318             int alloc_type;\r
 319         };\r
 320 \r
 321         //////////////////////////////// CudaStream ////////////////////////////////\r
 322         // Encapculates Cuda Stream. Provides interface for async coping.\r
 323         // Passed to each function that supports async kernel execution.\r
 324         // Reference counting is enabled\r
 325 \r
 326         class CV_EXPORTS Stream\r
 327         {\r
 328         public:\r
 329             Stream();\r
 330             ~Stream();\r
 331 \r
 332             Stream(const Stream&);\r
 333             Stream& operator=(const Stream&);\r
 334 \r
 335             bool queryIfComplete();\r
 336             void waitForCompletion();\r
 337 \r
 338             //! downloads asynchronously.\r
 339             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its subMat)\r
 340             void enqueueDownload(const GpuMat& src, CudaMem& dst);\r
 341             void enqueueDownload(const GpuMat& src, Mat& dst);\r
 342 \r
 343             //! uploads asynchronously.\r
 344             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its ROI)\r
 345             void enqueueUpload(const CudaMem& src, GpuMat& dst);\r
 346             void enqueueUpload(const Mat& src, GpuMat& dst);\r
 347 \r
 348             void enqueueCopy(const GpuMat& src, GpuMat& dst);\r
 349 \r
 350             void enqueueMemSet(const GpuMat& src, Scalar val);\r
 351             void enqueueMemSet(const GpuMat& src, Scalar val, const GpuMat& mask);\r
 352 \r
 353             // converts matrix type, ex from float to uchar depending on type\r
 354             void enqueueConvert(const GpuMat& src, GpuMat& dst, int type, double a = 1, double b = 0);\r
 355         private:\r
 356             void create();\r
 357             void release();\r
 358             struct Impl;\r
 359             Impl *impl;\r
 360             friend struct StreamAccessor;\r
 361         };\r
 362 \r
 363 \r
 364         ////////////////////////////// Arithmetics ///////////////////////////////////\r
 365 \r
 366         //! transposes the matrix\r
 367         //! supports matrix with element size = 1, 4 and 8 bytes (CV_8UC1, CV_8UC4, CV_16UC2, CV_32FC1, etc)\r
 368         CV_EXPORTS void transpose(const GpuMat& src1, GpuMat& dst);\r
 369 \r
 370         //! reverses the order of the rows, columns or both in a matrix\r
 371         //! supports CV_8UC1, CV_8UC4 types\r
 372         CV_EXPORTS void flip(const GpuMat& a, GpuMat& b, int flipCode);\r
 373 \r
 374         //! transforms 8-bit unsigned integers using lookup table: dst(i)=lut(src(i))\r
 375         //! destination array will have the depth type as lut and the same channels number as source\r
 376         //! supports CV_8UC1, CV_8UC3 types\r
 377         CV_EXPORTS void LUT(const GpuMat& src, const Mat& lut, GpuMat& dst);\r
 378 \r
 379         //! makes multi-channel array out of several single-channel arrays\r
 380         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst);\r
 381 \r
 382         //! makes multi-channel array out of several single-channel arrays\r
 383         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst);\r
 384 \r
 385         //! makes multi-channel array out of several single-channel arrays (async version)\r
 386         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst, const Stream& stream);\r
 387 \r
 388         //! makes multi-channel array out of several single-channel arrays (async version)\r
 389         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst, const Stream& stream);\r
 390 \r
 391         //! copies each plane of a multi-channel array to a dedicated array\r
 392         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst);\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, vector<GpuMat>& dst);\r
 396 \r
 397         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 398         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst, const Stream& stream);\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, vector<GpuMat>& dst, const Stream& stream);\r
 402 \r
 403         //! computes magnitude of complex (x(i).re, x(i).im) vector\r
 404         //! supports only CV_32FC2 type\r
 405         CV_EXPORTS void magnitude(const GpuMat& x, GpuMat& magnitude);\r
 406 \r
 407         //! computes squared magnitude of complex (x(i).re, x(i).im) vector\r
 408         //! supports only CV_32FC2 type\r
 409         CV_EXPORTS void magnitudeSqr(const GpuMat& x, GpuMat& magnitude);\r
 410 \r
 411         //! computes magnitude of each (x(i), y(i)) vector\r
 412         //! supports only floating-point source\r
 413         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 414         //! async version\r
 415         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 416 \r
 417         //! computes squared magnitude of each (x(i), y(i)) vector\r
 418         //! supports only floating-point source\r
 419         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 420         //! async version\r
 421         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 422 \r
 423         //! computes angle (angle(i)) of each (x(i), y(i)) vector\r
 424         //! supports only floating-point source\r
 425         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees = false);\r
 426         //! async version\r
 427         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 428 \r
 429         //! converts Cartesian coordinates to polar\r
 430         //! supports only floating-point source\r
 431         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees = false);\r
 432         //! async version\r
 433         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 434 \r
 435         //! converts polar coordinates to Cartesian\r
 436         //! supports only floating-point source\r
 437         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees = false);\r
 438         //! async version\r
 439         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees, const Stream& stream);\r
 440 \r
 441 \r
 442         //////////////////////////// Per-element operations ////////////////////////////////////\r
 443 \r
 444         //! adds one matrix to another (c = a + b)\r
 445         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 446         CV_EXPORTS void add(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 447         //! adds scalar to a matrix (c = a + s)\r
 448         //! supports CV_32FC1 and CV_32FC2 type\r
 449         CV_EXPORTS void add(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 450 \r
 451         //! subtracts one matrix from another (c = a - b)\r
 452         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 453         CV_EXPORTS void subtract(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 454         //! subtracts scalar from a matrix (c = a - s)\r
 455         //! supports CV_32FC1 and CV_32FC2 type\r
 456         CV_EXPORTS void subtract(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 457 \r
 458         //! computes element-wise product of the two arrays (c = a * b)\r
 459         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 460         CV_EXPORTS void multiply(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 461         //! multiplies matrix to a scalar (c = a * s)\r
 462         //! supports CV_32FC1 and CV_32FC2 type\r
 463         CV_EXPORTS void multiply(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 464 \r
 465         //! computes element-wise quotient of the two arrays (c = a / b)\r
 466         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 467         CV_EXPORTS void divide(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 468         //! computes element-wise quotient of matrix and scalar (c = a / s)\r
 469         //! supports CV_32FC1 and CV_32FC2 type\r
 470         CV_EXPORTS void divide(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 471 \r
