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 \r
  64         CV_EXPORTS void setDevice(int device);\r
  65         CV_EXPORTS int getDevice();\r
  66 \r
  67         enum FeatureSet\r
  68         {\r
  69             FEATURE_SET_COMPUTE_10 = 10,\r
  70             FEATURE_SET_COMPUTE_11 = 11,\r
  71             FEATURE_SET_COMPUTE_12 = 12,\r
  72             FEATURE_SET_COMPUTE_13 = 13,\r
  73             FEATURE_SET_COMPUTE_20 = 20,\r
  74             FEATURE_SET_COMPUTE_21 = 21,\r
  75             GLOBAL_ATOMICS = FEATURE_SET_COMPUTE_11,\r
  76             NATIVE_DOUBLE = FEATURE_SET_COMPUTE_13\r
  77         };\r
  78 \r
  79         // Gives information about what GPU archs this OpenCV GPU module was \r
  80         // compiled for\r
  81         class CV_EXPORTS TargetArchs\r
  82         {\r
  83         public:\r
  84             static bool builtWith(FeatureSet feature_set);\r
  85             static bool has(int major, int minor);\r
  86             static bool hasPtx(int major, int minor);\r
  87             static bool hasBin(int major, int minor);\r
  88             static bool hasEqualOrLessPtx(int major, int minor);\r
  89             static bool hasEqualOrGreater(int major, int minor);\r
  90             static bool hasEqualOrGreaterPtx(int major, int minor);\r
  91             static bool hasEqualOrGreaterBin(int major, int minor);\r
  92         private:\r
  93             TargetArchs();\r
  94         };\r
  95 \r
  96         // Gives information about the given GPU\r
  97         class CV_EXPORTS DeviceInfo\r
  98         {\r
  99         public:\r
 100             // Creates DeviceInfo object for the current GPU\r
 101             DeviceInfo() : device_id_(getDevice()) { query(); }\r
 102 \r
 103             // Creates DeviceInfo object for the given GPU\r
 104             DeviceInfo(int device_id) : device_id_(device_id) { query(); }\r
 105 \r
 106             string name() const { return name_; }\r
 107 \r
 108             // Return compute capability versions\r
 109             int majorVersion() const { return majorVersion_; }\r
 110             int minorVersion() const { return minorVersion_; }\r
 111 \r
 112             int multiProcessorCount() const { return multi_processor_count_; }\r
 113 \r
 114             size_t freeMemory() const;\r
 115             size_t totalMemory() const;\r
 116 \r
 117             // Checks whether device supports the given feature\r
 118             bool supports(FeatureSet feature_set) const;\r
 119 \r
 120             // Checks whether the GPU module can be run on the given device\r
 121             bool isCompatible() const;\r
 122 \r
 123         private:\r
 124             void query();\r
 125             void queryMemory(size_t& free_memory, size_t& total_memory) const;\r
 126 \r
 127             int device_id_;\r
 128 \r
 129             string name_;\r
 130             int multi_processor_count_;\r
 131             int majorVersion_;\r
 132             int minorVersion_;\r
 133         };\r
 134 \r
 135         /////////////////////////// Multi GPU Manager //////////////////////////////\r
 136 \r
 137         // Provides functionality for working with many GPUs\r
 138         class CV_EXPORTS MultiGpuManager\r
 139         {\r
 140         public:\r
 141             MultiGpuManager();\r
 142             ~MultiGpuManager();\r
 143 \r
 144             // Must be called before any other GPU calls\r
 145             void init();\r
 146 \r
 147             // Makes the given GPU active\r
 148             void gpuOn(int gpu_id);\r
 149 \r
 150             // Finishes the piece of work on the current GPU\r
 151             void gpuOff();\r
 152 \r
 153             static const int BAD_GPU_ID = -1;\r
 154 \r
 155         private:\r
 156             void operator=(const MultiGpuManager&);\r
 157             MultiGpuManager(const MultiGpuManager&);\r
 158 \r
 159             class Impl;\r
 160             Ptr<Impl> impl_;\r
 161         };\r
 162 \r
 163         //////////////////////////////// Error handling ////////////////////////\r
 164 \r
 165         CV_EXPORTS void error(const char *error_string, const char *file, const int line, const char *func);\r
