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         ////////////////////////////// Arithmetics ///////////////////////////////////\r
 364 \r
 365         //! adds one matrix to another (c = a + b)\r
 366         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 367         CV_EXPORTS void add(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 368         //! adds scalar to a matrix (c = a + s)\r
 369         //! supports CV_32FC1 and CV_32FC2 type\r
 370         CV_EXPORTS void add(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 371         //! subtracts one matrix from another (c = a - b)\r
 372         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 373         CV_EXPORTS void subtract(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 374         //! subtracts scalar from a matrix (c = a - s)\r
 375         //! supports CV_32FC1 and CV_32FC2 type\r
 376         CV_EXPORTS void subtract(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 377         //! computes element-wise product of the two arrays (c = a * b)\r
 378         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 379         CV_EXPORTS void multiply(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 380         //! multiplies matrix to a scalar (c = a * s)\r
 381         //! supports CV_32FC1 and CV_32FC2 type\r
 382         CV_EXPORTS void multiply(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 383         //! computes element-wise quotient of the two arrays (c = a / b)\r
 384         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 385         CV_EXPORTS void divide(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 386         //! computes element-wise quotient of matrix and scalar (c = a / s)\r
 387         //! supports CV_32FC1 and CV_32FC2 type\r
 388         CV_EXPORTS void divide(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 389 \r
 390         //! transposes the matrix\r
 391         //! supports only CV_8UC1 type\r
 392         CV_EXPORTS void transpose(const GpuMat& src1, GpuMat& dst);\r
 393 \r
 394         //! computes element-wise absolute difference of two arrays (c = abs(a - b))\r
 395         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 396         CV_EXPORTS void absdiff(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 397         //! computes element-wise absolute difference of array and scalar (c = abs(a - s))\r
 398         //! supports only CV_32FC1 type\r
 399         CV_EXPORTS void absdiff(const GpuMat& a, const Scalar& s, GpuMat& c);\r
 400 \r
 401         //! compares elements of two arrays (c = a <cmpop> b)\r
 402         //! supports CV_8UC4, CV_32FC1 types\r
 403         CV_EXPORTS void compare(const GpuMat& a, const GpuMat& b, GpuMat& c, int cmpop);\r
 404 \r
 405         //! computes mean value and standard deviation of all or selected array elements\r
 406         //! supports only CV_8UC1 type\r
 407         CV_EXPORTS void meanStdDev(const GpuMat& mtx, Scalar& mean, Scalar& stddev);\r
 408 \r
 409         //! computes norm of array\r
 410         //! supports NORM_INF, NORM_L1, NORM_L2\r
 411         //! supports only CV_8UC1 type\r
 412         CV_EXPORTS double norm(const GpuMat& src1, int normType=NORM_L2);\r
 413 \r
 414         //! computes norm of the difference between two arrays\r
 415         //! supports NORM_INF, NORM_L1, NORM_L2\r
 416         //! supports only CV_8UC1 type\r
 417         CV_EXPORTS double norm(const GpuMat& src1, const GpuMat& src2, int normType=NORM_L2);\r
 418 \r
 419         //! reverses the order of the rows, columns or both in a matrix\r
 420         //! supports CV_8UC1, CV_8UC4 types\r
 421         CV_EXPORTS void flip(const GpuMat& a, GpuMat& b, int flipCode);\r
 422 \r
 423         //! computes sum of array elements\r
 424         //! supports CV_8UC1, CV_8UC4 types\r
 425         //! disabled until fix crash\r
 426         CV_EXPORTS Scalar sum(const GpuMat& m);\r
 427 \r
 428         //! finds global minimum and maximum array elements and returns their values\r
 429         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal=0, const GpuMat& mask=GpuMat());\r
 430 \r
 431         //! finds global minimum and maximum array elements and returns their values\r
 432         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal, const GpuMat& mask, GpuMat& buf);\r
 433 \r
 434         //! finds global minimum and maximum array elements and returns their values with locations\r
 435         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, \r
 436                                   const GpuMat& mask=GpuMat());\r
 437 \r
 438         //! finds global minimum and maximum array elements and returns their values with locations\r
 439         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal, Point* minLoc, Point* maxLoc, \r
 440                                   const GpuMat& mask, GpuMat& valbuf, GpuMat& locbuf);\r
 441 \r
 442         //! counts non-zero array elements\r
 443         CV_EXPORTS int countNonZero(const GpuMat& src);\r
 444 \r
 445         //! counts non-zero array elements\r
 446         CV_EXPORTS int countNonZero(const GpuMat& src, GpuMat& buf);\r
 447 \r
 448         //! transforms 8-bit unsigned integers using lookup table: dst(i)=lut(src(i))\r
 449         //! destination array will have the depth type as lut and the same channels number as source\r
 450         //! supports CV_8UC1, CV_8UC3 types\r
 451         CV_EXPORTS void LUT(const GpuMat& src, const Mat& lut, GpuMat& dst);\r
 452 \r
 453         //! makes multi-channel array out of several single-channel arrays\r
 454         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst);\r
 455 \r
 456         //! makes multi-channel array out of several single-channel arrays\r
 457         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst);\r
 458 \r
 459         //! makes multi-channel array out of several single-channel arrays (async version)\r
 460         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst, const Stream& stream);\r
 461 \r
 462         //! makes multi-channel array out of several single-channel arrays (async version)\r
 463         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst, const Stream& stream);\r
 464 \r
 465         //! copies each plane of a multi-channel array to a dedicated array\r
 466         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst);\r
 467 \r