 472         //! computes exponent of each matrix element (b = e**a)\r
 473         //! supports only CV_32FC1 type\r
 474         CV_EXPORTS void exp(const GpuMat& a, GpuMat& b);\r
 475 \r
 476         //! computes natural logarithm of absolute value of each matrix element: b = log(abs(a))\r
 477         //! supports only CV_32FC1 type\r
 478         CV_EXPORTS void log(const GpuMat& a, GpuMat& b);\r
 479 \r
 480         //! computes element-wise absolute difference of two arrays (c = abs(a - b))\r
 481         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 482         CV_EXPORTS void absdiff(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 483         //! computes element-wise absolute difference of array and scalar (c = abs(a - s))\r
 484         //! supports only CV_32FC1 type\r
 485         CV_EXPORTS void absdiff(const GpuMat& a, const Scalar& s, GpuMat& c);\r
 486 \r
 487         //! compares elements of two arrays (c = a <cmpop> b)\r
 488         //! supports CV_8UC4, CV_32FC1 types\r
 489         CV_EXPORTS void compare(const GpuMat& a, const GpuMat& b, GpuMat& c, int cmpop);\r
 490 \r
 491         //! performs per-elements bit-wise inversion\r
 492         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 493         //! async version\r
 494         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 495 \r
 496         //! calculates per-element bit-wise disjunction of two arrays\r
 497         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 498         //! async version\r
 499         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 500 \r
 501         //! calculates per-element bit-wise conjunction of two arrays\r
 502         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 503         //! async version\r
 504         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 505 \r
 506         //! calculates per-element bit-wise "exclusive or" operation\r
 507         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 508         //! async version\r
 509         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 510 \r
 511         //! computes per-element minimum of two arrays (dst = min(src1, src2))\r
 512         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 513         //! Async version\r
 514         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 515 \r
 516         //! computes per-element minimum of array and scalar (dst = min(src1, src2))\r
 517         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst);\r
 518         //! Async version\r
 519         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 520 \r
 521         //! computes per-element maximum of two arrays (dst = max(src1, src2))\r
 522         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 523         //! Async version\r
 524         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 525 \r
 526         //! computes per-element maximum of array and scalar (dst = max(src1, src2))\r
 527         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst);\r
 528         //! Async version\r
 529         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 530 \r
 531 \r
 532         ////////////////////////////// Image processing //////////////////////////////\r
 533 \r
 534         //! DST[x,y] = SRC[xmap[x,y],ymap[x,y]] with bilinear interpolation.\r
 535         //! supports CV_8UC1, CV_8UC3 source types and CV_32FC1 map type\r
 536         CV_EXPORTS void remap(const GpuMat& src, GpuMat& dst, const GpuMat& xmap, const GpuMat& ymap);\r
 537 \r
 538         //! Does mean shift filtering on GPU.\r
 539         CV_EXPORTS void meanShiftFiltering(const GpuMat& src, GpuMat& dst, int sp, int sr,\r
 540             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 541 \r
 542         //! Does mean shift procedure on GPU.\r
 543         CV_EXPORTS void meanShiftProc(const GpuMat& src, GpuMat& dstr, GpuMat& dstsp, int sp, int sr,\r
 544             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 545 \r
 546         //! Does mean shift segmentation with elimiation of small regions.\r
 547         CV_EXPORTS void meanShiftSegmentation(const GpuMat& src, Mat& dst, int sp, int sr, int minsize,\r
 548             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 549 \r
 550         //! Does coloring of disparity image: [0..ndisp) -> [0..240, 1, 1] in HSV.\r
 551         //! Supported types of input disparity: CV_8U, CV_16S.\r
 552         //! Output disparity has CV_8UC4 type in BGRA format (alpha = 255).\r
 553         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp);\r
 554         //! async version\r
 555         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp, const Stream& stream);\r
 556 \r
 557         //! Reprojects disparity image to 3D space.\r
 558         //! Supports CV_8U and CV_16S types of input disparity.\r
 559         //! The output is a 4-channel floating-point (CV_32FC4) matrix.\r
 560         //! Each element of this matrix will contain the 3D coordinates of the point (x,y,z,1), computed from the disparity map.\r
 561         //! Q is the 4x4 perspective transformation matrix that can be obtained with cvStereoRectify.\r
 562         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q);\r
 563         //! async version\r
 564         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q, const Stream& stream);\r
 565 \r
 566         //! converts image from one color space to another\r
 567         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn = 0);\r
 568         //! async version\r
 569         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn, const Stream& stream);\r
 570 \r
 571         //! applies fixed threshold to the image.\r
 572         //! Now supports only THRESH_TRUNC threshold type and one channels float source.\r
 573         CV_EXPORTS double threshold(const GpuMat& src, GpuMat& dst, double thresh);\r
 574 \r
 575         //! resizes the image\r
 576         //! Supports INTER_NEAREST, INTER_LINEAR\r
 577         //! supports CV_8UC1, CV_8UC4 types\r
 578         CV_EXPORTS void resize(const GpuMat& src, GpuMat& dst, Size dsize, double fx=0, double fy=0, int interpolation = INTER_LINEAR);\r
 579 \r
 580         //! warps the image using affine transformation\r
 581         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 582         CV_EXPORTS void warpAffine(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 583 \r
 584         //! warps the image using perspective transformation\r
 585         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 586         CV_EXPORTS void warpPerspective(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 587 \r
 588         //! rotate 8bit single or four channel image\r
 589         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 590         //! supports CV_8UC1, CV_8UC4 types\r
 591         CV_EXPORTS void rotate(const GpuMat& src, GpuMat& dst, Size dsize, double angle, double xShift = 0, double yShift = 0, int interpolation = INTER_LINEAR);\r
 592 \r
 593         //! copies 2D array to a larger destination array and pads borders with user-specifiable constant\r
 594         //! supports CV_8UC1, CV_8UC4, CV_32SC1 and CV_32FC1 types\r
 595         CV_EXPORTS void copyMakeBorder(const GpuMat& src, GpuMat& dst, int top, int bottom, int left, int right, const Scalar& value = Scalar());\r
 596 \r
 597         //! computes the integral image\r
 598         //! sum will have CV_32S type, but will contain unsigned int values\r
 599         //! supports only CV_8UC1 source type\r
 600         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum);\r
 601 \r
 602         //! computes the integral image and integral for the squared image\r
 603         //! sum will have CV_32S type, sqsum - CV32F type\r
 604         //! supports only CV_8UC1 source type\r
 605         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum, GpuMat& sqsum);\r
 606 \r
