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         CV_EXPORTS bool hasPtxVersion(int major, int minor);\r
  76         CV_EXPORTS bool hasLessOrEqualPtxVersion(int major, int minor);\r
  77         CV_EXPORTS bool hasGreaterOrEqualPtxVersion(int major, int minor);\r
  78 \r
  79         CV_EXPORTS bool hasCubinVersion(int major, int minor);\r
  80         CV_EXPORTS bool hasGreaterOrEqualCubinVersion(int major, int minor);\r
  81 \r
  82         CV_EXPORTS bool hasVersion(int major, int minor);\r
  83         CV_EXPORTS bool hasGreaterOrEqualVersion(int major, int minor);\r
  84 \r
  85         CV_EXPORTS bool isCompatibleWith(int device);\r
  86 \r
  87         //////////////////////////////// Error handling ////////////////////////\r
  88 \r
  89         CV_EXPORTS void error(const char *error_string, const char *file, const int line, const char *func);\r
  90         CV_EXPORTS void nppError( int err, const char *file, const int line, const char *func);\r
  91 \r
  92         //////////////////////////////// GpuMat ////////////////////////////////\r
  93         class Stream;\r
  94         class CudaMem;\r
  95 \r
  96         //! Smart pointer for GPU memory with reference counting. Its interface is mostly similar with cv::Mat.\r
  97         class CV_EXPORTS GpuMat\r
  98         {\r
  99         public:\r
 100             //! default constructor\r
 101             GpuMat();\r
 102             //! constructs GpuMatrix of the specified size and type (_type is CV_8UC1, CV_64FC3, CV_32SC(12) etc.)\r
 103             GpuMat(int rows, int cols, int type);\r
 104             GpuMat(Size size, int type);\r
 105             //! constucts GpuMatrix and fills it with the specified value _s.\r
 106             GpuMat(int rows, int cols, int type, const Scalar& s);\r
 107             GpuMat(Size size, int type, const Scalar& s);\r
 108             //! copy constructor\r
 109             GpuMat(const GpuMat& m);\r
 110 \r
 111             //! constructor for GpuMatrix headers pointing to user-allocated data\r
 112             GpuMat(int rows, int cols, int type, void* data, size_t step = Mat::AUTO_STEP);\r
 113             GpuMat(Size size, int type, void* data, size_t step = Mat::AUTO_STEP);\r
 114 \r
 115             //! creates a matrix header for a part of the bigger matrix\r
 116             GpuMat(const GpuMat& m, const Range& rowRange, const Range& colRange);\r
 117             GpuMat(const GpuMat& m, const Rect& roi);\r
 118 \r
 119             //! builds GpuMat from Mat. Perfom blocking upload to device.\r
 120             explicit GpuMat (const Mat& m);\r
 121 \r
 122             //! destructor - calls release()\r
 123             ~GpuMat();\r
 124 \r
 125             //! assignment operators\r
 126             GpuMat& operator = (const GpuMat& m);\r
 127             //! assignment operator. Perfom blocking upload to device.\r
 128             GpuMat& operator = (const Mat& m);\r
 129 \r
 130             //! returns lightweight DevMem2D_ structure for passing to nvcc-compiled code.\r
 131             // Contains just image size, data ptr and step.\r
 132             template <class T> operator DevMem2D_<T>() const;\r
 133             template <class T> operator PtrStep_<T>() const;\r
 134 \r
 135             //! pefroms blocking upload data to GpuMat.\r
 136             void upload(const cv::Mat& m);\r
 137 \r
 138             //! upload async\r
 139             void upload(const CudaMem& m, Stream& stream);\r
 140 \r
 141             //! downloads data from device to host memory. Blocking calls.\r
 142             operator Mat() const;\r
 143             void download(cv::Mat& m) const;\r
 144 \r
 145             //! download async\r
 146             void download(CudaMem& m, Stream& stream) const;\r
 147 \r
 148             //! returns a new GpuMatrix header for the specified row\r
 149             GpuMat row(int y) const;\r
 150             //! returns a new GpuMatrix header for the specified column\r
 151             GpuMat col(int x) const;\r
 152             //! ... for the specified row span\r
 153             GpuMat rowRange(int startrow, int endrow) const;\r
 154             GpuMat rowRange(const Range& r) const;\r
 155             //! ... for the specified column span\r
 156             GpuMat colRange(int startcol, int endcol) const;\r
 157             GpuMat colRange(const Range& r) const;\r
 158 \r
 159             //! returns deep copy of the GpuMatrix, i.e. the data is copied\r
 160             GpuMat clone() const;\r
 161             //! copies the GpuMatrix content to "m".\r
 162             // It calls m.create(this->size(), this->type()).\r
 163             void copyTo( GpuMat& m ) const;\r
 164             //! copies those GpuMatrix elements to "m" that are marked with non-zero mask elements.\r
 165             void copyTo( GpuMat& m, const GpuMat& mask ) const;\r
 166             //! converts GpuMatrix to another datatype with optional scalng. See cvConvertScale.\r
 167             void convertTo( GpuMat& m, int rtype, double alpha=1, double beta=0 ) const;\r
 168 \r
 169             void assignTo( GpuMat& m, int type=-1 ) const;\r
 170 \r
 171             //! sets every GpuMatrix element to s\r
 172             GpuMat& operator = (const Scalar& s);\r
 173             //! sets some of the GpuMatrix elements to s, according to the mask\r
 174             GpuMat& setTo(const Scalar& s, const GpuMat& mask = GpuMat());\r
 175             //! creates alternative GpuMatrix header for the same data, with different\r
 176             // number of channels and/or different number of rows. see cvReshape.\r
 177             GpuMat reshape(int cn, int rows = 0) const;\r
 178 \r
 179             //! allocates new GpuMatrix data unless the GpuMatrix already has specified size and type.\r
 180             // previous data is unreferenced if needed.\r
 181             void create(int rows, int cols, int type);\r
 182             void create(Size size, int type);\r
 183             //! decreases reference counter;\r
 184             // deallocate the data when reference counter reaches 0.\r
 185             void release();\r
 186 \r
 187             //! swaps with other smart pointer\r
 188             void swap(GpuMat& mat);\r
 189 \r
 190             //! locates GpuMatrix header within a parent GpuMatrix. See below\r
 191             void locateROI( Size& wholeSize, Point& ofs ) const;\r
 192             //! moves/resizes the current GpuMatrix ROI inside the parent GpuMatrix.\r
 193             GpuMat& adjustROI( int dtop, int dbottom, int dleft, int dright );\r
 194             //! extracts a rectangular sub-GpuMatrix\r
 195             // (this is a generalized form of row, rowRange etc.)\r
 196             GpuMat operator()( Range rowRange, Range colRange ) const;\r
 197             GpuMat operator()( const Rect& roi ) const;\r
 198 \r
 199             //! returns true iff the GpuMatrix data is continuous\r
 200             // (i.e. when there are no gaps between successive rows).\r
 201             // similar to CV_IS_GpuMat_CONT(cvGpuMat->type)\r
 202             bool isContinuous() const;\r
 203             //! returns element size in bytes,\r
 204             // similar to CV_ELEM_SIZE(cvMat->type)\r
 205             size_t elemSize() const;\r
 206             //! returns the size of element channel in bytes.\r
 207             size_t elemSize1() const;\r
 208             //! returns element type, similar to CV_MAT_TYPE(cvMat->type)\r
 209             int type() const;\r
 210             //! returns element type, similar to CV_MAT_DEPTH(cvMat->type)\r
 211             int depth() const;\r
 212             //! returns element type, similar to CV_MAT_CN(cvMat->type)\r
 213             int channels() const;\r
 214             //! returns step/elemSize1()\r
 215             size_t step1() const;\r
 216             //! returns GpuMatrix size:\r
 217             // width == number of columns, height == number of rows\r
 218             Size size() const;\r
 219             //! returns true if GpuMatrix data is NULL\r
 220             bool empty() const;\r
 221 \r
 222             //! returns pointer to y-th row\r
 223             uchar* ptr(int y = 0);\r
 224             const uchar* ptr(int y = 0) const;\r
 225 \r
 226             //! template version of the above method\r
 227             template<typename _Tp> _Tp* ptr(int y = 0);\r
 228             template<typename _Tp> const _Tp* ptr(int y = 0) const;\r
 229 \r
 230             //! matrix transposition\r
 231             GpuMat t() const;\r
 232 \r
 233             /*! includes several bit-fields:\r
 234             - the magic signature\r
 235             - continuity flag\r
 236             - depth\r
 237             - number of channels\r
 238             */\r
 239             int flags;\r
 240             //! the number of rows and columns\r
 241             int rows, cols;\r
 242             //! a distance between successive rows in bytes; includes the gap if any\r
 243             size_t step;\r
 244             //! pointer to the data\r
 245             uchar* data;\r
 246 \r
 247             //! pointer to the reference counter;\r
 248             // when GpuMatrix points to user-allocated data, the pointer is NULL\r
 249             int* refcount;\r
 250 \r
 251             //! helper fields used in locateROI and adjustROI\r
 252             uchar* datastart;\r
 253             uchar* dataend;\r
 254         };\r
 255 \r
 256 //#define TemplatedGpuMat // experimental now, deprecated to use\r
 257 #ifdef TemplatedGpuMat\r
 258     #include "GpuMat_BetaDeprecated.hpp"\r
 259 #endif\r
 260 \r