 468         //! copies each plane of a multi-channel array to a dedicated array\r
 469         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst);\r
 470 \r
 471         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 472         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst, const Stream& stream);\r
 473 \r
 474         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 475         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst, const Stream& stream);\r
 476 \r
 477         //! computes exponent of each matrix element (b = e**a)\r
 478         //! supports only CV_32FC1 type\r
 479         CV_EXPORTS void exp(const GpuMat& a, GpuMat& b);\r
 480 \r
 481         //! computes natural logarithm of absolute value of each matrix element: b = log(abs(a))\r
 482         //! supports only CV_32FC1 type\r
 483         CV_EXPORTS void log(const GpuMat& a, GpuMat& b);\r
 484 \r
 485         //! computes magnitude of complex (x(i).re, x(i).im) vector\r
 486         //! supports only CV_32FC2 type\r
 487         CV_EXPORTS void magnitude(const GpuMat& x, GpuMat& magnitude);\r
 488 \r
 489         //! computes squared magnitude of complex (x(i).re, x(i).im) vector\r
 490         //! supports only CV_32FC2 type\r
 491         CV_EXPORTS void magnitudeSqr(const GpuMat& x, GpuMat& magnitude);\r
 492 \r
 493         //! computes magnitude of each (x(i), y(i)) vector\r
 494         //! supports only floating-point source\r
 495         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 496         //! async version\r
 497         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 498 \r
 499         //! computes squared magnitude of each (x(i), y(i)) vector\r
 500         //! supports only floating-point source\r
 501         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 502         //! async version\r
 503         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 504 \r
 505         //! computes angle (angle(i)) of each (x(i), y(i)) vector\r
 506         //! supports only floating-point source\r
 507         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees = false);\r
 508         //! async version\r
 509         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 510 \r
 511         //! converts Cartesian coordinates to polar\r
 512         //! supports only floating-point source\r
 513         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees = false);\r
 514         //! async version\r
 515         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 516 \r
 517         //! converts polar coordinates to Cartesian\r
 518         //! supports only floating-point source\r
 519         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees = false);\r
 520         //! async version\r
 521         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees, const Stream& stream);\r
 522 \r
 523 \r
 524         //! perfroms per-elements bit-wise inversion \r
 525         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 526         //! async version\r
 527         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 528 \r
 529         //! calculates per-element bit-wise disjunction of two arrays\r
 530         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 531         //! async version\r
 532         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 533 \r
 534         //! calculates per-element bit-wise conjunction of two arrays\r
 535         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 536         //! async version\r
 537         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 538 \r
 539         //! calculates per-element bit-wise "exclusive or" operation\r
 540         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 541         //! async version\r
 542         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 543 \r
 544         //! Logical operators\r
 545         CV_EXPORTS GpuMat operator ~ (const GpuMat& src);\r
 546         CV_EXPORTS GpuMat operator | (const GpuMat& src1, const GpuMat& src2);\r
 547         CV_EXPORTS GpuMat operator & (const GpuMat& src1, const GpuMat& src2);\r
 548         CV_EXPORTS GpuMat operator ^ (const GpuMat& src1, const GpuMat& src2);\r
 549 \r
 550         //! computes per-element minimum of two arrays (dst = min(src1, src2))\r
 551         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 552         //! Async version\r
 553         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 554 \r
 555         //! computes per-element minimum of array and scalar (dst = min(src1, src2))\r
 556         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst);\r
 557         //! Async version\r
 558         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 559 \r
 560         //! computes per-element maximum of two arrays (dst = max(src1, src2))\r
 561         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 562         //! Async version\r
 563         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 564 \r
 565         //! computes per-element maximum of array and scalar (dst = max(src1, src2))\r
 566         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst);\r
 567         //! Async version\r
 568         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 569 \r
 570 \r
 571         ////////////////////////////// Image processing //////////////////////////////\r
 572 \r
 573         //! DST[x,y] = SRC[xmap[x,y],ymap[x,y]] with bilinear interpolation.\r
 574         //! supports CV_8UC1, CV_8UC3 source types and CV_32FC1 map type\r
 575         CV_EXPORTS void remap(const GpuMat& src, GpuMat& dst, const GpuMat& xmap, const GpuMat& ymap);\r
 576 \r
 577         //! Does mean shift filtering on GPU.\r
 578         CV_EXPORTS void meanShiftFiltering(const GpuMat& src, GpuMat& dst, int sp, int sr, \r
 579             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 580 \r
 581         //! Does mean shift procedure on GPU.\r
 582         CV_EXPORTS void meanShiftProc(const GpuMat& src, GpuMat& dstr, GpuMat& dstsp, int sp, int sr, \r
 583             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 584 \r
 585         //! Does mean shift segmentation with elimiation of small regions.\r
 586         CV_EXPORTS void meanShiftSegmentation(const GpuMat& src, Mat& dst, int sp, int sr, int minsize,\r
 587             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 588 \r