 607         //! computes squared integral image\r
 608         //! result matrix will have 64F type, but will contain 64U values\r
 609         //! supports source images of 8UC1 type only\r
 610         CV_EXPORTS void sqrIntegral(const GpuMat& src, GpuMat& sqsum);\r
 611 \r
 612         //! computes vertical sum, supports only CV_32FC1 images\r
 613         CV_EXPORTS void columnSum(const GpuMat& src, GpuMat& sum);\r
 614 \r
 615         //! computes the standard deviation of integral images\r
 616         //! supports only CV_32SC1 source type and CV_32FC1 sqr type\r
 617         //! output will have CV_32FC1 type\r
 618         CV_EXPORTS void rectStdDev(const GpuMat& src, const GpuMat& sqr, GpuMat& dst, const Rect& rect);\r
 619 \r
 620         //! applies Canny edge detector and produces the edge map\r
 621         //! supprots only CV_8UC1 source type\r
 622         //! disabled until fix crash\r
 623         CV_EXPORTS void Canny(const GpuMat& image, GpuMat& edges, double threshold1, double threshold2, int apertureSize = 3);\r
 624 \r
 625         //! computes Harris cornerness criteria at each image pixel\r
 626         CV_EXPORTS void cornerHarris(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, double k, int borderType=BORDER_REFLECT101);\r
 627 \r
 628         //! computes minimum eigen value of 2x2 derivative covariation matrix at each pixel - the cornerness criteria\r
 629         CV_EXPORTS void cornerMinEigenVal(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, int borderType=BORDER_REFLECT101);\r
 630 \r
 631         //! performs per-element multiplication of two full (i.e. not packed) Fourier spectrums\r
 632         //! supports only 32FC2 matrixes (interleaved format)\r
 633         CV_EXPORTS void mulSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, bool conjB=false);\r
 634 \r
 635         //! performs per-element multiplication of two full (i.e. not packed) Fourier spectrums\r
 636         //! supports only 32FC2 matrixes (interleaved format)\r
 637         CV_EXPORTS void mulAndScaleSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, \r
 638                                              float scale, bool conjB=false);\r
 639 \r
 640         //! computes convolution (or cross-correlation) of two images using discrete Fourier transform\r
 641         //! supports source images of 32FC1 type only\r
 642         //! result matrix will have 32FC1 type\r
 643         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, bool ccorr=false);\r
 644 \r
 645         //! computes the proximity map for the raster template and the image where the template is searched for\r
 646         CV_EXPORTS void matchTemplate(const GpuMat& image, const GpuMat& templ, GpuMat& result, int method);\r
 647 \r
 648 \r
 649         ////////////////////////////// Matrix reductions //////////////////////////////\r
 650 \r
 651         //! computes mean value and standard deviation of all or selected array elements\r
 652         //! supports only CV_8UC1 type\r
 653         CV_EXPORTS void meanStdDev(const GpuMat& mtx, Scalar& mean, Scalar& stddev);\r
 654 \r
 655         //! computes norm of array\r
 656         //! supports NORM_INF, NORM_L1, NORM_L2\r
 657         //! supports only CV_8UC1 type\r
 658         CV_EXPORTS double norm(const GpuMat& src1, int normType=NORM_L2);\r
 659 \r
 660         //! computes norm of the difference between two arrays\r
 661         //! supports NORM_INF, NORM_L1, NORM_L2\r
 662         //! supports only CV_8UC1 type\r
 663         CV_EXPORTS double norm(const GpuMat& src1, const GpuMat& src2, int normType=NORM_L2);\r
 664 \r
 665         //! computes sum of array elements\r
 666         //! supports only single channel images\r
 667         CV_EXPORTS Scalar sum(const GpuMat& src);\r
 668 \r
 669         //! computes sum of array elements\r
 670         //! supports only single channel images\r
 671         CV_EXPORTS Scalar sum(const GpuMat& src, GpuMat& buf);\r
 672 \r
 673         //! computes squared sum of array elements\r
 674         //! supports only single channel images\r
 675         CV_EXPORTS Scalar sqrSum(const GpuMat& src);\r
 676 \r
 677         //! computes squared sum of array elements\r
 678         //! supports only single channel images\r
 679         CV_EXPORTS Scalar sqrSum(const GpuMat& src, GpuMat& buf);\r
 680 \r
 681         //! finds global minimum and maximum array elements and returns their values\r
 682         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal=0, const GpuMat& mask=GpuMat());\r
 683 \r
 684         //! finds global minimum and maximum array elements and returns their values\r
 685         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal, const GpuMat& mask, GpuMat& buf);\r
 686 \r
 687         //! finds global minimum and maximum array elements and returns their values with locations\r
 688         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0,\r
 689                                   const GpuMat& mask=GpuMat());\r
 690 \r
 691         //! finds global minimum and maximum array elements and returns their values with locations\r
 692         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal, Point* minLoc, Point* maxLoc,\r
 693                                   const GpuMat& mask, GpuMat& valbuf, GpuMat& locbuf);\r
 694 \r
 695         //! counts non-zero array elements\r
 696         CV_EXPORTS int countNonZero(const GpuMat& src);\r
 697 \r
 698         //! counts non-zero array elements\r
 699         CV_EXPORTS int countNonZero(const GpuMat& src, GpuMat& buf);\r
 700 \r
 701 \r
 702         //////////////////////////////// Filter Engine ////////////////////////////////\r
 703 \r
 704         /*!\r
 705         The Base Class for 1D or Row-wise Filters\r
 706 \r
 707         This is the base class for linear or non-linear filters that process 1D data.\r
 708         In particular, such filters are used for the "horizontal" filtering parts in separable filters.\r
 709         */\r
 710         class CV_EXPORTS BaseRowFilter_GPU\r
 711         {\r
 712         public:\r
 713             BaseRowFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 714             virtual ~BaseRowFilter_GPU() {}\r
 715             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 716             int ksize, anchor;\r
 717         };\r
 718 \r
 719         /*!\r
 720         The Base Class for Column-wise Filters\r
 721 \r
 722         This is the base class for linear or non-linear filters that process columns of 2D arrays.\r
 723         Such filters are used for the "vertical" filtering parts in separable filters.\r
 724         */\r
 725         class CV_EXPORTS BaseColumnFilter_GPU\r
 726         {\r
 727         public:\r
 728             BaseColumnFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 729             virtual ~BaseColumnFilter_GPU() {}\r
 730             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 731             int ksize, anchor;\r
 732         };\r
 733 \r
 734         /*!\r
 735         The Base Class for Non-Separable 2D Filters.\r
 736 \r
 737         This is the base class for linear or non-linear 2D filters.\r
 738         */\r
 739         class CV_EXPORTS BaseFilter_GPU\r
 740         {\r
 741         public:\r
 742             BaseFilter_GPU(const Size& ksize_, const Point& anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 743             virtual ~BaseFilter_GPU() {}\r
 744             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 745             Size ksize;\r
 746             Point anchor;\r
 747         };\r
 748 \r
 749         /*!\r
 750         The Base Class for Filter Engine.\r
 751 \r
 752         The class can be used to apply an arbitrary filtering operation to an image.\r
 753         It contains all the necessary intermediate buffers.\r
 754         */\r
 755         class CV_EXPORTS FilterEngine_GPU\r
 756         {\r
 757         public:\r