 261         //! Creates continuous GPU matrix\r
 262         CV_EXPORTS void createContinuous(int rows, int cols, int type, GpuMat& m);\r
 263 \r
 264         //! Ensures that size of the given matrix is not less than (rows, cols) size\r
 265         //! and matrix type is match specified one too\r
 266         CV_EXPORTS void ensureSizeIsEnough(int rows, int cols, int type, GpuMat& m);\r
 267 \r
 268         //////////////////////////////// CudaMem ////////////////////////////////\r
 269         // CudaMem is limited cv::Mat with page locked memory allocation.\r
 270         // Page locked memory is only needed for async and faster coping to GPU.\r
 271         // It is convertable to cv::Mat header without reference counting\r
 272         // so you can use it with other opencv functions.\r
 273 \r
 274         class CV_EXPORTS CudaMem\r
 275         {\r
 276         public:\r
 277             enum  { ALLOC_PAGE_LOCKED = 1, ALLOC_ZEROCOPY = 2, ALLOC_WRITE_COMBINED = 4 };\r
 278 \r
 279             CudaMem();\r
 280             CudaMem(const CudaMem& m);\r
 281 \r
 282             CudaMem(int rows, int cols, int type, int _alloc_type = ALLOC_PAGE_LOCKED);\r
 283             CudaMem(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 284 \r
 285 \r
 286             //! creates from cv::Mat with coping data\r
 287             explicit CudaMem(const Mat& m, int alloc_type = ALLOC_PAGE_LOCKED);\r
 288 \r
 289             ~CudaMem();\r
 290 \r
 291             CudaMem& operator = (const CudaMem& m);\r
 292 \r
 293             //! returns deep copy of the matrix, i.e. the data is copied\r
 294             CudaMem clone() const;\r
 295 \r
 296             //! allocates new matrix data unless the matrix already has specified size and type.\r
 297             void create(int rows, int cols, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 298             void create(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 299 \r
 300             //! decrements reference counter and released memory if needed.\r
 301             void release();\r
 302 \r
 303             //! returns matrix header with disabled reference counting for CudaMem data.\r
 304             Mat createMatHeader() const;\r
 305             operator Mat() const;\r
 306 \r
 307             //! maps host memory into device address space and returns GpuMat header for it. Throws exception if not supported by hardware.\r
 308             GpuMat createGpuMatHeader() const;\r
 309             operator GpuMat() const;\r
 310 \r
 311             //returns if host memory can be mapperd to gpu address space;\r
 312             static bool canMapHostMemory();\r
 313 \r
 314             // Please see cv::Mat for descriptions\r
 315             bool isContinuous() const;\r
 316             size_t elemSize() const;\r
 317             size_t elemSize1() const;\r
 318             int type() const;\r
 319             int depth() const;\r
 320             int channels() const;\r
 321             size_t step1() const;\r
 322             Size size() const;\r
 323             bool empty() const;\r
 324 \r
 325 \r
 326             // Please see cv::Mat for descriptions\r
 327             int flags;\r
 328             int rows, cols;\r
 329             size_t step;\r
 330 \r
 331             uchar* data;\r
 332             int* refcount;\r
 333 \r
 334             uchar* datastart;\r
 335             uchar* dataend;\r
 336 \r
 337             int alloc_type;\r
 338         };\r
 339 \r
 340         //////////////////////////////// CudaStream ////////////////////////////////\r
 341         // Encapculates Cuda Stream. Provides interface for async coping.\r
 342         // Passed to each function that supports async kernel execution.\r
 343         // Reference counting is enabled\r
 344 \r
 345         class CV_EXPORTS Stream\r
 346         {\r
 347         public:\r
 348             Stream();\r
 349             ~Stream();\r
 350 \r
 351             Stream(const Stream&);\r
 352             Stream& operator=(const Stream&);\r
 353 \r
 354             bool queryIfComplete();\r
 355             void waitForCompletion();\r
 356 \r
 357             //! downloads asynchronously.\r
 358             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its subMat)\r
 359             void enqueueDownload(const GpuMat& src, CudaMem& dst);\r
 360             void enqueueDownload(const GpuMat& src, Mat& dst);\r
 361 \r
 362             //! uploads asynchronously.\r
 363             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its ROI)\r
 364             void enqueueUpload(const CudaMem& src, GpuMat& dst);\r
 365             void enqueueUpload(const Mat& src, GpuMat& dst);\r
 366 \r
 367             void enqueueCopy(const GpuMat& src, GpuMat& dst);\r
 368 \r
 369             void enqueueMemSet(const GpuMat& src, Scalar val);\r
 370             void enqueueMemSet(const GpuMat& src, Scalar val, const GpuMat& mask);\r
 371 \r
 372             // converts matrix type, ex from float to uchar depending on type\r
 373             void enqueueConvert(const GpuMat& src, GpuMat& dst, int type, double a = 1, double b = 0);\r
 374         private:\r
 375             void create();\r
 376             void release();\r
 377             struct Impl;\r
 378             Impl *impl;\r
 379             friend struct StreamAccessor;\r
 380         };\r
 381 \r
 382 \r
 383         ////////////////////////////// Arithmetics ///////////////////////////////////\r
 384 \r
 385         //! transposes the matrix\r
 386         //! supports matrix with element size = 1, 4 and 8 bytes (CV_8UC1, CV_8UC4, CV_16UC2, CV_32FC1, etc)\r
 387         CV_EXPORTS void transpose(const GpuMat& src1, GpuMat& dst);\r
 388 \r
 389         //! reverses the order of the rows, columns or both in a matrix\r
 390         //! supports CV_8UC1, CV_8UC4 types\r
 391         CV_EXPORTS void flip(const GpuMat& a, GpuMat& b, int flipCode);\r
 392 \r
 393         //! transforms 8-bit unsigned integers using lookup table: dst(i)=lut(src(i))\r
 394         //! destination array will have the depth type as lut and the same channels number as source\r
 395         //! supports CV_8UC1, CV_8UC3 types\r
 396         CV_EXPORTS void LUT(const GpuMat& src, const Mat& lut, GpuMat& dst);\r
 397 \r
 398         //! makes multi-channel array out of several single-channel arrays\r
 399         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst);\r
 400 \r
 401         //! makes multi-channel array out of several single-channel arrays\r
 402         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst);\r
 403 \r
 404         //! makes multi-channel array out of several single-channel arrays (async version)\r
 405         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst, const Stream& stream);\r
 406 \r
 407         //! makes multi-channel array out of several single-channel arrays (async version)\r
 408         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst, const Stream& stream);\r
 409 \r
 410         //! copies each plane of a multi-channel array to a dedicated array\r
 411         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst);\r
 412 \r
 413         //! copies each plane of a multi-channel array to a dedicated array\r
 414         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst);\r
 415 \r
 416         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 417         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst, const Stream& stream);\r
 418 \r
 419         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 420         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst, const Stream& stream);\r
 421 \r
 422         //! computes magnitude of complex (x(i).re, x(i).im) vector\r
 423         //! supports only CV_32FC2 type\r
 424         CV_EXPORTS void magnitude(const GpuMat& x, GpuMat& magnitude);\r
 425 \r
 426         //! computes squared magnitude of complex (x(i).re, x(i).im) vector\r
 427         //! supports only CV_32FC2 type\r
 428         CV_EXPORTS void magnitudeSqr(const GpuMat& x, GpuMat& magnitude);\r
 429 \r
 430         //! computes magnitude of each (x(i), y(i)) vector\r
 431         //! supports only floating-point source\r
 432         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 433         //! async version\r
 434         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 435 \r
 436         //! computes squared magnitude of each (x(i), y(i)) vector\r
 437         //! supports only floating-point source\r
 438         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 439         //! async version\r
 440         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 441 \r
 442         //! computes angle (angle(i)) of each (x(i), y(i)) vector\r
 443         //! supports only floating-point source\r
 444         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees = false);\r
 445         //! async version\r
 446         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 447 \r
 448         //! converts Cartesian coordinates to polar\r
 449         //! supports only floating-point source\r
 450         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees = false);\r
 451         //! async version\r
 452         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 453 \r
 454         //! converts polar coordinates to Cartesian\r
 455         //! supports only floating-point source\r
 456         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees = false);\r
 457         //! async version\r
 458         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees, const Stream& stream);\r
 459 \r
 460 \r