 589         //! Does coloring of disparity image: [0..ndisp) -> [0..240, 1, 1] in HSV.\r
 590         //! Supported types of input disparity: CV_8U, CV_16S.\r
 591         //! Output disparity has CV_8UC4 type in BGRA format (alpha = 255).\r
 592         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp);\r
 593         //! async version\r
 594         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp, const Stream& stream);\r
 595 \r
 596         //! Reprojects disparity image to 3D space. \r
 597         //! Supports CV_8U and CV_16S types of input disparity.\r
 598         //! The output is a 4-channel floating-point (CV_32FC4) matrix. \r
 599         //! Each element of this matrix will contain the 3D coordinates of the point (x,y,z,1), computed from the disparity map.\r
 600         //! Q is the 4x4 perspective transformation matrix that can be obtained with cvStereoRectify.\r
 601         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q);\r
 602         //! async version\r
 603         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q, const Stream& stream);\r
 604 \r
 605         //! converts image from one color space to another\r
 606         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn = 0);\r
 607         //! async version\r
 608         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn, const Stream& stream);\r
 609 \r
 610         //! applies fixed threshold to the image. \r
 611         //! Now supports only THRESH_TRUNC threshold type and one channels float source.\r
 612         CV_EXPORTS double threshold(const GpuMat& src, GpuMat& dst, double thresh);\r
 613 \r
 614         //! resizes the image\r
 615         //! Supports INTER_NEAREST, INTER_LINEAR\r
 616         //! supports CV_8UC1, CV_8UC4 types\r
 617         CV_EXPORTS void resize(const GpuMat& src, GpuMat& dst, Size dsize, double fx=0, double fy=0, int interpolation = INTER_LINEAR);\r
 618 \r
 619         //! warps the image using affine transformation\r
 620         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 621         CV_EXPORTS void warpAffine(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 622 \r
 623         //! warps the image using perspective transformation\r
 624         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 625         CV_EXPORTS void warpPerspective(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 626 \r
 627         //! rotate 8bit single or four channel image\r
 628         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 629         //! supports CV_8UC1, CV_8UC4 types\r
 630         CV_EXPORTS void rotate(const GpuMat& src, GpuMat& dst, Size dsize, double angle, double xShift = 0, double yShift = 0, int interpolation = INTER_LINEAR);\r
 631 \r
 632         //! copies 2D array to a larger destination array and pads borders with user-specifiable constant\r
 633         //! supports CV_8UC1, CV_8UC4, CV_32SC1 types\r
 634         CV_EXPORTS void copyMakeBorder(const GpuMat& src, GpuMat& dst, int top, int bottom, int left, int right, const Scalar& value = Scalar());\r
 635 \r
 636         //! computes the integral image and integral for the squared image\r
 637         //! sum will have CV_32S type, sqsum - CV32F type\r
 638         //! supports only CV_8UC1 source type\r
 639         CV_EXPORTS void integral(GpuMat& src, GpuMat& sum, GpuMat& sqsum);\r
 640 \r
 641         //! computes the standard deviation of integral images\r
 642         //! supports only CV_32SC1 source type and CV_32FC1 sqr type\r
 643         //! output will have CV_32FC1 type\r
 644         CV_EXPORTS void rectStdDev(const GpuMat& src, const GpuMat& sqr, GpuMat& dst, const Rect& rect);\r
 645 \r
 646         //! applies Canny edge detector and produces the edge map\r
 647         //! supprots only CV_8UC1 source type\r
 648         //! disabled until fix crash\r
 649         CV_EXPORTS void Canny(const GpuMat& image, GpuMat& edges, double threshold1, double threshold2, int apertureSize = 3);\r
 650 \r
 651         //! computes Harris cornerness criteria at each image pixel \r
 652         CV_EXPORTS void cornerHarris(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, double k, int borderType=BORDER_REFLECT101);\r
 653 \r
 654 \r
 655         //! computes minimum eigen value of 2x2 derivative covariation matrix at each pixel - the cornerness criteria\r
 656         CV_EXPORTS void cornerMinEigenVal(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, int borderType=BORDER_REFLECT101);\r
 657 \r
 658 \r
 659         //////////////////////////////// Filter Engine ////////////////////////////////\r
 660 \r
 661         /*!\r
 662         The Base Class for 1D or Row-wise Filters\r
 663 \r
 664         This is the base class for linear or non-linear filters that process 1D data.\r
 665         In particular, such filters are used for the "horizontal" filtering parts in separable filters.\r
 666         */\r
 667         class CV_EXPORTS BaseRowFilter_GPU\r
 668         {\r
 669         public:\r
 670             BaseRowFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 671             virtual ~BaseRowFilter_GPU() {}\r
 672             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 673             int ksize, anchor;\r
 674         };\r
 675 \r
 676         /*!\r
 677         The Base Class for Column-wise Filters\r
 678 \r
 679         This is the base class for linear or non-linear filters that process columns of 2D arrays.\r
 680         Such filters are used for the "vertical" filtering parts in separable filters.\r
 681         */ \r
 682         class CV_EXPORTS BaseColumnFilter_GPU\r
 683         {\r
 684         public:\r
 685             BaseColumnFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 686             virtual ~BaseColumnFilter_GPU() {}\r
 687             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 688             int ksize, anchor;\r
 689         };\r
 690 \r
 691         /*!\r
 692         The Base Class for Non-Separable 2D Filters.\r
 693 \r
 694         This is the base class for linear or non-linear 2D filters.\r
 695         */ \r
 696         class CV_EXPORTS BaseFilter_GPU\r
 697         {\r
 698         public:\r
 699             BaseFilter_GPU(const Size& ksize_, const Point& anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 700             virtual ~BaseFilter_GPU() {}\r
 701             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 702             Size ksize;\r