 758             virtual ~FilterEngine_GPU() {}\r
 759 \r
 760             virtual void apply(const GpuMat& src, GpuMat& dst, Rect roi = Rect(0,0,-1,-1)) = 0;\r
 761         };\r
 762 \r
 763         //! returns the non-separable filter engine with the specified filter\r
 764         CV_EXPORTS Ptr<FilterEngine_GPU> createFilter2D_GPU(const Ptr<BaseFilter_GPU> filter2D, int srcType, int dstType);\r
 765 \r
 766         //! returns the separable filter engine with the specified filters\r
 767         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableFilter_GPU(const Ptr<BaseRowFilter_GPU>& rowFilter,\r
 768             const Ptr<BaseColumnFilter_GPU>& columnFilter, int srcType, int bufType, int dstType);\r
 769 \r
 770         //! returns horizontal 1D box filter\r
 771         //! supports only CV_8UC1 source type and CV_32FC1 sum type\r
 772         CV_EXPORTS Ptr<BaseRowFilter_GPU> getRowSumFilter_GPU(int srcType, int sumType, int ksize, int anchor = -1);\r
 773 \r
 774         //! returns vertical 1D box filter\r
 775         //! supports only CV_8UC1 sum type and CV_32FC1 dst type\r
 776         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getColumnSumFilter_GPU(int sumType, int dstType, int ksize, int anchor = -1);\r
 777 \r
 778         //! returns 2D box filter\r
 779         //! supports CV_8UC1 and CV_8UC4 source type, dst type must be the same as source type\r
 780         CV_EXPORTS Ptr<BaseFilter_GPU> getBoxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1, -1));\r
 781 \r
 782         //! returns box filter engine\r
 783         CV_EXPORTS Ptr<FilterEngine_GPU> createBoxFilter_GPU(int srcType, int dstType, const Size& ksize,\r
 784             const Point& anchor = Point(-1,-1));\r
 785 \r
 786         //! returns 2D morphological filter\r
 787         //! only MORPH_ERODE and MORPH_DILATE are supported\r
 788         //! supports CV_8UC1 and CV_8UC4 types\r
 789         //! kernel must have CV_8UC1 type, one rows and cols == ksize.width * ksize.height\r
 790         CV_EXPORTS Ptr<BaseFilter_GPU> getMorphologyFilter_GPU(int op, int type, const Mat& kernel, const Size& ksize,\r
 791             Point anchor=Point(-1,-1));\r
 792 \r
 793         //! returns morphological filter engine. Only MORPH_ERODE and MORPH_DILATE are supported.\r
 794         CV_EXPORTS Ptr<FilterEngine_GPU> createMorphologyFilter_GPU(int op, int type, const Mat& kernel,\r
 795             const Point& anchor = Point(-1,-1), int iterations = 1);\r
 796 \r
 797         //! returns 2D filter with the specified kernel\r
 798         //! supports CV_8UC1 and CV_8UC4 types\r
 799         CV_EXPORTS Ptr<BaseFilter_GPU> getLinearFilter_GPU(int srcType, int dstType, const Mat& kernel, const Size& ksize,\r
 800             Point anchor = Point(-1, -1));\r
 801 \r
 802         //! returns the non-separable linear filter engine\r
 803         CV_EXPORTS Ptr<FilterEngine_GPU> createLinearFilter_GPU(int srcType, int dstType, const Mat& kernel,\r
 804             const Point& anchor = Point(-1,-1));\r
 805 \r
 806         //! returns the primitive row filter with the specified kernel.\r
 807         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 source type.\r
 808         //! there are two version of algorithm: NPP and OpenCV.\r
 809         //! NPP calls when srcType == CV_8UC1 or srcType == CV_8UC4 and bufType == srcType,\r
 810         //! otherwise calls OpenCV version.\r
 811         //! NPP supports only BORDER_CONSTANT border type.\r
 812         //! OpenCV version supports only CV_32F as buffer depth and\r
 813         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 814         CV_EXPORTS Ptr<BaseRowFilter_GPU> getLinearRowFilter_GPU(int srcType, int bufType, const Mat& rowKernel,\r
 815             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 816 \r
 817         //! returns the primitive column filter with the specified kernel.\r
 818         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 dst type.\r
 819         //! there are two version of algorithm: NPP and OpenCV.\r
 820         //! NPP calls when dstType == CV_8UC1 or dstType == CV_8UC4 and bufType == dstType,\r
 821         //! otherwise calls OpenCV version.\r
 822         //! NPP supports only BORDER_CONSTANT border type.\r
 823         //! OpenCV version supports only CV_32F as buffer depth and\r
 824         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 825         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getLinearColumnFilter_GPU(int bufType, int dstType, const Mat& columnKernel,\r
 826             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 827 \r
 828         //! returns the separable linear filter engine\r
 829         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableLinearFilter_GPU(int srcType, int dstType, const Mat& rowKernel,\r
 830             const Mat& columnKernel, const Point& anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT,\r
 831             int columnBorderType = -1);\r
 832 \r
 833         //! returns filter engine for the generalized Sobel operator\r
 834         CV_EXPORTS Ptr<FilterEngine_GPU> createDerivFilter_GPU(int srcType, int dstType, int dx, int dy, int ksize,\r
 835             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 836 \r
 837         //! returns the Gaussian filter engine\r
 838         CV_EXPORTS Ptr<FilterEngine_GPU> createGaussianFilter_GPU(int type, Size ksize, double sigma1, double sigma2 = 0,\r
 839             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 840 \r
 841         //! returns maximum filter\r
 842         CV_EXPORTS Ptr<BaseFilter_GPU> getMaxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 843 \r
 844         //! returns minimum filter\r
 845         CV_EXPORTS Ptr<BaseFilter_GPU> getMinFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 846 \r
 847         //! smooths the image using the normalized box filter\r
 848         //! supports CV_8UC1, CV_8UC4 types\r
 849         CV_EXPORTS void boxFilter(const GpuMat& src, GpuMat& dst, int ddepth, Size ksize, Point anchor = Point(-1,-1));\r
 850 \r
 851         //! a synonym for normalized box filter\r
 852         static inline void blur(const GpuMat& src, GpuMat& dst, Size ksize, Point anchor = Point(-1,-1)) { boxFilter(src, dst, -1, ksize, anchor); }\r
 853 \r
 854         //! erodes the image (applies the local minimum operator)\r
 855         CV_EXPORTS void erode( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 856 \r
 857         //! dilates the image (applies the local maximum operator)\r
 858         CV_EXPORTS void dilate( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 859 \r
 860         //! applies an advanced morphological operation to the image\r
 861         CV_EXPORTS void morphologyEx( const GpuMat& src, GpuMat& dst, int op, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 862 \r
 863         //! applies non-separable 2D linear filter to the image\r
 864         CV_EXPORTS void filter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernel, Point anchor=Point(-1,-1));\r
 865 \r
 866         //! applies separable 2D linear filter to the image\r
 867         CV_EXPORTS void sepFilter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernelX, const Mat& kernelY,\r
 868             Point anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 869 \r
 870         //! applies generalized Sobel operator to the image\r
 871         CV_EXPORTS void Sobel(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, int ksize = 3, double scale = 1,\r
 872             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 873 \r
 874         //! applies the vertical or horizontal Scharr operator to the image\r
 875         CV_EXPORTS void Scharr(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, double scale = 1,\r
 876             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 877 \r
 878         //! smooths the image using Gaussian filter.\r