 461         //////////////////////////// Per-element operations ////////////////////////////////////\r
 462 \r
 463         //! adds one matrix to another (c = a + b)\r
 464         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 465         CV_EXPORTS void add(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 466         //! adds scalar to a matrix (c = a + s)\r
 467         //! supports CV_32FC1 and CV_32FC2 type\r
 468         CV_EXPORTS void add(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 469 \r
 470         //! subtracts one matrix from another (c = a - b)\r
 471         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 472         CV_EXPORTS void subtract(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 473         //! subtracts scalar from a matrix (c = a - s)\r
 474         //! supports CV_32FC1 and CV_32FC2 type\r
 475         CV_EXPORTS void subtract(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 476 \r
 477         //! computes element-wise product of the two arrays (c = a * b)\r
 478         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 479         CV_EXPORTS void multiply(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 480         //! multiplies matrix to a scalar (c = a * s)\r
 481         //! supports CV_32FC1 and CV_32FC2 type\r
 482         CV_EXPORTS void multiply(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 483 \r
 484         //! computes element-wise quotient of the two arrays (c = a / b)\r
 485         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 486         CV_EXPORTS void divide(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 487         //! computes element-wise quotient of matrix and scalar (c = a / s)\r
 488         //! supports CV_32FC1 and CV_32FC2 type\r
 489         CV_EXPORTS void divide(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 490 \r
 491         //! computes exponent of each matrix element (b = e**a)\r
 492         //! supports only CV_32FC1 type\r
 493         CV_EXPORTS void exp(const GpuMat& a, GpuMat& b);\r
 494 \r
 495         //! computes natural logarithm of absolute value of each matrix element: b = log(abs(a))\r
 496         //! supports only CV_32FC1 type\r
 497         CV_EXPORTS void log(const GpuMat& a, GpuMat& b);\r
 498 \r
 499         //! computes element-wise absolute difference of two arrays (c = abs(a - b))\r
 500         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 501         CV_EXPORTS void absdiff(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 502         //! computes element-wise absolute difference of array and scalar (c = abs(a - s))\r
 503         //! supports only CV_32FC1 type\r
 504         CV_EXPORTS void absdiff(const GpuMat& a, const Scalar& s, GpuMat& c);\r
 505 \r
 506         //! compares elements of two arrays (c = a <cmpop> b)\r
 507         //! supports CV_8UC4, CV_32FC1 types\r
 508         CV_EXPORTS void compare(const GpuMat& a, const GpuMat& b, GpuMat& c, int cmpop);\r
 509 \r
 510         //! performs per-elements bit-wise inversion\r
 511         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 512         //! async version\r
 513         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 514 \r
 515         //! calculates per-element bit-wise disjunction of two arrays\r
 516         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 517         //! async version\r
 518         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 519 \r
 520         //! calculates per-element bit-wise conjunction of two arrays\r
 521         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 522         //! async version\r
 523         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 524 \r
 525         //! calculates per-element bit-wise "exclusive or" operation\r
 526         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 527         //! async version\r
 528         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 529 \r
 530         //! computes per-element minimum of two arrays (dst = min(src1, src2))\r
 531         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 532         //! Async version\r
 533         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 534 \r
 535         //! computes per-element minimum of array and scalar (dst = min(src1, src2))\r
 536         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst);\r
 537         //! Async version\r
 538         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 539 \r
 540         //! computes per-element maximum of two arrays (dst = max(src1, src2))\r
 541         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 542         //! Async version\r
 543         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 544 \r
 545         //! computes per-element maximum of array and scalar (dst = max(src1, src2))\r
 546         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst);\r
 547         //! Async version\r
 548         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 549 \r
 550 \r
 551         ////////////////////////////// Image processing //////////////////////////////\r
 552 \r
 553         //! DST[x,y] = SRC[xmap[x,y],ymap[x,y]] with bilinear interpolation.\r
 554         //! supports CV_8UC1, CV_8UC3 source types and CV_32FC1 map type\r
 555         CV_EXPORTS void remap(const GpuMat& src, GpuMat& dst, const GpuMat& xmap, const GpuMat& ymap);\r
 556 \r
 557         //! Does mean shift filtering on GPU.\r
 558         CV_EXPORTS void meanShiftFiltering(const GpuMat& src, GpuMat& dst, int sp, int sr,\r
 559             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 560 \r
 561         //! Does mean shift procedure on GPU.\r
 562         CV_EXPORTS void meanShiftProc(const GpuMat& src, GpuMat& dstr, GpuMat& dstsp, int sp, int sr,\r
 563             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 564 \r
 565         //! Does mean shift segmentation with elimination of small regions.\r
 566         CV_EXPORTS void meanShiftSegmentation(const GpuMat& src, Mat& dst, int sp, int sr, int minsize,\r
 567             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 568 \r
 569         //! Does coloring of disparity image: [0..ndisp) -> [0..240, 1, 1] in HSV.\r
 570         //! Supported types of input disparity: CV_8U, CV_16S.\r
 571         //! Output disparity has CV_8UC4 type in BGRA format (alpha = 255).\r
 572         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp);\r
 573         //! async version\r
 574         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp, const Stream& stream);\r
 575 \r
 576         //! Reprojects disparity image to 3D space.\r
 577         //! Supports CV_8U and CV_16S types of input disparity.\r
 578         //! The output is a 4-channel floating-point (CV_32FC4) matrix.\r
 579         //! Each element of this matrix will contain the 3D coordinates of the point (x,y,z,1), computed from the disparity map.\r
 580         //! Q is the 4x4 perspective transformation matrix that can be obtained with cvStereoRectify.\r
 581         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q);\r
 582         //! async version\r
 583         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q, const Stream& stream);\r
 584 \r
 585         //! converts image from one color space to another\r
 586         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn = 0);\r
 587         //! async version\r
 588         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn, const Stream& stream);\r
 589 \r
 590         //! applies fixed threshold to the image.\r
 591         //! Now supports only THRESH_TRUNC threshold type and one channels float source.\r
 592         CV_EXPORTS double threshold(const GpuMat& src, GpuMat& dst, double thresh);\r
 593 \r
 594         //! resizes the image\r
 595         //! Supports INTER_NEAREST, INTER_LINEAR\r
 596         //! supports CV_8UC1, CV_8UC4 types\r
 597         CV_EXPORTS void resize(const GpuMat& src, GpuMat& dst, Size dsize, double fx=0, double fy=0, int interpolation = INTER_LINEAR);\r
 598 \r
 599         //! warps the image using affine transformation\r
 600         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 601         CV_EXPORTS void warpAffine(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 602 \r
 603         //! warps the image using perspective transformation\r
 604         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 605         CV_EXPORTS void warpPerspective(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 606 \r
 607         //! rotate 8bit single or four channel image\r
 608         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 609         //! supports CV_8UC1, CV_8UC4 types\r
 610         CV_EXPORTS void rotate(const GpuMat& src, GpuMat& dst, Size dsize, double angle, double xShift = 0, double yShift = 0, int interpolation = INTER_LINEAR);\r
 611 \r
 612         //! copies 2D array to a larger destination array and pads borders with user-specifiable constant\r
 613         //! supports CV_8UC1, CV_8UC4, CV_32SC1 and CV_32FC1 types\r
 614         CV_EXPORTS void copyMakeBorder(const GpuMat& src, GpuMat& dst, int top, int bottom, int left, int right, const Scalar& value = Scalar());\r
 615 \r
 616         //! computes the integral image\r
 617         //! sum will have CV_32S type, but will contain unsigned int values\r
 618         //! supports only CV_8UC1 source type\r
 619         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum);\r
 620 \r
 621         //! computes the integral image and integral for the squared image\r