 703             Point anchor;\r
 704         };\r
 705 \r
 706         /*!\r
 707         The Base Class for Filter Engine.\r
 708 \r
 709         The class can be used to apply an arbitrary filtering operation to an image.\r
 710         It contains all the necessary intermediate buffers.\r
 711         */\r
 712         class CV_EXPORTS FilterEngine_GPU\r
 713         {\r
 714         public:\r
 715             virtual ~FilterEngine_GPU() {}\r
 716 \r
 717             virtual void apply(const GpuMat& src, GpuMat& dst, Rect roi = Rect(0,0,-1,-1)) = 0;\r
 718         };\r
 719 \r
 720         //! returns the non-separable filter engine with the specified filter\r
 721         CV_EXPORTS Ptr<FilterEngine_GPU> createFilter2D_GPU(const Ptr<BaseFilter_GPU> filter2D);\r
 722 \r
 723         //! returns the separable filter engine with the specified filters\r
 724         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableFilter_GPU(const Ptr<BaseRowFilter_GPU>& rowFilter, \r
 725             const Ptr<BaseColumnFilter_GPU>& columnFilter);\r
 726 \r
 727         //! returns horizontal 1D box filter\r
 728         //! supports only CV_8UC1 source type and CV_32FC1 sum type\r
 729         CV_EXPORTS Ptr<BaseRowFilter_GPU> getRowSumFilter_GPU(int srcType, int sumType, int ksize, int anchor = -1);\r
 730 \r
 731         //! returns vertical 1D box filter\r
 732         //! supports only CV_8UC1 sum type and CV_32FC1 dst type\r
 733         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getColumnSumFilter_GPU(int sumType, int dstType, int ksize, int anchor = -1);\r
 734 \r
 735         //! returns 2D box filter\r
 736         //! supports CV_8UC1 and CV_8UC4 source type, dst type must be the same as source type\r
 737         CV_EXPORTS Ptr<BaseFilter_GPU> getBoxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1, -1));\r
 738 \r
 739         //! returns box filter engine\r
 740         CV_EXPORTS Ptr<FilterEngine_GPU> createBoxFilter_GPU(int srcType, int dstType, const Size& ksize, \r
 741             const Point& anchor = Point(-1,-1));\r
 742 \r
 743         //! returns 2D morphological filter\r
 744         //! only MORPH_ERODE and MORPH_DILATE are supported\r
 745         //! supports CV_8UC1 and CV_8UC4 types\r
 746         //! kernel must have CV_8UC1 type, one rows and cols == ksize.width * ksize.height\r
 747         CV_EXPORTS Ptr<BaseFilter_GPU> getMorphologyFilter_GPU(int op, int type, const Mat& kernel, const Size& ksize, \r
 748             Point anchor=Point(-1,-1));\r
 749 \r
 750         //! returns morphological filter engine. Only MORPH_ERODE and MORPH_DILATE are supported.\r
 751         CV_EXPORTS Ptr<FilterEngine_GPU> createMorphologyFilter_GPU(int op, int type, const Mat& kernel, \r
 752             const Point& anchor = Point(-1,-1), int iterations = 1);\r
 753 \r
 754         //! returns 2D filter with the specified kernel\r
 755         //! supports CV_8UC1 and CV_8UC4 types\r
 756         CV_EXPORTS Ptr<BaseFilter_GPU> getLinearFilter_GPU(int srcType, int dstType, const Mat& kernel, const Size& ksize, \r
 757             Point anchor = Point(-1, -1));\r
 758 \r
 759         //! returns the non-separable linear filter engine\r
 760         CV_EXPORTS Ptr<FilterEngine_GPU> createLinearFilter_GPU(int srcType, int dstType, const Mat& kernel, \r
 761             const Point& anchor = Point(-1,-1));\r
 762 \r
 763         //! returns the primitive row filter with the specified kernel\r
 764         CV_EXPORTS Ptr<BaseRowFilter_GPU> getLinearRowFilter_GPU(int srcType, int bufType, const Mat& rowKernel, \r
 765             int anchor = -1);\r
 766 \r
 767         //! returns the primitive column filter with the specified kernel\r
 768         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getLinearColumnFilter_GPU(int bufType, int dstType, const Mat& columnKernel, \r
 769             int anchor = -1);\r
 770 \r
 771         //! returns the separable linear filter engine\r
 772         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableLinearFilter_GPU(int srcType, int dstType, const Mat& rowKernel, \r
 773             const Mat& columnKernel, const Point& anchor = Point(-1,-1));\r
 774 \r
 775         //! returns filter engine for the generalized Sobel operator\r
 776         CV_EXPORTS Ptr<FilterEngine_GPU> createDerivFilter_GPU(int srcType, int dstType, int dx, int dy, int ksize);\r
 777 \r
 778         //! returns the Gaussian filter engine\r
 779         CV_EXPORTS Ptr<FilterEngine_GPU> createGaussianFilter_GPU(int type, Size ksize, double sigma1, double sigma2 = 0);\r
 780 \r
 781         //! returns maximum filter\r
 782         CV_EXPORTS Ptr<BaseFilter_GPU> getMaxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 783 \r
 784         //! returns minimum filter\r
 785         CV_EXPORTS Ptr<BaseFilter_GPU> getMinFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
 786 \r
 787         //! smooths the image using the normalized box filter\r
 788         //! supports CV_8UC1, CV_8UC4 types\r
 789         CV_EXPORTS void boxFilter(const GpuMat& src, GpuMat& dst, int ddepth, Size ksize, Point anchor = Point(-1,-1));\r
 790 \r
 791         //! a synonym for normalized box filter\r
 792         static inline void blur(const GpuMat& src, GpuMat& dst, Size ksize, Point anchor = Point(-1,-1)) { boxFilter(src, dst, -1, ksize, anchor); }\r
 793 \r
 794         //! erodes the image (applies the local minimum operator)\r
 795         CV_EXPORTS void erode( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 796 \r
 797         //! dilates the image (applies the local maximum operator)\r
 798         CV_EXPORTS void dilate( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 799 \r
 800         //! applies an advanced morphological operation to the image\r
 801         CV_EXPORTS void morphologyEx( const GpuMat& src, GpuMat& dst, int op, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
 802 \r
 803         //! applies non-separable 2D linear filter to the image\r
 804         CV_EXPORTS void filter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernel, Point anchor=Point(-1,-1));\r
 805 \r
 806         //! applies separable 2D linear filter to the image\r
 807         CV_EXPORTS void sepFilter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernelX, const Mat& kernelY, \r
 808             Point anchor = Point(-1,-1));\r
 809 \r