 879         CV_EXPORTS void GaussianBlur(const GpuMat& src, GpuMat& dst, Size ksize, double sigma1, double sigma2 = 0,\r
 880             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 881 \r
 882         //! applies Laplacian operator to the image\r
 883         //! supports only ksize = 1 and ksize = 3\r
 884         CV_EXPORTS void Laplacian(const GpuMat& src, GpuMat& dst, int ddepth, int ksize = 1, double scale = 1);\r
 885 \r
 886         //////////////////////////////// Image Labeling ////////////////////////////////\r
 887 \r
 888         //!performs labeling via graph cuts\r
 889         CV_EXPORTS void graphcut(GpuMat& terminals, GpuMat& leftTransp, GpuMat& rightTransp, GpuMat& top, GpuMat& bottom, GpuMat& labels, GpuMat& buf);\r
 890 \r
 891         ////////////////////////////////// Histograms //////////////////////////////////\r
 892 \r
 893         //! Compute levels with even distribution. levels will have 1 row and nLevels cols and CV_32SC1 type.\r
 894         CV_EXPORTS void evenLevels(GpuMat& levels, int nLevels, int lowerLevel, int upperLevel);\r
 895         //! Calculates histogram with evenly distributed bins for signle channel source.\r
 896         //! Supports CV_8UC1, CV_16UC1 and CV_16SC1 source types.\r
 897         //! Output hist will have one row and histSize cols and CV_32SC1 type.\r
 898         CV_EXPORTS void histEven(const GpuMat& src, GpuMat& hist, int histSize, int lowerLevel, int upperLevel);\r
 899         //! Calculates histogram with evenly distributed bins for four-channel source.\r
 900         //! All channels of source are processed separately.\r
 901         //! Supports CV_8UC4, CV_16UC4 and CV_16SC4 source types.\r
 902         //! Output hist[i] will have one row and histSize[i] cols and CV_32SC1 type.\r
 903         CV_EXPORTS void histEven(const GpuMat& src, GpuMat hist[4], int histSize[4], int lowerLevel[4], int upperLevel[4]);\r
 904         //! Calculates histogram with bins determined by levels array.\r
 905         //! levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 906         //! Supports CV_8UC1, CV_16UC1, CV_16SC1 and CV_32FC1 source types.\r
 907         //! Output hist will have one row and (levels.cols-1) cols and CV_32SC1 type.\r
 908         CV_EXPORTS void histRange(const GpuMat& src, GpuMat& hist, const GpuMat& levels);\r
 909         //! Calculates histogram with bins determined by levels array.\r
 910         //! All levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 911         //! All channels of source are processed separately.\r
 912         //! Supports CV_8UC4, CV_16UC4, CV_16SC4 and CV_32FC4 source types.\r
 913         //! Output hist[i] will have one row and (levels[i].cols-1) cols and CV_32SC1 type.\r
 914         CV_EXPORTS void histRange(const GpuMat& src, GpuMat hist[4], const GpuMat levels[4]);\r
 915 \r
 916         //////////////////////////////// StereoBM_GPU ////////////////////////////////\r
 917 \r
 918         class CV_EXPORTS StereoBM_GPU\r
 919         {\r
 920         public:\r
 921             enum { BASIC_PRESET = 0, PREFILTER_XSOBEL = 1 };\r
 922 \r
 923             enum { DEFAULT_NDISP = 64, DEFAULT_WINSZ = 19 };\r
 924 \r
 925             //! the default constructor\r
 926             StereoBM_GPU();\r
 927             //! the full constructor taking the camera-specific preset, number of disparities and the SAD window size. ndisparities must be multiple of 8.\r
 928             StereoBM_GPU(int preset, int ndisparities = DEFAULT_NDISP, int winSize = DEFAULT_WINSZ);\r
 929 \r
 930             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair\r
 931             //! Output disparity has CV_8U type.\r
 932             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
 933 \r
 934             //! async version\r
 935             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity, const Stream & stream);\r
 936 \r
 937             //! Some heuristics that tries to estmate\r
 938             // if current GPU will be faster then CPU in this algorithm.\r
 939             // It queries current active device.\r
 940             static bool checkIfGpuCallReasonable();\r
 941 \r
 942             int preset;\r
 943             int ndisp;\r
 944             int winSize;\r
 945 \r
 946             // If avergeTexThreshold  == 0 => post procesing is disabled\r
 947             // If avergeTexThreshold != 0 then disparity is set 0 in each point (x,y) where for left image\r
 948             // SumOfHorizontalGradiensInWindow(x, y, winSize) < (winSize * winSize) * avergeTexThreshold\r
 949             // i.e. input left image is low textured.\r
 950             float avergeTexThreshold;\r
 951         private:\r
 952             GpuMat minSSD, leBuf, riBuf;\r
 953         };\r
 954 \r
 955         ////////////////////////// StereoBeliefPropagation ///////////////////////////\r
 956         // "Efficient Belief Propagation for Early Vision"\r
 957         // P.Felzenszwalb\r
 958 \r
 959         class CV_EXPORTS StereoBeliefPropagation\r
 960         {\r
 961         public:\r
 962             enum { DEFAULT_NDISP  = 64 };\r
 963             enum { DEFAULT_ITERS  = 5  };\r
 964             enum { DEFAULT_LEVELS = 5  };\r
 965 \r
 966             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels);\r
 967 \r
 968             //! the default constructor\r
 969             explicit StereoBeliefPropagation(int ndisp  = DEFAULT_NDISP,\r
 970                 int iters  = DEFAULT_ITERS,\r
 971                 int levels = DEFAULT_LEVELS,\r
 972                 int msg_type = CV_32F);\r
 973 \r
 974             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
 975             //! number of levels, truncation of data cost, data weight,\r
 976             //! truncation of discontinuity cost and discontinuity single jump\r
 977             //! DataTerm = data_weight * min(fabs(I2-I1), max_data_term)\r
 978             //! DiscTerm = min(disc_single_jump * fabs(f1-f2), max_disc_term)\r
 979             //! please see paper for more details\r
 980             StereoBeliefPropagation(int ndisp, int iters, int levels,\r
 981                 float max_data_term, float data_weight,\r
 982                 float max_disc_term, float disc_single_jump,\r
 983                 int msg_type = CV_32F);\r
 984 \r
 985             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
 986             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
 987             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
 988 \r
 989             //! async version\r
 990             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
 991 \r
 992 \r
 993             //! version for user specified data term\r
 994             void operator()(const GpuMat& data, GpuMat& disparity);\r
 995             void operator()(const GpuMat& data, GpuMat& disparity, Stream& stream);\r
 996 \r
 997             int ndisp;\r
 998 \r
 999             int iters;\r
1000             int levels;\r
1001 \r
1002             float max_data_term;\r
1003             float data_weight;\r
1004             float max_disc_term;\r
1005             float disc_single_jump;\r
1006 \r
1007             int msg_type;\r
1008         private:\r
1009             GpuMat u, d, l, r, u2, d2, l2, r2;\r
1010             std::vector<GpuMat> datas;\r
1011             GpuMat out;\r
1012         };\r
1013 \r
1014         /////////////////////////// StereoConstantSpaceBP ///////////////////////////\r
1015         // "A Constant-Space Belief Propagation Algorithm for Stereo Matching"\r
1016         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1017         // http://vision.ai.uiuc.edu/~qyang6/\r
1018 \r
1019         class CV_EXPORTS StereoConstantSpaceBP\r
1020         {\r
1021         public:\r
1022             enum { DEFAULT_NDISP    = 128 };\r
1023             enum { DEFAULT_ITERS    = 8   };\r
1024             enum { DEFAULT_LEVELS   = 4   };\r