 622         //! sum will have CV_32S type, sqsum - CV32F type\r
 623         //! supports only CV_8UC1 source type\r
 624         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum, GpuMat& sqsum);\r
 625 \r
 626         //! computes squared integral image\r
 627         //! result matrix will have 64F type, but will contain 64U values\r
 628         //! supports source images of 8UC1 type only\r
 629         CV_EXPORTS void sqrIntegral(const GpuMat& src, GpuMat& sqsum);\r
 630 \r
 631         //! computes vertical sum, supports only CV_32FC1 images\r
 632         CV_EXPORTS void columnSum(const GpuMat& src, GpuMat& sum);\r
 633 \r
 634         //! computes the standard deviation of integral images\r
 635         //! supports only CV_32SC1 source type and CV_32FC1 sqr type\r
 636         //! output will have CV_32FC1 type\r
 637         CV_EXPORTS void rectStdDev(const GpuMat& src, const GpuMat& sqr, GpuMat& dst, const Rect& rect);\r
 638 \r
 639         //! applies Canny edge detector and produces the edge map\r
 640         //! supprots only CV_8UC1 source type\r
 641         //! disabled until fix crash\r
 642         CV_EXPORTS void Canny(const GpuMat& image, GpuMat& edges, double threshold1, double threshold2, int apertureSize = 3);\r
 643 \r
 644         //! computes Harris cornerness criteria at each image pixel\r
 645         CV_EXPORTS void cornerHarris(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, double k, int borderType=BORDER_REFLECT101);\r
 646 \r
 647         //! computes minimum eigen value of 2x2 derivative covariation matrix at each pixel - the cornerness criteria\r
 648         CV_EXPORTS void cornerMinEigenVal(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, int borderType=BORDER_REFLECT101);\r
 649 \r
 650         //! performs per-element multiplication of two full (not packed) Fourier spectrums\r
 651         //! supports 32FC2 matrixes only (interleaved format)\r
 652         CV_EXPORTS void mulSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, bool conjB=false);\r
 653 \r
 654         //! performs per-element multiplication of two full (not packed) Fourier spectrums\r
 655         //! supports 32FC2 matrixes only (interleaved format)\r
 656         CV_EXPORTS void mulAndScaleSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, \r
 657                                              float scale, bool conjB=false);\r
 658 \r
 659         //! Performs a forward or inverse discrete Fourier transform (1D or 2D) of floating point matrix.\r
 660         //! Param dft_size is the size of DFT transform.\r
 661         //! \r
 662         //! If the source matrix is not continous, then additional copy will be done,\r
 663         //! so to avoid copying ensure the source matrix is continous one. If you want to use\r
 664         //! preallocated output ensure it is continuous too, otherwise it will be reallocated.\r
 665         //!\r
 666         //! Being implemented via CUFFT real-to-complex transform result contains only non-redundant values\r
 667         //! in CUFFT's format. Result as full complex matrix for such kind of transform cannot be retrieved.\r
 668         //!\r
 669         //! For complex-to-real transform it is assumed that the source matrix is packed in CUFFT's format.\r
 670         CV_EXPORTS void dft(const GpuMat& src, GpuMat& dst, Size dft_size, int flags=0);\r
 671 \r
 672         //! computes convolution (or cross-correlation) of two images using discrete Fourier transform\r
 673         //! supports source images of 32FC1 type only\r
 674         //! result matrix will have 32FC1 type\r
 675         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, \r
 676                                  bool ccorr=false);\r
 677 \r
 678         struct CV_EXPORTS ConvolveBuf;\r
 679 \r
 680         //! buffered version\r
 681         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, \r
 682                                  bool ccorr, ConvolveBuf& buf);\r
 683 \r
 684         struct CV_EXPORTS ConvolveBuf\r
 685         {\r
 686             ConvolveBuf() {}\r
 687             ConvolveBuf(Size image_size, Size templ_size) \r
 688                 { create(image_size, templ_size); }\r
 689             void create(Size image_size, Size templ_size);\r
 690 \r
 691         private:\r
 692             static Size estimateBlockSize(Size result_size, Size templ_size);\r
 693             friend void convolve(const GpuMat&, const GpuMat&, GpuMat&, bool, ConvolveBuf&);\r
 694 \r
 695             Size result_size;\r
 696             Size block_size;\r
 697             Size dft_size;\r
 698             int spect_len;\r
 699 \r
 700             GpuMat image_spect, templ_spect, result_spect;\r
 701             GpuMat image_block, templ_block, result_data;\r
 702         };\r
 703 \r
 704         //! computes the proximity map for the raster template and the image where the template is searched for\r
 705         CV_EXPORTS void matchTemplate(const GpuMat& image, const GpuMat& templ, GpuMat& result, int method);\r
 706 \r
 707 \r
 708         ////////////////////////////// Matrix reductions //////////////////////////////\r
 709 \r
 710         //! computes mean value and standard deviation of all or selected array elements\r
 711         //! supports only CV_8UC1 type\r
 712         CV_EXPORTS void meanStdDev(const GpuMat& mtx, Scalar& mean, Scalar& stddev);\r
 713 \r
 714         //! computes norm of array\r
 715         //! supports NORM_INF, NORM_L1, NORM_L2\r
 716         //! supports only CV_8UC1 type\r
 717         CV_EXPORTS double norm(const GpuMat& src1, int normType=NORM_L2);\r
 718 \r
 719         //! computes norm of the difference between two arrays\r
 720         //! supports NORM_INF, NORM_L1, NORM_L2\r
 721         //! supports only CV_8UC1 type\r
 722         CV_EXPORTS double norm(const GpuMat& src1, const GpuMat& src2, int normType=NORM_L2);\r
 723 \r
 724         //! computes sum of array elements\r
 725         //! supports only single channel images\r
 726         CV_EXPORTS Scalar sum(const GpuMat& src);\r
 727 \r
 728         //! computes sum of array elements\r
 729         //! supports only single channel images\r
 730         CV_EXPORTS Scalar sum(const GpuMat& src, GpuMat& buf);\r
 731 \r
 732         //! computes squared sum of array elements\r
 733         //! supports only single channel images\r
 734         CV_EXPORTS Scalar sqrSum(const GpuMat& src);\r
 735 \r
 736         //! computes squared sum of array elements\r
 737         //! supports only single channel images\r
 738         CV_EXPORTS Scalar sqrSum(const GpuMat& src, GpuMat& buf);\r
 739 \r
 740         //! finds global minimum and maximum array elements and returns their values\r
 741         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal=0, const GpuMat& mask=GpuMat());\r
 742 \r
 743         //! finds global minimum and maximum array elements and returns their values\r
 744         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal, const GpuMat& mask, GpuMat& buf);\r
 745 \r
 746         //! finds global minimum and maximum array elements and returns their values with locations\r
 747         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0,\r
 748                                   const GpuMat& mask=GpuMat());\r
 749 \r
 750         //! finds global minimum and maximum array elements and returns their values with locations\r
 751         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal, Point* minLoc, Point* maxLoc,\r
 752                                   const GpuMat& mask, GpuMat& valbuf, GpuMat& locbuf);\r
 753 \r
 754         //! counts non-zero array elements\r
 755         CV_EXPORTS int countNonZero(const GpuMat& src);\r
 756 \r
 757         //! counts non-zero array elements\r
 758         CV_EXPORTS int countNonZero(const GpuMat& src, GpuMat& buf);\r
 759 \r
 760 \r
 761         //////////////////////////////// Filter Engine ////////////////////////////////\r
 762 \r
 763         /*!\r
 764         The Base Class for 1D or Row-wise Filters\r
 765 \r
 766         This is the base class for linear or non-linear filters that process 1D data.\r
 767         In particular, such filters are used for the "horizontal" filtering parts in separable filters.\r
 768         */\r
 769         class CV_EXPORTS BaseRowFilter_GPU\r
 770         {\r
 771         public:\r
 772             BaseRowFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 773             virtual ~BaseRowFilter_GPU() {}\r
 774             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 775             int ksize, anchor;\r
 776         };\r
 777 \r
 778         /*!\r
 779         The Base Class for Column-wise Filters\r
 780 \r
 781         This is the base class for linear or non-linear filters that process columns of 2D arrays.\r
 782         Such filters are used for the "vertical" filtering parts in separable filters.\r
 783         */\r
 784         class CV_EXPORTS BaseColumnFilter_GPU\r
 785         {\r
 786         public:\r
 787             BaseColumnFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 788             virtual ~BaseColumnFilter_GPU() {}\r
 789             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 790             int ksize, anchor;\r
 791         };\r
 792 \r
 793         /*!\r
 794         The Base Class for Non-Separable 2D Filters.\r
 795 \r
 796         This is the base class for linear or non-linear 2D filters.\r
 797         */\r
 798         class CV_EXPORTS BaseFilter_GPU\r
 799         {\r
 800         public:\r
 801             BaseFilter_GPU(const Size& ksize_, const Point& anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 802             virtual ~BaseFilter_GPU() {}\r