 810         //! applies generalized Sobel operator to the image\r
 811         CV_EXPORTS void Sobel(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, int ksize = 3, double scale = 1);\r
 812 \r
 813         //! applies the vertical or horizontal Scharr operator to the image\r
 814         CV_EXPORTS void Scharr(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, double scale = 1);\r
 815 \r
 816         //! smooths the image using Gaussian filter.\r
 817         CV_EXPORTS void GaussianBlur(const GpuMat& src, GpuMat& dst, Size ksize, double sigma1, double sigma2 = 0);\r
 818 \r
 819         //! applies Laplacian operator to the image\r
 820         //! supports only ksize = 1 and ksize = 3\r
 821         CV_EXPORTS void Laplacian(const GpuMat& src, GpuMat& dst, int ddepth, int ksize = 1, double scale = 1);\r
 822 \r
 823         //////////////////////////////// Image Labeling ////////////////////////////////\r
 824 \r
 825         //!performs labeling via graph cuts\r
 826         CV_EXPORTS void graphcut(GpuMat& terminals, GpuMat& leftTransp, GpuMat& rightTransp, GpuMat& top, GpuMat& bottom, GpuMat& labels, GpuMat& buf);\r
 827 \r
 828         ////////////////////////////////// Histograms //////////////////////////////////\r
 829 \r
 830         //! Compute levels with even distribution. levels will have 1 row and nLevels cols and CV_32SC1 type.\r
 831         CV_EXPORTS void evenLevels(GpuMat& levels, int nLevels, int lowerLevel, int upperLevel);\r
 832         //! Calculates histogram with evenly distributed bins for signle channel source.\r
 833         //! Supports CV_8UC1, CV_16UC1 and CV_16SC1 source types.\r
 834         //! Output hist will have one row and histSize cols and CV_32SC1 type.\r
 835         CV_EXPORTS void histEven(const GpuMat& src, GpuMat& hist, int histSize, int lowerLevel, int upperLevel);\r
 836         //! Calculates histogram with evenly distributed bins for four-channel source.\r
 837         //! All channels of source are processed separately.\r
 838         //! Supports CV_8UC4, CV_16UC4 and CV_16SC4 source types.\r
 839         //! Output hist[i] will have one row and histSize[i] cols and CV_32SC1 type.\r
 840         CV_EXPORTS void histEven(const GpuMat& src, GpuMat hist[4], int histSize[4], int lowerLevel[4], int upperLevel[4]);\r
 841         //! Calculates histogram with bins determined by levels array.\r
 842         //! levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 843         //! Supports CV_8UC1, CV_16UC1, CV_16SC1 and CV_32FC1 source types.\r
 844         //! Output hist will have one row and (levels.cols-1) cols and CV_32SC1 type.\r
 845         CV_EXPORTS void histRange(const GpuMat& src, GpuMat& hist, const GpuMat& levels);\r
 846         //! Calculates histogram with bins determined by levels array.\r
 847         //! All levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
 848         //! All channels of source are processed separately.\r
 849         //! Supports CV_8UC4, CV_16UC4, CV_16SC4 and CV_32FC4 source types.\r
 850         //! Output hist[i] will have one row and (levels[i].cols-1) cols and CV_32SC1 type.\r
 851         CV_EXPORTS void histRange(const GpuMat& src, GpuMat hist[4], const GpuMat levels[4]);\r
 852 \r
 853         //////////////////////////////// StereoBM_GPU ////////////////////////////////\r
 854 \r
 855         class CV_EXPORTS StereoBM_GPU\r
 856         {\r
 857         public:                                    \r
 858             enum { BASIC_PRESET = 0, PREFILTER_XSOBEL = 1 };\r
 859 \r
 860             enum { DEFAULT_NDISP = 64, DEFAULT_WINSZ = 19 };\r
 861 \r
 862             //! the default constructor\r
 863             StereoBM_GPU();\r
 864             //! the full constructor taking the camera-specific preset, number of disparities and the SAD window size. ndisparities must be multiple of 8.\r
 865             StereoBM_GPU(int preset, int ndisparities = DEFAULT_NDISP, int winSize = DEFAULT_WINSZ);\r
 866 \r
 867             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair\r
 868             //! Output disparity has CV_8U type.\r
 869             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
 870 \r
 871             //! async version\r
 872             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity, const Stream & stream);\r
 873 \r
 874             //! Some heuristics that tries to estmate\r
 875             // if current GPU will be faster then CPU in this algorithm.\r
 876             // It queries current active device.\r
 877             static bool checkIfGpuCallReasonable();\r
 878 \r
 879             int preset;\r
 880             int ndisp;\r
 881             int winSize;\r
 882 \r
 883             // If avergeTexThreshold  == 0 => post procesing is disabled\r
 884             // If avergeTexThreshold != 0 then disparity is set 0 in each point (x,y) where for left image\r
 885             // SumOfHorizontalGradiensInWindow(x, y, winSize) < (winSize * winSize) * avergeTexThreshold\r
 886             // i.e. input left image is low textured.\r
 887             float avergeTexThreshold;\r
 888         private:\r
 889             GpuMat minSSD, leBuf, riBuf;\r
 890         };\r
 891 \r
 892         ////////////////////////// StereoBeliefPropagation ///////////////////////////\r
 893         // "Efficient Belief Propagation for Early Vision"\r
 894         // P.Felzenszwalb\r
 895 \r
 896         class CV_EXPORTS StereoBeliefPropagation\r
 897         {\r
 898         public:\r
 899             enum { DEFAULT_NDISP  = 64 };\r
 900             enum { DEFAULT_ITERS  = 5  };\r
 901             enum { DEFAULT_LEVELS = 5  };\r
 902 \r
 903             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels);\r
 904 \r
 905             //! the default constructor\r
 906             explicit StereoBeliefPropagation(int ndisp  = DEFAULT_NDISP,\r
 907                 int iters  = DEFAULT_ITERS,\r
 908                 int levels = DEFAULT_LEVELS,\r
 909                 int msg_type = CV_32F);\r
 910 \r
 911             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
 912             //! number of levels, truncation of data cost, data weight,\r
 913             //! truncation of discontinuity cost and discontinuity single jump            \r
 914             //! DataTerm = data_weight * min(fabs(I2-I1), max_data_term)\r
 915             //! DiscTerm = min(disc_single_jump * fabs(f1-f2), max_disc_term)\r