1025             enum { DEFAULT_NR_PLANE = 4   };\r
1026 \r
1027             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels, int& nr_plane);\r
1028 \r
1029             //! the default constructor\r
1030             explicit StereoConstantSpaceBP(int ndisp    = DEFAULT_NDISP,\r
1031                 int iters    = DEFAULT_ITERS,\r
1032                 int levels   = DEFAULT_LEVELS,\r
1033                 int nr_plane = DEFAULT_NR_PLANE,\r
1034                 int msg_type = CV_32F);\r
1035 \r
1036             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1037             //! number of levels, number of active disparity on the first level, truncation of data cost, data weight,\r
1038             //! truncation of discontinuity cost, discontinuity single jump and minimum disparity threshold\r
1039             StereoConstantSpaceBP(int ndisp, int iters, int levels, int nr_plane,\r
1040                 float max_data_term, float data_weight, float max_disc_term, float disc_single_jump,\r
1041                 int min_disp_th = 0,\r
1042                 int msg_type = CV_32F);\r
1043 \r
1044             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
1045             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
1046             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1047 \r
1048             //! async version\r
1049             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
1050 \r
1051             int ndisp;\r
1052 \r
1053             int iters;\r
1054             int levels;\r
1055 \r
1056             int nr_plane;\r
1057 \r
1058             float max_data_term;\r
1059             float data_weight;\r
1060             float max_disc_term;\r
1061             float disc_single_jump;\r
1062 \r
1063             int min_disp_th;\r
1064 \r
1065             int msg_type;\r
1066 \r
1067             bool use_local_init_data_cost;\r
1068         private:\r
1069             GpuMat u[2], d[2], l[2], r[2];\r
1070             GpuMat disp_selected_pyr[2];\r
1071 \r
1072             GpuMat data_cost;\r
1073             GpuMat data_cost_selected;\r
1074 \r
1075             GpuMat temp;\r
1076 \r
1077             GpuMat out;\r
1078         };\r
1079 \r
1080         /////////////////////////// DisparityBilateralFilter ///////////////////////////\r
1081         // Disparity map refinement using joint bilateral filtering given a single color image.\r
1082         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1083         // http://vision.ai.uiuc.edu/~qyang6/\r
1084 \r
1085         class CV_EXPORTS DisparityBilateralFilter\r
1086         {\r
1087         public:\r
1088             enum { DEFAULT_NDISP  = 64 };\r
1089             enum { DEFAULT_RADIUS = 3 };\r
1090             enum { DEFAULT_ITERS  = 1 };\r
1091 \r
1092             //! the default constructor\r
1093             explicit DisparityBilateralFilter(int ndisp = DEFAULT_NDISP, int radius = DEFAULT_RADIUS, int iters = DEFAULT_ITERS);\r
1094 \r
1095             //! the full constructor taking the number of disparities, filter radius,\r
1096             //! number of iterations, truncation of data continuity, truncation of disparity continuity\r
1097             //! and filter range sigma\r
1098             DisparityBilateralFilter(int ndisp, int radius, int iters, float edge_threshold, float max_disc_threshold, float sigma_range);\r
1099 \r
1100             //! the disparity map refinement operator. Refine disparity map using joint bilateral filtering given a single color image.\r
1101             //! disparity must have CV_8U or CV_16S type, image must have CV_8UC1 or CV_8UC3 type.\r
1102             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst);\r
1103 \r
1104             //! async version\r
1105             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst, Stream& stream);\r
1106 \r
1107         private:\r
1108             int ndisp;\r
1109             int radius;\r
1110             int iters;\r
1111 \r
1112             float edge_threshold;\r
1113             float max_disc_threshold;\r
1114             float sigma_range;\r
1115 \r
1116             GpuMat table_color;\r
1117             GpuMat table_space;\r
1118         };\r
1119 \r
1120 \r
1121         //////////////// HOG (Histogram-of-Oriented-Gradients) Descriptor and Object Detector //////////////\r
1122 \r
1123         struct CV_EXPORTS HOGDescriptor\r
1124         {\r
1125         public:\r
1126             enum { DEFAULT_WIN_SIGMA = -1 };\r
1127             enum { DEFAULT_NLEVELS = 64 };\r
1128             enum { DESCR_FORMAT_ROW_BY_ROW, DESCR_FORMAT_COL_BY_COL };\r
1129 \r
1130             HOGDescriptor(Size win_size=Size(64, 128), Size block_size=Size(16, 16),\r
1131                           Size block_stride=Size(8, 8), Size cell_size=Size(8, 8),\r
1132                           int nbins=9, double win_sigma=DEFAULT_WIN_SIGMA,\r
1133                           double threshold_L2hys=0.2, bool gamma_correction=true,\r
1134                           int nlevels=DEFAULT_NLEVELS);\r
1135 \r
1136             size_t getDescriptorSize() const;\r
1137             size_t getBlockHistogramSize() const;\r
1138             double getWinSigma() const;\r
1139 \r
1140             static vector<float> getDefaultPeopleDetector();\r
1141             static vector<float> getPeopleDetector_48x96();\r
1142             static vector<float> getPeopleDetector_64x128();\r
1143             void setSVMDetector(const vector<float>& detector);\r
1144             bool checkDetectorSize() const;\r
1145 \r
1146             void detect(const GpuMat& img, vector<Point>& found_locations, double hit_threshold=0,\r
1147                         Size win_stride=Size(), Size padding=Size());\r
1148             void detectMultiScale(const GpuMat& img, vector<Rect>& found_locations,\r
1149                                   double hit_threshold=0, Size win_stride=Size(), Size padding=Size(),\r
1150                                   double scale0=1.05, int group_threshold=2);\r
1151 \r
1152             void getDescriptors(const GpuMat& img, Size win_stride, GpuMat& descriptors,\r
1153                                 int descr_format=DESCR_FORMAT_COL_BY_COL);\r
1154 \r
1155             Size win_size;\r
1156             Size block_size;\r
1157             Size block_stride;\r
1158             Size cell_size;\r
1159             int nbins;\r
1160             double win_sigma;\r
1161             double threshold_L2hys;\r
1162             bool gamma_correction;\r
1163             int nlevels;\r
1164 \r
1165         protected:\r
1166             void computeBlockHistograms(const GpuMat& img);\r
1167             void computeGradient(const GpuMat& img, GpuMat& grad, GpuMat& qangle);\r
1168 \r
1169             static int numPartsWithin(int size, int part_size, int stride);\r
1170             static Size numPartsWithin(Size size, Size part_size, Size stride);\r
1171 \r
1172             // Coefficients of the separating plane\r
1173             float free_coef;\r
1174             GpuMat detector;\r
1175 \r
1176             // Results of the last classification step\r
1177             GpuMat labels;\r
1178             Mat labels_host;\r
1179 \r
1180             // Results of the last histogram evaluation step\r
1181             GpuMat block_hists;\r
1182 \r
1183             // Gradients conputation results\r
1184             GpuMat grad, qangle;\r
1185         };\r
1186 \r
1187 \r
1188         ////////////////////////////////// BruteForceMatcher //////////////////////////////////\r
1189 \r
1190         class CV_EXPORTS BruteForceMatcher_GPU_base\r
1191         {\r
1192         public:\r
1193             enum DistType {L1Dist = 0, L2Dist};\r
1194 \r
1195             explicit BruteForceMatcher_GPU_base(DistType distType = L2Dist);\r
1196 \r
1197             // Add descriptors to train descriptor collection.\r
1198             void add(const std::vector<GpuMat>& descCollection);\r
1199 \r