 803             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 804             Size ksize;\r
 805             Point anchor;\r
 806         };\r
 807 \r
 808         /*!\r
 809         The Base Class for Filter Engine.\r
 810 \r
 811         The class can be used to apply an arbitrary filtering operation to an image.\r
 812         It contains all the necessary intermediate buffers.\r
 813         */\r
 814         class CV_EXPORTS FilterEngine_GPU\r
 815         {\r
 816         public:\r
 817             virtual ~FilterEngine_GPU() {}\r
 818 \r
 819             virtual void apply(const GpuMat& src, GpuMat& dst, Rect roi = Rect(0,0,-1,-1)) = 0;\r
 820         };\r
 821 \r
 822         //! returns the non-separable filter engine with the specified filter\r
 823         CV_EXPORTS Ptr<FilterEngine_GPU> createFilter2D_GPU(const Ptr<BaseFilter_GPU>& filter2D, int srcType, int dstType);\r
 824 \r
 825         //! returns the separable filter engine with the specified filters\r
 826         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableFilter_GPU(const Ptr<BaseRowFilter_GPU>& rowFilter,\r
 827             const Ptr<BaseColumnFilter_GPU>& columnFilter, int srcType, int bufType, int dstType);\r
 828 \r
 829         //! returns horizontal 1D box filter\r
 830         //! supports only CV_8UC1 source type and CV_32FC1 sum type\r
 831         CV_EXPORTS Ptr<BaseRowFilter_GPU> getRowSumFilter_GPU(int srcType, int sumType, int ksize, int anchor = -1);\r
 832 \r
 833         //! returns vertical 1D box filter\r
 834         //! supports only CV_8UC1 sum type and CV_32FC1 dst type\r
 835         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getColumnSumFilter_GPU(int sumType, int dstType, int ksize, int anchor = -1);\r
 836 \r
 837         //! returns 2D box filter\r
 838         //! supports CV_8UC1 and CV_8UC4 source type, dst type must be the same as source type\r
 839         CV_EXPORTS Ptr<BaseFilter_GPU> getBoxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1, -1));\r
 840 \r
 841         //! returns box filter engine\r
 842         CV_EXPORTS Ptr<FilterEngine_GPU> createBoxFilter_GPU(int srcType, int dstType, const Size& ksize,\r
 843             const Point& anchor = Point(-1,-1));\r
 844 \r
 845         //! returns 2D morphological filter\r
 846         //! only MORPH_ERODE and MORPH_DILATE are supported\r
 847         //! supports CV_8UC1 and CV_8UC4 types\r
 848         //! kernel must have CV_8UC1 type, one rows and cols == ksize.width * ksize.height\r
 849         CV_EXPORTS Ptr<BaseFilter_GPU> getMorphologyFilter_GPU(int op, int type, const Mat& kernel, const Size& ksize,\r
 850             Point anchor=Point(-1,-1));\r
 851 \r
 852         //! returns morphological filter engine. Only MORPH_ERODE and MORPH_DILATE are supported.\r
 853         CV_EXPORTS Ptr<FilterEngine_GPU> createMorphologyFilter_GPU(int op, int type, const Mat& kernel,\r
 854             const Point& anchor = Point(-1,-1), int iterations = 1);\r
 855 \r
 856         //! returns 2D filter with the specified kernel\r
 857         //! supports CV_8UC1 and CV_8UC4 types\r
 858         CV_EXPORTS Ptr<BaseFilter_GPU> getLinearFilter_GPU(int srcType, int dstType, const Mat& kernel, const Size& ksize,\r
 859             Point anchor = Point(-1, -1));\r
 860 \r
 861         //! returns the non-separable linear filter engine\r
 862         CV_EXPORTS Ptr<FilterEngine_GPU> createLinearFilter_GPU(int srcType, int dstType, const Mat& kernel,\r
 863             const Point& anchor = Point(-1,-1));\r
 864 \r
 865         //! returns the primitive row filter with the specified kernel.\r
 866         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 source type.\r
 867         //! there are two version of algorithm: NPP and OpenCV.\r
 868         //! NPP calls when srcType == CV_8UC1 or srcType == CV_8UC4 and bufType == srcType,\r
 869         //! otherwise calls OpenCV version.\r
 870         //! NPP supports only BORDER_CONSTANT border type.\r
 871         //! OpenCV version supports only CV_32F as buffer depth and\r
 872         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 873         CV_EXPORTS Ptr<BaseRowFilter_GPU> getLinearRowFilter_GPU(int srcType, int bufType, const Mat& rowKernel,\r
 874             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 875 \r
 876         //! returns the primitive column filter with the specified kernel.\r
 877         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 dst type.\r
 878         //! there are two version of algorithm: NPP and OpenCV.\r
 879         //! NPP calls when dstType == CV_8UC1 or dstType == CV_8UC4 and bufType == dstType,\r
 880         //! otherwise calls OpenCV version.\r
 881         //! NPP supports only BORDER_CONSTANT border type.\r
 882         //! OpenCV version supports only CV_32F as buffer depth and\r
 883         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 884         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getLinearColumnFilter_GPU(int bufType, int dstType, const Mat& columnKernel,\r
 885             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 886 \r
 887         //! returns the separable linear filter engine\r
 888         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableLinearFilter_GPU(int srcType, int dstType, const Mat& rowKernel,\r
 889             const Mat& columnKernel, const Point& anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT,\r
 890             int columnBorderType = -1);\r
 891 \r
 892         //! returns filter engine for the generalized Sobel operator\r
 893         CV_EXPORTS Ptr<FilterEngine_GPU> createDerivFilter_GPU(int srcType, int dstType, int dx, int dy, int ksize,\r
 894             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 895 \r
 896         //! returns the Gaussian filter engine\r
 897         CV_EXPORTS Ptr<FilterEngine_GPU> createGaussianFilter_GPU(int type, Size ksize, double sigma1, double sigma2 = 0,\r
 898             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 899 \r
 900         //! returns maximum filter\r
 901         CV_EXPORTS Ptr<BaseFilter_GPU> getMaxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 902 \r
 903         //! returns minimum filter\r
 904         CV_EXPORTS Ptr<BaseFilter_GPU> getMinFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 905 \r
 906         //! smooths the image using the normalized box filter\r
 907         //! supports CV_8UC1, CV_8UC4 types\r
 908         CV_EXPORTS void boxFilter(const GpuMat& src, GpuMat& dst, int ddepth, Size ksize, Point anchor = Point(-1,-1));\r
 909 \r
 910         //! a synonym for normalized box filter\r
 911         static inline void blur(const GpuMat& src, GpuMat& dst, Size ksize, Point anchor = Point(-1,-1)) { boxFilter(src, dst, -1, ksize, anchor); }\r
 912 \r
 913         //! erodes the image (applies the local minimum operator)\r
 914         CV_EXPORTS void erode( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 915 \r
 916         //! dilates the image (applies the local maximum operator)\r
 917         CV_EXPORTS void dilate( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 918 \r
 919         //! applies an advanced morphological operation to the image\r
 920         CV_EXPORTS void morphologyEx( const GpuMat& src, GpuMat& dst, int op, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 921 \r
 922         //! applies non-separable 2D linear filter to the image\r
 923         CV_EXPORTS void filter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernel, Point anchor=Point(-1,-1));\r
 924 \r
 925         //! applies separable 2D linear filter to the image\r
 926         CV_EXPORTS void sepFilter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernelX, const Mat& kernelY,\r
 927             Point anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 928 \r
 929         //! applies generalized Sobel operator to the image\r
 930         CV_EXPORTS void Sobel(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, int ksize = 3, double scale = 1,\r
 931             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 932 \r
 933         //! applies the vertical or horizontal Scharr operator to the image\r
 934         CV_EXPORTS void Scharr(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, double scale = 1,\r
 935             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 936 \r
 937         //! smooths the image using Gaussian filter.\r
 938         CV_EXPORTS void GaussianBlur(const GpuMat& src, GpuMat& dst, Size ksize, double sigma1, double sigma2 = 0,\r
 939             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
 940 \r
 941         //! applies Laplacian operator to the image\r
 942         //! supports only ksize = 1 and ksize = 3\r
 943         CV_EXPORTS void Laplacian(const GpuMat& src, GpuMat& dst, int ddepth, int ksize = 1, double scale = 1);\r
 944 \r
 945         //////////////////////////////// Image Labeling ////////////////////////////////\r
 946 \r
 947         //!performs labeling via graph cuts\r
 948         CV_EXPORTS void graphcut(GpuMat& terminals, GpuMat& leftTransp, GpuMat& rightTransp, GpuMat& top, GpuMat& bottom, GpuMat& labels, GpuMat& buf);\r
 949 \r
 950         ////////////////////////////////// Histograms //////////////////////////////////\r
 951 \r
 952         //! Compute levels with even distribution. levels will have 1 row and nLevels cols and CV_32SC1 type.\r
 953         CV_EXPORTS void evenLevels(GpuMat& levels, int nLevels, int lowerLevel, int upperLevel);\r