 916             //! please see paper for more details\r
 917             StereoBeliefPropagation(int ndisp, int iters, int levels,\r
 918                 float max_data_term, float data_weight,\r
 919                 float max_disc_term, float disc_single_jump,\r
 920                 int msg_type = CV_32F);\r
 921 \r
 922             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
 923             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
 924             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
 925 \r
 926             //! async version\r
 927             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
 928 \r
 929 \r
 930             //! version for user specified data term\r
 931             void operator()(const GpuMat& data, GpuMat& disparity);\r
 932             void operator()(const GpuMat& data, GpuMat& disparity, Stream& stream);\r
 933 \r
 934             int ndisp;\r
 935 \r
 936             int iters;\r
 937             int levels;\r
 938 \r
 939             float max_data_term;\r
 940             float data_weight;\r
 941             float max_disc_term;\r
 942             float disc_single_jump;\r
 943 \r
 944             int msg_type;\r
 945         private:\r
 946             GpuMat u, d, l, r, u2, d2, l2, r2;\r
 947             std::vector<GpuMat> datas;\r
 948             GpuMat out;\r
 949         };\r
 950 \r
 951         /////////////////////////// StereoConstantSpaceBP ///////////////////////////\r
 952         // "A Constant-Space Belief Propagation Algorithm for Stereo Matching"\r
 953         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
 954         // http://vision.ai.uiuc.edu/~qyang6/\r
 955 \r
 956         class CV_EXPORTS StereoConstantSpaceBP\r
 957         {\r
 958         public:\r
 959             enum { DEFAULT_NDISP    = 128 };\r
 960             enum { DEFAULT_ITERS    = 8   };\r
 961             enum { DEFAULT_LEVELS   = 4   };\r
 962             enum { DEFAULT_NR_PLANE = 4   };\r
 963 \r
 964             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels, int& nr_plane);\r
 965 \r
 966             //! the default constructor\r
 967             explicit StereoConstantSpaceBP(int ndisp    = DEFAULT_NDISP,\r
 968                 int iters    = DEFAULT_ITERS,\r
 969                 int levels   = DEFAULT_LEVELS,\r
 970                 int nr_plane = DEFAULT_NR_PLANE,\r
 971                 int msg_type = CV_32F);\r
 972 \r
 973             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
 974             //! number of levels, number of active disparity on the first level, truncation of data cost, data weight,\r
 975             //! truncation of discontinuity cost, discontinuity single jump and minimum disparity threshold\r
 976             StereoConstantSpaceBP(int ndisp, int iters, int levels, int nr_plane,\r
 977                 float max_data_term, float data_weight, float max_disc_term, float disc_single_jump,\r
 978                 int min_disp_th = 0,\r
 979                 int msg_type = CV_32F);\r
 980 \r
 981             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
 982             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
 983             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
 984 \r
 985             //! async version\r
 986             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
 987 \r
 988             int ndisp;\r
 989 \r
 990             int iters;\r
 991             int levels;\r
 992 \r
 993             int nr_plane;\r
 994 \r
 995             float max_data_term;\r
 996             float data_weight;\r
 997             float max_disc_term;\r
 998             float disc_single_jump;\r
 999 \r
1000             int min_disp_th;\r
1001 \r
1002             int msg_type;\r
1003 \r
1004             bool use_local_init_data_cost;\r
1005         private:\r
1006             GpuMat u[2], d[2], l[2], r[2];\r
1007             GpuMat disp_selected_pyr[2];\r
1008 \r
1009             GpuMat data_cost;\r
1010             GpuMat data_cost_selected;\r
1011 \r
1012             GpuMat temp;\r
1013 \r
1014             GpuMat out;\r
1015         };\r
1016 \r
1017         /////////////////////////// DisparityBilateralFilter ///////////////////////////\r
1018         // Disparity map refinement using joint bilateral filtering given a single color image.\r
1019         // Qingxiong Yang, Liang Wang\86, Narendra Ahuja\r
1020         // http://vision.ai.uiuc.edu/~qyang6/\r
1021 \r
1022         class CV_EXPORTS DisparityBilateralFilter\r
1023         {\r
1024         public:\r
1025             enum { DEFAULT_NDISP  = 64 };\r
1026             enum { DEFAULT_RADIUS = 3 };\r
1027             enum { DEFAULT_ITERS  = 1 };\r
1028 \r
1029             //! the default constructor\r
1030             explicit DisparityBilateralFilter(int ndisp = DEFAULT_NDISP, int radius = DEFAULT_RADIUS, int iters = DEFAULT_ITERS);\r
1031 \r
1032             //! the full constructor taking the number of disparities, filter radius,\r
1033             //! number of iterations, truncation of data continuity, truncation of disparity continuity\r
1034             //! and filter range sigma\r
1035             DisparityBilateralFilter(int ndisp, int radius, int iters, float edge_threshold, float max_disc_threshold, float sigma_range);\r
1036 \r
1037             //! the disparity map refinement operator. Refine disparity map using joint bilateral filtering given a single color image.\r
1038             //! disparity must have CV_8U or CV_16S type, image must have CV_8UC1 or CV_8UC3 type.\r
1039             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst);\r
1040 \r
1041             //! async version\r
1042             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst, Stream& stream);\r
1043 \r
1044         private:\r
1045             int ndisp;\r
1046             int radius;\r
1047             int iters;\r
1048 \r
1049             float edge_threshold;\r
1050             float max_disc_threshold;\r
1051             float sigma_range;\r
1052 \r
1053             GpuMat table_color;\r
1054             GpuMat table_space;\r
1055         };\r
1056 \r
1057 \r
1058         //////////////// HOG (Histogram-of-Oriented-Gradients) Descriptor and Object Detector //////////////\r
1059 \r
1060         struct CV_EXPORTS HOGDescriptor\r
1061         {\r
1062         public:\r
1063             enum { DEFAULT_WIN_SIGMA = -1 };\r