1200             // Get train descriptors collection.\r
1201             const std::vector<GpuMat>& getTrainDescriptors() const;\r
1202 \r
1203             // Clear train descriptors collection.\r
1204             void clear();\r
1205 \r
1206             // Return true if there are not train descriptors in collection.\r
1207             bool empty() const;\r
1208 \r
1209             // Return true if the matcher supports mask in match methods.\r
1210             bool isMaskSupported() const;\r
1211 \r
1212             // Find one best match for each query descriptor.\r
1213             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1214             // distance.at<float>(0, queryIdx) will contain distance\r
1215             void matchSingle(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1216                 GpuMat& trainIdx, GpuMat& distance,\r
1217                 const GpuMat& mask = GpuMat());\r
1218 \r
1219             // Download trainIdx and distance to CPU vector with DMatch\r
1220             static void matchDownload(const GpuMat& trainIdx, const GpuMat& distance, std::vector<DMatch>& matches);\r
1221 \r
1222             // Find one best match for each query descriptor.\r
1223             void match(const GpuMat& queryDescs, const GpuMat& trainDescs, std::vector<DMatch>& matches,\r
1224                 const GpuMat& mask = GpuMat());\r
1225 \r
1226             // Make gpu collection of trains and masks in suitable format for matchCollection function\r
1227             void makeGpuCollection(GpuMat& trainCollection, GpuMat& maskCollection,\r
1228                 const vector<GpuMat>& masks = std::vector<GpuMat>());\r
1229 \r
1230             // Find one best match from train collection for each query descriptor.\r
1231             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1232             // imgIdx.at<int>(0, queryIdx) will contain best image index for queryIdx\r
1233             // distance.at<float>(0, queryIdx) will contain distance\r
1234             void matchCollection(const GpuMat& queryDescs, const GpuMat& trainCollection,\r
1235                 GpuMat& trainIdx, GpuMat& imgIdx, GpuMat& distance,\r
1236                 const GpuMat& maskCollection);\r
1237 \r
1238             // Download trainIdx, imgIdx and distance to CPU vector with DMatch\r
1239             static void matchDownload(const GpuMat& trainIdx, GpuMat& imgIdx, const GpuMat& distance,\r
1240                 std::vector<DMatch>& matches);\r
1241 \r
1242             // Find one best match from train collection for each query descriptor.\r
1243             void match(const GpuMat& queryDescs, std::vector<DMatch>& matches,\r
1244                 const std::vector<GpuMat>& masks = std::vector<GpuMat>());\r
1245 \r
1246             // Find k best matches for each query descriptor (in increasing order of distances).\r
1247             // trainIdx.at<int>(queryIdx, i) will contain index of i'th best trains (i < k).\r
1248             // distance.at<float>(queryIdx, i) will contain distance.\r
1249             // allDist is a buffer to store all distance between query descriptors and train descriptors\r
1250             // it have size (nQuery,nTrain) and CV_32F type\r
1251             // allDist.at<float>(queryIdx, trainIdx) will contain FLT_MAX, if trainIdx is one from k best,\r
1252             // otherwise it will contain distance between queryIdx and trainIdx descriptors\r
1253             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1254                 GpuMat& trainIdx, GpuMat& distance, GpuMat& allDist, int k, const GpuMat& mask = GpuMat());\r
1255 \r
1256             // Download trainIdx and distance to CPU vector with DMatch\r
1257             // compactResult is used when mask is not empty. If compactResult is false matches\r
1258             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1259             // matches vector will not contain matches for fully masked out query descriptors.\r
1260             static void knnMatchDownload(const GpuMat& trainIdx, const GpuMat& distance,\r
1261                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1262 \r
1263             // Find k best matches for each query descriptor (in increasing order of distances).\r
1264             // compactResult is used when mask is not empty. If compactResult is false matches\r
1265             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1266             // matches vector will not contain matches for fully masked out query descriptors.\r
1267             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1268                 std::vector< std::vector<DMatch> >& matches, int k, const GpuMat& mask = GpuMat(),\r
1269                 bool compactResult = false);\r
1270 \r
1271             // Find k best matches  for each query descriptor (in increasing order of distances).\r
1272             // compactResult is used when mask is not empty. If compactResult is false matches\r
1273             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1274             // matches vector will not contain matches for fully masked out query descriptors.\r
1275             void knnMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, int knn,\r
1276                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false );\r
1277 \r
1278             // Find best matches for each query descriptor which have distance less than maxDistance.\r
1279             // nMatches.at<unsigned int>(0, queruIdx) will contain matches count for queryIdx.\r
1280             // carefully nMatches can be greater than trainIdx.cols - it means that matcher didn't find all matches,\r
1281             // because it didn't have enough memory.\r
1282             // trainIdx.at<int>(queruIdx, i) will contain ith train index (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1283             // distance.at<int>(queruIdx, i) will contain ith distance (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1284             // If trainIdx is empty, then trainIdx and distance will be created with size nQuery x nTrain,\r
1285             // otherwize user can pass own allocated trainIdx and distance with size nQuery x nMaxMatches\r
1286             // Matches doesn't sorted.\r
1287             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1288                 GpuMat& trainIdx, GpuMat& nMatches, GpuMat& distance, float maxDistance,\r
1289                 const GpuMat& mask = GpuMat());\r
1290 \r
1291             // Download trainIdx, nMatches and distance to CPU vector with DMatch.\r
1292             // matches will be sorted in increasing order of distances.\r
1293             // compactResult is used when mask is not empty. If compactResult is false matches\r
1294             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1295             // matches vector will not contain matches for fully masked out query descriptors.\r
1296             static void radiusMatchDownload(const GpuMat& trainIdx, const GpuMat& nMatches, const GpuMat& distance,\r
1297                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1298 \r
1299             // Find best matches for each query descriptor which have distance less than maxDistance\r
1300             // in increasing order of distances).\r
1301             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1302                 std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1303                 const GpuMat& mask = GpuMat(), bool compactResult = false);\r
1304 \r
1305             // Find best matches from train collection for each query descriptor which have distance less than\r
1306             // maxDistance (in increasing order of distances).\r
1307             void radiusMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1308                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false);\r
1309 \r
1310         private:\r
1311             DistType distType;\r
1312 \r