 954         //! Calculates histogram with evenly distributed bins for signle channel source.\r
 955         //! Supports CV_8UC1, CV_16UC1 and CV_16SC1 source types.\r
 956         //! Output hist will have one row and histSize cols and CV_32SC1 type.\r
 957         CV_EXPORTS void histEven(const GpuMat& src, GpuMat& hist, int histSize, int lowerLevel, int upperLevel);\r
 958         //! Calculates histogram with evenly distributed bins for four-channel source.\r
 959         //! All channels of source are processed separately.\r
 960         //! Supports CV_8UC4, CV_16UC4 and CV_16SC4 source types.\r
 961         //! Output hist[i] will have one row and histSize[i] cols and CV_32SC1 type.\r
 962         CV_EXPORTS void histEven(const GpuMat& src, GpuMat hist[4], int histSize[4], int lowerLevel[4], int upperLevel[4]);\r
 963         //! Calculates histogram with bins determined by levels array.\r
 964         //! levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 965         //! Supports CV_8UC1, CV_16UC1, CV_16SC1 and CV_32FC1 source types.\r
 966         //! Output hist will have one row and (levels.cols-1) cols and CV_32SC1 type.\r
 967         CV_EXPORTS void histRange(const GpuMat& src, GpuMat& hist, const GpuMat& levels);\r
 968         //! Calculates histogram with bins determined by levels array.\r
 969         //! All levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 970         //! All channels of source are processed separately.\r
 971         //! Supports CV_8UC4, CV_16UC4, CV_16SC4 and CV_32FC4 source types.\r
 972         //! Output hist[i] will have one row and (levels[i].cols-1) cols and CV_32SC1 type.\r
 973         CV_EXPORTS void histRange(const GpuMat& src, GpuMat hist[4], const GpuMat levels[4]);\r
 974 \r
 975         //////////////////////////////// StereoBM_GPU ////////////////////////////////\r
 976 \r
 977         class CV_EXPORTS StereoBM_GPU\r
 978         {\r
 979         public:\r
 980             enum { BASIC_PRESET = 0, PREFILTER_XSOBEL = 1 };\r
 981 \r
 982             enum { DEFAULT_NDISP = 64, DEFAULT_WINSZ = 19 };\r
 983 \r
 984             //! the default constructor\r
 985             StereoBM_GPU();\r
 986             //! the full constructor taking the camera-specific preset, number of disparities and the SAD window size. ndisparities must be multiple of 8.\r
 987             StereoBM_GPU(int preset, int ndisparities = DEFAULT_NDISP, int winSize = DEFAULT_WINSZ);\r
 988 \r
 989             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair\r
 990             //! Output disparity has CV_8U type.\r
 991             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
 992 \r
 993             //! async version\r
 994             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity, const Stream & stream);\r
 995 \r
 996             //! Some heuristics that tries to estmate\r
 997             // if current GPU will be faster then CPU in this algorithm.\r
 998             // It queries current active device.\r
 999             static bool checkIfGpuCallReasonable();\r
1000 \r
1001             int preset;\r
1002             int ndisp;\r
1003             int winSize;\r
1004 \r
1005             // If avergeTexThreshold  == 0 => post procesing is disabled\r
1006             // If avergeTexThreshold != 0 then disparity is set 0 in each point (x,y) where for left image\r
1007             // SumOfHorizontalGradiensInWindow(x, y, winSize) < (winSize * winSize) * avergeTexThreshold\r
1008             // i.e. input left image is low textured.\r
1009             float avergeTexThreshold;\r
1010         private:\r
1011             GpuMat minSSD, leBuf, riBuf;\r
1012         };\r
1013 \r
1014         ////////////////////////// StereoBeliefPropagation ///////////////////////////\r
1015         // "Efficient Belief Propagation for Early Vision"\r
1016         // P.Felzenszwalb\r
1017 \r
1018         class CV_EXPORTS StereoBeliefPropagation\r
1019         {\r
1020         public:\r
1021             enum { DEFAULT_NDISP  = 64 };\r
1022             enum { DEFAULT_ITERS  = 5  };\r
1023             enum { DEFAULT_LEVELS = 5  };\r
1024 \r
1025             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels);\r
1026 \r
1027             //! the default constructor\r
1028             explicit StereoBeliefPropagation(int ndisp  = DEFAULT_NDISP,\r
1029                 int iters  = DEFAULT_ITERS,\r
1030                 int levels = DEFAULT_LEVELS,\r
1031                 int msg_type = CV_32F);\r
1032 \r
1033             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1034             //! number of levels, truncation of data cost, data weight,\r
1035             //! truncation of discontinuity cost and discontinuity single jump\r
1036             //! DataTerm = data_weight * min(fabs(I2-I1), max_data_term)\r
1037             //! DiscTerm = min(disc_single_jump * fabs(f1-f2), max_disc_term)\r
1038             //! please see paper for more details\r
1039             StereoBeliefPropagation(int ndisp, int iters, int levels,\r
1040                 float max_data_term, float data_weight,\r
1041                 float max_disc_term, float disc_single_jump,\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 \r
1052             //! version for user specified data term\r
1053             void operator()(const GpuMat& data, GpuMat& disparity);\r
1054             void operator()(const GpuMat& data, GpuMat& disparity, Stream& stream);\r
1055 \r
1056             int ndisp;\r
1057 \r
1058             int iters;\r
1059             int levels;\r
1060 \r
1061             float max_data_term;\r
1062             float data_weight;\r
1063             float max_disc_term;\r
1064             float disc_single_jump;\r
1065 \r
1066             int msg_type;\r
1067         private:\r
1068             GpuMat u, d, l, r, u2, d2, l2, r2;\r
1069             std::vector<GpuMat> datas;\r
1070             GpuMat out;\r
1071         };\r
1072 \r
1073         /////////////////////////// StereoConstantSpaceBP ///////////////////////////\r
1074         // "A Constant-Space Belief Propagation Algorithm for Stereo Matching"\r
1075         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1076         // http://vision.ai.uiuc.edu/~qyang6/\r
1077 \r
1078         class CV_EXPORTS StereoConstantSpaceBP\r
1079         {\r
1080         public:\r
1081             enum { DEFAULT_NDISP    = 128 };\r
1082             enum { DEFAULT_ITERS    = 8   };\r
1083             enum { DEFAULT_LEVELS   = 4   };\r
1084             enum { DEFAULT_NR_PLANE = 4   };\r
1085 \r
1086             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels, int& nr_plane);\r
1087 \r
1088             //! the default constructor\r
1089             explicit StereoConstantSpaceBP(int ndisp    = DEFAULT_NDISP,\r
1090                 int iters    = DEFAULT_ITERS,\r
1091                 int levels   = DEFAULT_LEVELS,\r
1092                 int nr_plane = DEFAULT_NR_PLANE,\r
1093                 int msg_type = CV_32F);\r
1094 \r
1095             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1096             //! number of levels, number of active disparity on the first level, truncation of data cost, data weight,\r
1097             //! truncation of discontinuity cost, discontinuity single jump and minimum disparity threshold\r
1098             StereoConstantSpaceBP(int ndisp, int iters, int levels, int nr_plane,\r
1099                 float max_data_term, float data_weight, float max_disc_term, float disc_single_jump,\r
1100                 int min_disp_th = 0,\r
1101                 int msg_type = CV_32F);\r
1102 \r
1103             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
1104             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
1105             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1106 \r
1107             //! async version\r
1108             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
1109 \r
1110             int ndisp;\r
1111 \r
1112             int iters;\r
1113             int levels;\r
1114 \r
1115             int nr_plane;\r
1116 \r
1117             float max_data_term;\r
1118             float data_weight;\r
1119             float max_disc_term;\r
1120             float disc_single_jump;\r
1121 \r
1122             int min_disp_th;\r
1123 \r
1124             int msg_type;\r
1125 \r
1126             bool use_local_init_data_cost;\r
1127         private:\r
1128             GpuMat u[2], d[2], l[2], r[2];\r
1129             GpuMat disp_selected_pyr[2];\r
1130 \r
1131             GpuMat data_cost;\r
1132             GpuMat data_cost_selected;\r
1133 \r
1134             GpuMat temp;\r
1135 \r
1136             GpuMat out;\r
1137         };\r
1138 \r
1139         /////////////////////////// DisparityBilateralFilter ///////////////////////////\r
1140         // Disparity map refinement using joint bilateral filtering given a single color image.\r
1141         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1142         // http://vision.ai.uiuc.edu/~qyang6/\r
1143 \r
1144         class CV_EXPORTS DisparityBilateralFilter\r
1145         {\r
1146         public:\r
1147             enum { DEFAULT_NDISP  = 64 };\r
1148             enum { DEFAULT_RADIUS = 3 };\r
1149             enum { DEFAULT_ITERS  = 1 };\r
1150 \r
1151             //! the default constructor\r
1152             explicit DisparityBilateralFilter(int ndisp = DEFAULT_NDISP, int radius = DEFAULT_RADIUS, int iters = DEFAULT_ITERS);\r
1153 \r
1154             //! the full constructor taking the number of disparities, filter radius,\r
1155             //! number of iterations, truncation of data continuity, truncation of disparity continuity\r