1064             enum { DEFAULT_NLEVELS = 64 };\r
1065             enum { DESCR_FORMAT_ROW_BY_ROW, DESCR_FORMAT_COL_BY_COL };\r
1066 \r
1067             HOGDescriptor(Size win_size=Size(64, 128), Size block_size=Size(16, 16), \r
1068                           Size block_stride=Size(8, 8), Size cell_size=Size(8, 8), \r
1069                           int nbins=9, double win_sigma=DEFAULT_WIN_SIGMA, \r
1070                           double threshold_L2hys=0.2, bool gamma_correction=true, \r
1071                           int nlevels=DEFAULT_NLEVELS);\r
1072 \r
1073             size_t getDescriptorSize() const;\r
1074             size_t getBlockHistogramSize() const;\r
1075             double getWinSigma() const;\r
1076 \r
1077             static vector<float> getDefaultPeopleDetector();\r
1078             static vector<float> getPeopleDetector_48x96();\r
1079             static vector<float> getPeopleDetector_64x128();\r
1080             void setSVMDetector(const vector<float>& detector);\r
1081             bool checkDetectorSize() const;\r
1082 \r
1083             void detect(const GpuMat& img, vector<Point>& found_locations, double hit_threshold=0, \r
1084                         Size win_stride=Size(), Size padding=Size());\r
1085             void detectMultiScale(const GpuMat& img, vector<Rect>& found_locations, \r
1086                                   double hit_threshold=0, Size win_stride=Size(), Size padding=Size(),\r
1087                                   double scale0=1.05, int group_threshold=2);\r
1088 \r
1089             void getDescriptors(const GpuMat& img, Size win_stride, GpuMat& descriptors, \r
1090                                 int descr_format=DESCR_FORMAT_COL_BY_COL);\r
1091 \r
1092             Size win_size;\r
1093             Size block_size;\r
1094             Size block_stride;\r
1095             Size cell_size;\r
1096             int nbins;\r
1097             double win_sigma;\r
1098             double threshold_L2hys;\r
1099             int nlevels;\r
1100             bool gamma_correction;\r
1101 \r
1102         protected:\r
1103             void computeBlockHistograms(const GpuMat& img);\r
1104             void computeGradient(const GpuMat& img, GpuMat& grad, GpuMat& qangle);\r
1105 \r
1106             static int numPartsWithin(int size, int part_size, int stride);\r
1107             static Size numPartsWithin(Size size, Size part_size, Size stride);\r
1108 \r
1109             // Coefficients of the separating plane\r
1110             float free_coef;\r
1111             GpuMat detector;\r
1112 \r
1113             // Results of the last classification step\r
1114             GpuMat labels;        \r
1115             Mat labels_host;\r
1116 \r
1117             // Results of the last histogram evaluation step\r
1118             GpuMat block_hists;\r
1119 \r
1120             // Gradients conputation results\r
1121             GpuMat grad, qangle;            \r
1122         };\r
1123 \r
1124 \r
1125         ////////////////////////////////// BruteForceMatcher //////////////////////////////////\r
1126 \r
1127         class CV_EXPORTS BruteForceMatcher_GPU_base\r
1128         {\r
1129         public:\r
1130             enum DistType {L1Dist = 0, L2Dist};\r
1131 \r
1132             explicit BruteForceMatcher_GPU_base(DistType distType = L2Dist);\r
1133 \r
1134             // Add descriptors to train descriptor collection.\r
1135             void add(const std::vector<GpuMat>& descCollection);\r
1136 \r
1137             // Get train descriptors collection.\r
1138             const std::vector<GpuMat>& getTrainDescriptors() const;\r
1139 \r
1140             // Clear train descriptors collection.\r
1141             void clear();\r
1142 \r
1143             // Return true if there are not train descriptors in collection.\r
1144             bool empty() const;\r
1145 \r
1146             // Return true if the matcher supports mask in match methods.\r
1147             bool isMaskSupported() const;\r
1148 \r
1149             // Find one best match for each query descriptor.\r
1150             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1151             // distance.at<float>(0, queryIdx) will contain distance\r
1152             void matchSingle(const GpuMat& queryDescs, const GpuMat& trainDescs, \r
1153                 GpuMat& trainIdx, GpuMat& distance,\r
1154                 const GpuMat& mask = GpuMat());\r
1155 \r
1156             // Download trainIdx and distance to CPU vector with DMatch\r
1157             static void matchDownload(const GpuMat& trainIdx, const GpuMat& distance, std::vector<DMatch>& matches);\r
1158 \r
1159             // Find one best match for each query descriptor.\r
1160             void match(const GpuMat& queryDescs, const GpuMat& trainDescs, std::vector<DMatch>& matches, \r
1161                 const GpuMat& mask = GpuMat());\r
1162 \r
1163             // Make gpu collection of trains and masks in suitable format for matchCollection function\r
1164             void makeGpuCollection(GpuMat& trainCollection, GpuMat& maskCollection,\r
1165                 const vector<GpuMat>& masks = std::vector<GpuMat>());\r
1166 \r
1167             // Find one best match from train collection for each query descriptor.\r
1168             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1169             // imgIdx.at<int>(0, queryIdx) will contain best image index for queryIdx\r
1170             // distance.at<float>(0, queryIdx) will contain distance\r
1171             void matchCollection(const GpuMat& queryDescs, const GpuMat& trainCollection, \r
1172                 GpuMat& trainIdx, GpuMat& imgIdx, GpuMat& distance, \r
1173                 const GpuMat& maskCollection);\r
1174 \r
1175             // Download trainIdx, imgIdx and distance to CPU vector with DMatch\r
1176             static void matchDownload(const GpuMat& trainIdx, GpuMat& imgIdx, const GpuMat& distance, \r
1177                 std::vector<DMatch>& matches);\r
1178 \r
1179             // Find one best match from train collection for each query descriptor.\r
1180             void match(const GpuMat& queryDescs, std::vector<DMatch>& matches, \r
1181                 const std::vector<GpuMat>& masks = std::vector<GpuMat>());\r
1182 \r
1183             // Find k best matches for each query descriptor (in increasing order of distances).\r
1184             // trainIdx.at<int>(queryIdx, i) will contain index of i'th best trains (i < k).\r