1313             std::vector<GpuMat> trainDescCollection;\r
1314         };\r
1315 \r
1316         template <class Distance>\r
1317         class CV_EXPORTS BruteForceMatcher_GPU;\r
1318 \r
1319         template <typename T>\r
1320         class CV_EXPORTS BruteForceMatcher_GPU< L1<T> > : public BruteForceMatcher_GPU_base\r
1321         {\r
1322         public:\r
1323             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L1Dist) {}\r
1324             explicit BruteForceMatcher_GPU(L1<T> /*d*/) : BruteForceMatcher_GPU_base(L1Dist) {}\r
1325         };\r
1326         template <typename T>\r
1327         class CV_EXPORTS BruteForceMatcher_GPU< L2<T> > : public BruteForceMatcher_GPU_base\r
1328         {\r
1329         public:\r
1330             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L2Dist) {}\r
1331             explicit BruteForceMatcher_GPU(L2<T> /*d*/) : BruteForceMatcher_GPU_base(L2Dist) {}\r
1332         };\r
1333 \r
1334         ////////////////////////////////// CascadeClassifier //////////////////////////////////////////\r
1335         // The cascade classifier class for object detection.\r
1336         class CV_EXPORTS CascadeClassifier\r
1337         {\r
1338         public:\r
1339             struct CV_EXPORTS DTreeNode\r
1340             {\r
1341                 int featureIdx;\r
1342                 float threshold; // for ordered features only\r
1343                 int left;\r
1344                 int right;\r
1345             };\r
1346 \r
1347             struct CV_EXPORTS DTree\r
1348             {\r
1349                 int nodeCount;\r
1350             };\r
1351 \r
1352             struct CV_EXPORTS Stage\r
1353             {\r
1354                 int first;\r
1355                 int ntrees;\r
1356                 float threshold;\r
1357             };\r
1358 \r
1359             enum { BOOST = 0 };\r
1360             enum { DO_CANNY_PRUNING = 1, SCALE_IMAGE = 2,FIND_BIGGEST_OBJECT = 4, DO_ROUGH_SEARCH = 8 };\r
1361 \r
1362             CascadeClassifier();\r
1363             CascadeClassifier(const string& filename);\r
1364             ~CascadeClassifier();\r
1365 \r
1366             bool empty() const;\r
1367             bool load(const string& filename);\r
1368             bool read(const FileNode& node);\r
1369 \r
1370             void detectMultiScale( const Mat& image, vector<Rect>& objects, double scaleFactor=1.1,\r
1371                 int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size());\r
1372 \r
1373             bool setImage( Ptr<FeatureEvaluator>&, const Mat& );\r
1374             int runAt( Ptr<FeatureEvaluator>&, Point );\r
1375 \r
1376             bool isStumpBased;\r
1377 \r
1378             int stageType;\r
1379             int featureType;\r
1380             int ncategories;\r
1381             Size origWinSize;\r
1382 \r
1383             vector<Stage> stages;\r
1384             vector<DTree> classifiers;\r
1385             vector<DTreeNode> nodes;\r
1386             vector<float> leaves;\r
1387             vector<int> subsets;\r
1388 \r
1389             Ptr<FeatureEvaluator> feval;\r
1390             Ptr<CvHaarClassifierCascade> oldCascade;\r
1391         };\r
1392 \r
1393         ////////////////////////////////// SURF //////////////////////////////////////////\r
1394         \r
1395         struct CV_EXPORTS SURFParams_GPU \r
1396         {\r
1397             SURFParams_GPU() :\r
1398                 threshold(0.1f), \r
1399                 nOctaves(4),\r
1400                 nIntervals(4),\r
1401                 initialScale(2.f),\r
1402 \r
1403                 l1(3.f/1.5f),\r
1404                 l2(5.f/1.5f),\r
1405                 l3(3.f/1.5f),\r
1406                 l4(1.f/1.5f),\r
1407                 edgeScale(0.81f),\r
1408                 initialStep(1),\r
1409 \r
1410                 extended(true),\r
1411 \r
1412                 featuresRatio(0.01f)\r
1413             {\r
1414             }\r
1415 \r
1416             //! The interest operator threshold\r
1417             float threshold;\r
1418             //! The number of octaves to process\r
1419             int nOctaves;\r
1420             //! The number of intervals in each octave\r
1421             int nIntervals;\r
1422             //! The scale associated with the first interval of the first octave\r
1423             float initialScale;\r
1424 \r
1425             //! mask parameter l_1\r
1426             float l1;\r
1427             //! mask parameter l_2 \r
1428             float l2;\r
1429             //! mask parameter l_3\r
1430             float l3;\r
1431             //! mask parameter l_4\r
1432             float l4;\r
1433             //! The amount to scale the edge rejection mask\r
1434             float edgeScale;\r
1435             //! The initial sampling step in pixels.\r
1436             int initialStep;\r
1437 \r
1438             //! True, if generate 128-len descriptors, false - 64-len descriptors\r
1439             bool extended;\r
1440 \r
1441             //! max features = featuresRatio * img.size().srea()\r
1442             float featuresRatio;\r
1443         };\r
1444 \r
1445         class CV_EXPORTS SURF_GPU : public SURFParams_GPU\r
1446         {\r
1447         public:\r
1448             //! returns the descriptor size in float's (64 or 128)\r
1449             int descriptorSize() const;\r
1450 \r
1451             //! upload host keypoints to device memory\r
1452             static void uploadKeypoints(const vector<KeyPoint>& keypoints, GpuMat& keypointsGPU);\r
1453             //! download keypoints from device to host memory\r
1454             static void downloadKeypoints(const GpuMat& keypointsGPU, vector<KeyPoint>& keypoints);\r
1455 \r
1456             //! download descriptors from device to host memory\r
1457             static void downloadDescriptors(const GpuMat& descriptorsGPU, vector<float>& descriptors);\r
1458             \r
1459             //! finds the keypoints using fast hessian detector used in SURF\r
1460             //! supports CV_8UC1 images\r
1461             //! keypoints will have 1 row and type CV_32FC(6)\r
1462             //! keypoints.at<float[6]>(1, i) contains i'th keypoint\r
1463             //! format: (x, y, size, response, angle, octave)\r
1464             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints);\r
1465             //! finds the keypoints and computes their descriptors. \r
1466             //! Optionally it can compute descriptors for the user-provided keypoints and recompute keypoints direction\r
1467             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints, GpuMat& descriptors, \r
1468                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1469         \r
1470             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints);\r
1471             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, GpuMat& descriptors, \r
1472                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1473             \r
1474             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, std::vector<float>& descriptors, \r
1475                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1476 \r
1477             GpuMat sum;\r
1478             GpuMat sumf;\r
1479 \r
1480             GpuMat mask1;\r
1481             GpuMat maskSum;\r
1482 \r
1483             GpuMat hessianBuffer;\r
1484             GpuMat maxPosBuffer;\r
1485             GpuMat featuresBuffer;\r
1486         };\r
1487 \r
1488     }\r
1489 \r
1490     //! Speckle filtering - filters small connected components on diparity image.\r
1491     //! It sets pixel (x,y) to newVal if it coresponds to small CC with size < maxSpeckleSize.\r
1492     //! Threshold for border between CC is diffThreshold;\r
1493     CV_EXPORTS void filterSpeckles( Mat& img, uchar newVal, int maxSpeckleSize, uchar diffThreshold, Mat& buf);\r
1494 \r
1495 }\r
1496 #include "opencv2/gpu/matrix_operations.hpp"\r
1497 \r
1498 #endif /* __OPENCV_GPU_HPP__ */\r