1156             //! and filter range sigma\r
1157             DisparityBilateralFilter(int ndisp, int radius, int iters, float edge_threshold, float max_disc_threshold, float sigma_range);\r
1158 \r
1159             //! the disparity map refinement operator. Refine disparity map using joint bilateral filtering given a single color image.\r
1160             //! disparity must have CV_8U or CV_16S type, image must have CV_8UC1 or CV_8UC3 type.\r
1161             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst);\r
1162 \r
1163             //! async version\r
1164             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst, Stream& stream);\r
1165 \r
1166         private:\r
1167             int ndisp;\r
1168             int radius;\r
1169             int iters;\r
1170 \r
1171             float edge_threshold;\r
1172             float max_disc_threshold;\r
1173             float sigma_range;\r
1174 \r
1175             GpuMat table_color;\r
1176             GpuMat table_space;\r
1177         };\r
1178 \r
1179 \r
1180         //////////////// HOG (Histogram-of-Oriented-Gradients) Descriptor and Object Detector //////////////\r
1181 \r
1182         struct CV_EXPORTS HOGDescriptor\r
1183         {\r
1184             enum { DEFAULT_WIN_SIGMA = -1 };\r
1185             enum { DEFAULT_NLEVELS = 64 };\r
1186             enum { DESCR_FORMAT_ROW_BY_ROW, DESCR_FORMAT_COL_BY_COL };\r
1187 \r
1188             HOGDescriptor(Size win_size=Size(64, 128), Size block_size=Size(16, 16),\r
1189                           Size block_stride=Size(8, 8), Size cell_size=Size(8, 8),\r
1190                           int nbins=9, double win_sigma=DEFAULT_WIN_SIGMA,\r
1191                           double threshold_L2hys=0.2, bool gamma_correction=true,\r
1192                           int nlevels=DEFAULT_NLEVELS);\r
1193 \r
1194             size_t getDescriptorSize() const;\r
1195             size_t getBlockHistogramSize() const;\r
1196 \r
1197             void setSVMDetector(const vector<float>& detector);\r
1198 \r
1199             static vector<float> getDefaultPeopleDetector();\r
1200             static vector<float> getPeopleDetector48x96();\r
1201             static vector<float> getPeopleDetector64x128();\r
1202 \r
1203             void detect(const GpuMat& img, vector<Point>& found_locations, \r
1204                         double hit_threshold=0, Size win_stride=Size(), \r
1205                         Size padding=Size());\r
1206 \r
1207             void detectMultiScale(const GpuMat& img, vector<Rect>& found_locations,\r
1208                                   double hit_threshold=0, Size win_stride=Size(), \r
1209                                   Size padding=Size(), double scale0=1.05, \r
1210                                   int group_threshold=2);\r
1211 \r
1212             void getDescriptors(const GpuMat& img, Size win_stride, \r
1213                                 GpuMat& descriptors,\r
1214                                 int descr_format=DESCR_FORMAT_COL_BY_COL);\r
1215 \r
1216             Size win_size;\r
1217             Size block_size;\r
1218             Size block_stride;\r
1219             Size cell_size;\r
1220             int nbins;\r
1221             double win_sigma;\r
1222             double threshold_L2hys;\r
1223             bool gamma_correction;\r
1224             int nlevels;\r
1225 \r
1226         protected:\r
1227             void computeBlockHistograms(const GpuMat& img);\r
1228             void computeGradient(const GpuMat& img, GpuMat& grad, GpuMat& qangle);\r
1229 \r
1230             double getWinSigma() const;\r
1231             bool checkDetectorSize() const;\r
1232 \r
1233             static int numPartsWithin(int size, int part_size, int stride);\r
1234             static Size numPartsWithin(Size size, Size part_size, Size stride);\r
1235 \r
1236             // Coefficients of the separating plane\r
1237             float free_coef;\r
1238             GpuMat detector;\r
1239 \r
1240             // Results of the last classification step\r
1241             GpuMat labels;\r
1242             Mat labels_host;\r
1243 \r
1244             // Results of the last histogram evaluation step\r
1245             GpuMat block_hists;\r
1246 \r
1247             // Gradients conputation results\r
1248             GpuMat grad, qangle;\r
1249         };\r
1250 \r
1251 \r
1252         ////////////////////////////////// BruteForceMatcher //////////////////////////////////\r
1253 \r
1254         class CV_EXPORTS BruteForceMatcher_GPU_base\r
1255         {\r
1256         public:\r
1257             enum DistType {L1Dist = 0, L2Dist};\r
1258 \r
1259             explicit BruteForceMatcher_GPU_base(DistType distType = L2Dist);\r
1260 \r
1261             // Add descriptors to train descriptor collection.\r
1262             void add(const std::vector<GpuMat>& descCollection);\r
1263 \r
1264             // Get train descriptors collection.\r
1265             const std::vector<GpuMat>& getTrainDescriptors() const;\r
1266 \r
1267             // Clear train descriptors collection.\r
1268             void clear();\r
1269 \r
1270             // Return true if there are not train descriptors in collection.\r
1271             bool empty() const;\r
1272 \r
1273             // Return true if the matcher supports mask in match methods.\r
1274             bool isMaskSupported() const;\r
1275 \r
1276             // Find one best match for each query descriptor.\r
1277             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1278             // distance.at<float>(0, queryIdx) will contain distance\r
1279             void matchSingle(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1280                 GpuMat& trainIdx, GpuMat& distance,\r
1281                 const GpuMat& mask = GpuMat());\r
1282 \r
1283             // Download trainIdx and distance to CPU vector with DMatch\r
1284             static void matchDownload(const GpuMat& trainIdx, const GpuMat& distance, std::vector<DMatch>& matches);\r
1285 \r
1286             // Find one best match for each query descriptor.\r
1287             void match(const GpuMat& queryDescs, const GpuMat& trainDescs, std::vector<DMatch>& matches,\r
1288                 const GpuMat& mask = GpuMat());\r
1289 \r
1290             // Make gpu collection of trains and masks in suitable format for matchCollection function\r
1291             void makeGpuCollection(GpuMat& trainCollection, GpuMat& maskCollection,\r
1292                 const vector<GpuMat>& masks = std::vector<GpuMat>());\r
1293 \r
1294             // Find one best match from train collection for each query descriptor.\r
1295             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1296             // imgIdx.at<int>(0, queryIdx) will contain best image index for queryIdx\r
1297             // distance.at<float>(0, queryIdx) will contain distance\r
1298             void matchCollection(const GpuMat& queryDescs, const GpuMat& trainCollection,\r
1299                 GpuMat& trainIdx, GpuMat& imgIdx, GpuMat& distance,\r
1300                 const GpuMat& maskCollection);\r
1301 \r
1302             // Download trainIdx, imgIdx and distance to CPU vector with DMatch\r
1303             static void matchDownload(const GpuMat& trainIdx, GpuMat& imgIdx, const GpuMat& distance,\r
1304                 std::vector<DMatch>& matches);\r
1305 \r
1306             // Find one best match from train collection for each query descriptor.\r
1307             void match(const GpuMat& queryDescs, std::vector<DMatch>& matches,\r
1308                 const std::vector<GpuMat>& masks = std::vector<GpuMat>());\r
1309 \r
1310             // Find k best matches for each query descriptor (in increasing order of distances).\r
1311             // trainIdx.at<int>(queryIdx, i) will contain index of i'th best trains (i < k).\r
1312             // distance.at<float>(queryIdx, i) will contain distance.\r
1313             // allDist is a buffer to store all distance between query descriptors and train descriptors\r
1314             // it have size (nQuery,nTrain) and CV_32F type\r
1315             // allDist.at<float>(queryIdx, trainIdx) will contain FLT_MAX, if trainIdx is one from k best,\r
1316             // otherwise it will contain distance between queryIdx and trainIdx descriptors\r
1317             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1318                 GpuMat& trainIdx, GpuMat& distance, GpuMat& allDist, int k, const GpuMat& mask = GpuMat());\r
1319 \r
1320             // Download trainIdx and distance to CPU vector with DMatch\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             static void knnMatchDownload(const GpuMat& trainIdx, const GpuMat& distance,\r
1325                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1326 \r
1327             // Find k best matches for each query descriptor (in increasing order of distances).\r
1328             // compactResult is used when mask is not empty. If compactResult is false matches\r
1329             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1330             // matches vector will not contain matches for fully masked out query descriptors.\r
1331             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1332                 std::vector< std::vector<DMatch> >& matches, int k, const GpuMat& mask = GpuMat(),\r
1333                 bool compactResult = false);\r
1334 \r
1335             // Find k best matches  for each query descriptor (in increasing order of distances).\r
1336             // compactResult is used when mask is not empty. If compactResult is false matches\r