1185             // distance.at<float>(queryIdx, i) will contain distance.\r
1186             // allDist is a buffer to store all distance between query descriptors and train descriptors\r
1187             // it have size (nQuery,nTrain) and CV_32F type\r
1188             // allDist.at<float>(queryIdx, trainIdx) will contain FLT_MAX, if trainIdx is one from k best, \r
1189             // otherwise it will contain distance between queryIdx and trainIdx descriptors\r
1190             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs, \r
1191                 GpuMat& trainIdx, GpuMat& distance, GpuMat& allDist, int k, const GpuMat& mask = GpuMat());\r
1192 \r
1193             // Download trainIdx and distance to CPU vector with DMatch\r
1194             // compactResult is used when mask is not empty. If compactResult is false matches\r
1195             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1196             // matches vector will not contain matches for fully masked out query descriptors.\r
1197             static void knnMatchDownload(const GpuMat& trainIdx, const GpuMat& distance,\r
1198                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1199 \r
1200             // Find k best matches for each query descriptor (in increasing order of distances).\r
1201             // compactResult is used when mask is not empty. If compactResult is false matches\r
1202             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1203             // matches vector will not contain matches for fully masked out query descriptors.\r
1204             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs, \r
1205                 std::vector< std::vector<DMatch> >& matches, int k, const GpuMat& mask = GpuMat(), \r
1206                 bool compactResult = false);            \r
1207 \r
1208             // Find k best matches  for each query descriptor (in increasing order of distances).\r
1209             // compactResult is used when mask is not empty. If compactResult is false matches\r
1210             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1211             // matches vector will not contain matches for fully masked out query descriptors.\r
1212             void knnMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, int knn, \r
1213                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false );\r
1214 \r
1215             // Find best matches for each query descriptor which have distance less than maxDistance.\r
1216             // nMatches.at<unsigned int>(0, queruIdx) will contain matches count for queryIdx.\r
1217             // carefully nMatches can be greater than trainIdx.cols - it means that matcher didn't find all matches,\r
1218             // because it didn't have enough memory.\r
1219             // trainIdx.at<int>(queruIdx, i) will contain ith train index (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1220             // distance.at<int>(queruIdx, i) will contain ith distance (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1221             // If trainIdx is empty, then trainIdx and distance will be created with size nQuery x nTrain,\r
1222             // otherwize user can pass own allocated trainIdx and distance with size nQuery x nMaxMatches\r
1223             // Matches doesn't sorted.\r
1224             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs, \r
1225                 GpuMat& trainIdx, GpuMat& nMatches, GpuMat& distance, float maxDistance, \r
1226                 const GpuMat& mask = GpuMat());\r
1227 \r
1228             // Download trainIdx, nMatches and distance to CPU vector with DMatch.\r
1229             // matches will be sorted in increasing order of distances.\r
1230             // compactResult is used when mask is not empty. If compactResult is false matches\r
1231             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1232             // matches vector will not contain matches for fully masked out query descriptors.\r
1233             static void radiusMatchDownload(const GpuMat& trainIdx, const GpuMat& nMatches, const GpuMat& distance,\r
1234                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1235 \r
1236             // Find best matches for each query descriptor which have distance less than maxDistance \r
1237             // in increasing order of distances).\r
1238             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs, \r
1239                 std::vector< std::vector<DMatch> >& matches, float maxDistance, \r
1240                 const GpuMat& mask = GpuMat(), bool compactResult = false);\r
1241 \r
1242             // Find best matches from train collection for each query descriptor which have distance less than\r
1243             // maxDistance (in increasing order of distances).\r
1244             void radiusMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, float maxDistance, \r
1245                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false);        \r
1246         \r
1247         private:\r
1248             DistType distType;\r
1249 \r
1250             std::vector<GpuMat> trainDescCollection;\r
1251         };\r
1252 \r
1253         template <class Distance>\r
1254         class CV_EXPORTS BruteForceMatcher_GPU;\r
1255 \r
1256         template <typename T>\r
1257         class CV_EXPORTS BruteForceMatcher_GPU< L1<T> > : public BruteForceMatcher_GPU_base\r
1258         {\r
1259         public:\r
1260             explicit BruteForceMatcher_GPU(L1<T> d = L1<T>()) : BruteForceMatcher_GPU_base(L1Dist) {}\r
1261         };\r
1262         template <typename T>\r
1263         class CV_EXPORTS BruteForceMatcher_GPU< L2<T> > : public BruteForceMatcher_GPU_base\r
1264         {\r
1265         public:\r
1266             explicit BruteForceMatcher_GPU(L2<T> d = L2<T>()) : BruteForceMatcher_GPU_base(L2Dist) {}\r
1267         };\r
1268     }\r
1269 \r
1270 \r
1271     //! Speckle filtering - filters small connected components on diparity image.\r
1272     //! It sets pixel (x,y) to newVal if it coresponds to small CC with size < maxSpeckleSize.\r
1273     //! Threshold for border between CC is diffThreshold;\r
1274     CV_EXPORTS void filterSpeckles( Mat& img, uchar newVal, int maxSpeckleSize, uchar diffThreshold, Mat& buf);\r
1275 \r
1276 }\r
1277 #include "opencv2/gpu/matrix_operations.hpp"\r
1278 \r
1279 #endif /* __OPENCV_GPU_HPP__ */\r