1337             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1338             // matches vector will not contain matches for fully masked out query descriptors.\r
1339             void knnMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, int knn,\r
1340                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false );\r
1341 \r
1342             // Find best matches for each query descriptor which have distance less than maxDistance.\r
1343             // nMatches.at<unsigned int>(0, queruIdx) will contain matches count for queryIdx.\r
1344             // carefully nMatches can be greater than trainIdx.cols - it means that matcher didn't find all matches,\r
1345             // because it didn't have enough memory.\r
1346             // trainIdx.at<int>(queruIdx, i) will contain ith train index (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1347             // distance.at<int>(queruIdx, i) will contain ith distance (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1348             // If trainIdx is empty, then trainIdx and distance will be created with size nQuery x nTrain,\r
1349             // otherwize user can pass own allocated trainIdx and distance with size nQuery x nMaxMatches\r
1350             // Matches doesn't sorted.\r
1351             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1352                 GpuMat& trainIdx, GpuMat& nMatches, GpuMat& distance, float maxDistance,\r
1353                 const GpuMat& mask = GpuMat());\r
1354 \r
1355             // Download trainIdx, nMatches and distance to CPU vector with DMatch.\r
1356             // matches will be sorted in increasing order of distances.\r
1357             // compactResult is used when mask is not empty. If compactResult is false matches\r
1358             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1359             // matches vector will not contain matches for fully masked out query descriptors.\r
1360             static void radiusMatchDownload(const GpuMat& trainIdx, const GpuMat& nMatches, const GpuMat& distance,\r
1361                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1362 \r
1363             // Find best matches for each query descriptor which have distance less than maxDistance\r
1364             // in increasing order of distances).\r
1365             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1366                 std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1367                 const GpuMat& mask = GpuMat(), bool compactResult = false);\r
1368 \r
1369             // Find best matches from train collection for each query descriptor which have distance less than\r
1370             // maxDistance (in increasing order of distances).\r
1371             void radiusMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1372                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false);\r
1373 \r
1374         private:\r
1375             DistType distType;\r
1376 \r
1377             std::vector<GpuMat> trainDescCollection;\r
1378         };\r
1379 \r
1380         template <class Distance>\r
1381         class CV_EXPORTS BruteForceMatcher_GPU;\r
1382 \r
1383         template <typename T>\r
1384         class CV_EXPORTS BruteForceMatcher_GPU< L1<T> > : public BruteForceMatcher_GPU_base\r
1385         {\r
1386         public:\r
1387             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L1Dist) {}\r
1388             explicit BruteForceMatcher_GPU(L1<T> /*d*/) : BruteForceMatcher_GPU_base(L1Dist) {}\r
1389         };\r
1390         template <typename T>\r
1391         class CV_EXPORTS BruteForceMatcher_GPU< L2<T> > : public BruteForceMatcher_GPU_base\r
1392         {\r
1393         public:\r
1394             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L2Dist) {}\r
1395             explicit BruteForceMatcher_GPU(L2<T> /*d*/) : BruteForceMatcher_GPU_base(L2Dist) {}\r
1396         };\r
1397 \r
1398         ////////////////////////////////// CascadeClassifier_GPU //////////////////////////////////////////\r
1399         // The cascade classifier class for object detection.\r
1400         class CV_EXPORTS CascadeClassifier_GPU\r
1401         {\r
1402         public:            \r
1403             CascadeClassifier_GPU();\r
1404             CascadeClassifier_GPU(const string& filename);\r
1405             ~CascadeClassifier_GPU();\r
1406 \r
1407             bool empty() const;\r
1408             bool load(const string& filename);\r
1409             void release();\r
1410             \r
1411             /* returns number of detected objects */\r
1412             int detectMultiScale( const GpuMat& image, GpuMat& objectsBuf, double scaleFactor=1.2, int minNeighbors=4, Size minSize=Size());\r
1413                                     \r
1414             bool findLargestObject;\r
1415             bool visualizeInPlace;\r
1416 \r
1417             Size getClassifierSize() const;\r
1418         private:\r
1419             \r
1420             struct CascadeClassifierImpl;                        \r
1421             CascadeClassifierImpl* impl;            \r
1422         };\r
1423         \r
1424         ////////////////////////////////// SURF //////////////////////////////////////////\r
1425         \r
1426         struct CV_EXPORTS SURFParams_GPU \r
1427         {\r
1428             SURFParams_GPU() : threshold(0.1f), nOctaves(4), nIntervals(4), initialScale(2.f), \r
1429                 l1(3.f/1.5f), l2(5.f/1.5f), l3(3.f/1.5f), l4(1.f/1.5f),\r
1430                 edgeScale(0.81f), initialStep(1), extended(true), featuresRatio(0.01f) {}\r
1431 \r
1432             //! The interest operator threshold\r
1433             float threshold;\r
1434             //! The number of octaves to process\r
1435             int nOctaves;\r
1436             //! The number of intervals in each octave\r
1437             int nIntervals;\r
1438             //! The scale associated with the first interval of the first octave\r
1439             float initialScale;\r
1440 \r
1441             //! mask parameter l_1\r
1442             float l1;\r
1443             //! mask parameter l_2 \r
1444             float l2;\r
1445             //! mask parameter l_3\r
1446             float l3;\r
1447             //! mask parameter l_4\r
1448             float l4;\r
1449             //! The amount to scale the edge rejection mask\r
1450             float edgeScale;\r
1451             //! The initial sampling step in pixels.\r
1452             int initialStep;\r
1453 \r
1454             //! True, if generate 128-len descriptors, false - 64-len descriptors\r
1455             bool extended;\r
1456 \r
1457             //! max features = featuresRatio * img.size().srea()\r
1458             float featuresRatio;\r
1459         };\r
1460 \r
1461         class CV_EXPORTS SURF_GPU : public SURFParams_GPU\r
1462         {\r
1463         public:\r
1464             //! returns the descriptor size in float's (64 or 128)\r
1465             int descriptorSize() const;\r
1466 \r
1467             //! upload host keypoints to device memory\r
1468             static void uploadKeypoints(const vector<KeyPoint>& keypoints, GpuMat& keypointsGPU);\r
1469             //! download keypoints from device to host memory\r
1470             static void downloadKeypoints(const GpuMat& keypointsGPU, vector<KeyPoint>& keypoints);\r
1471 \r
1472             //! download descriptors from device to host memory\r
1473             static void downloadDescriptors(const GpuMat& descriptorsGPU, vector<float>& descriptors);\r
1474             \r
1475             //! finds the keypoints using fast hessian detector used in SURF\r
1476             //! supports CV_8UC1 images\r
1477             //! keypoints will have 1 row and type CV_32FC(6)\r
1478             //! keypoints.at<float[6]>(1, i) contains i'th keypoint\r
1479             //! format: (x, y, size, response, angle, octave)\r
1480             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints);\r
1481             //! finds the keypoints and computes their descriptors. \r
1482             //! Optionally it can compute descriptors for the user-provided keypoints and recompute keypoints direction\r
1483             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints, GpuMat& descriptors, \r
1484                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1485         \r
1486             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints);\r
1487             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, GpuMat& descriptors, \r
1488                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1489             \r
1490             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, std::vector<float>& descriptors, \r
1491                 bool useProvidedKeypoints = false, bool calcOrientation = true);\r
1492 \r
1493             GpuMat sum;\r
1494             GpuMat sumf;\r
1495 \r
1496             GpuMat mask1;\r
1497             GpuMat maskSum;\r
1498 \r
1499             GpuMat hessianBuffer;\r
1500             GpuMat maxPosBuffer;\r
1501             GpuMat featuresBuffer;\r
1502         };\r
1503 \r
1504     }\r
1505 \r
1506     //! Speckle filtering - filters small connected components on diparity image.\r
1507     //! It sets pixel (x,y) to newVal if it coresponds to small CC with size < maxSpeckleSize.\r
1508     //! Threshold for border between CC is diffThreshold;\r
1509     CV_EXPORTS void filterSpeckles( Mat& img, uchar newVal, int maxSpeckleSize, uchar diffThreshold, Mat& buf);\r
1510 \r
1511 }\r
1512 #include "opencv2/gpu/matrix_operations.hpp"\r
1513 \r
1514 #endif /* __OPENCV_GPU_HPP__ */\r