 166         CV_EXPORTS void nppError( int err, const char *file, const int line, const char *func);\r
 167 \r
 168         //////////////////////////////// GpuMat ////////////////////////////////\r
 169         class Stream;\r
 170         class CudaMem;\r
 171 \r
 172         //! Smart pointer for GPU memory with reference counting. Its interface is mostly similar with cv::Mat.\r
 173         class CV_EXPORTS GpuMat\r
 174         {\r
 175         public:\r
 176             //! default constructor\r
 177             GpuMat();\r
 178             //! constructs GpuMatrix of the specified size and type (_type is CV_8UC1, CV_64FC3, CV_32SC(12) etc.)\r
 179             GpuMat(int rows, int cols, int type);\r
 180             GpuMat(Size size, int type);\r
 181             //! constucts GpuMatrix and fills it with the specified value _s.\r
 182             GpuMat(int rows, int cols, int type, const Scalar& s);\r
 183             GpuMat(Size size, int type, const Scalar& s);\r
 184             //! copy constructor\r
 185             GpuMat(const GpuMat& m);\r
 186 \r
 187             //! constructor for GpuMatrix headers pointing to user-allocated data\r
 188             GpuMat(int rows, int cols, int type, void* data, size_t step = Mat::AUTO_STEP);\r
 189             GpuMat(Size size, int type, void* data, size_t step = Mat::AUTO_STEP);\r
 190 \r
 191             //! creates a matrix header for a part of the bigger matrix\r
 192             GpuMat(const GpuMat& m, const Range& rowRange, const Range& colRange);\r
 193             GpuMat(const GpuMat& m, const Rect& roi);\r
 194 \r
 195             //! builds GpuMat from Mat. Perfom blocking upload to device.\r
 196             explicit GpuMat (const Mat& m);\r
 197 \r
 198             //! destructor - calls release()\r
 199             ~GpuMat();\r
 200 \r
 201             //! assignment operators\r
 202             GpuMat& operator = (const GpuMat& m);\r
 203             //! assignment operator. Perfom blocking upload to device.\r
 204             GpuMat& operator = (const Mat& m);\r
 205 \r
 206             //! returns lightweight DevMem2D_ structure for passing to nvcc-compiled code.\r
 207             // Contains just image size, data ptr and step.\r
 208             template <class T> operator DevMem2D_<T>() const;\r
 209             template <class T> operator PtrStep_<T>() const;\r
 210 \r
 211             //! pefroms blocking upload data to GpuMat.\r
 212             void upload(const cv::Mat& m);\r
 213 \r
 214             //! upload async\r
 215             void upload(const CudaMem& m, Stream& stream);\r
 216 \r
 217             //! downloads data from device to host memory. Blocking calls.\r
 218             operator Mat() const;\r
 219             void download(cv::Mat& m) const;\r
 220 \r
 221             //! download async\r
 222             void download(CudaMem& m, Stream& stream) const;\r
 223 \r
 224             //! returns a new GpuMatrix header for the specified row\r
 225             GpuMat row(int y) const;\r
 226             //! returns a new GpuMatrix header for the specified column\r
 227             GpuMat col(int x) const;\r
 228             //! ... for the specified row span\r
 229             GpuMat rowRange(int startrow, int endrow) const;\r
 230             GpuMat rowRange(const Range& r) const;\r
 231             //! ... for the specified column span\r
 232             GpuMat colRange(int startcol, int endcol) const;\r
 233             GpuMat colRange(const Range& r) const;\r
 234 \r
 235             //! returns deep copy of the GpuMatrix, i.e. the data is copied\r
 236             GpuMat clone() const;\r
 237             //! copies the GpuMatrix content to "m".\r
 238             // It calls m.create(this->size(), this->type()).\r
 239             void copyTo( GpuMat& m ) const;\r
 240             //! copies those GpuMatrix elements to "m" that are marked with non-zero mask elements.\r
 241             void copyTo( GpuMat& m, const GpuMat& mask ) const;\r
 242             //! converts GpuMatrix to another datatype with optional scalng. See cvConvertScale.\r
 243             void convertTo( GpuMat& m, int rtype, double alpha=1, double beta=0 ) const;\r
 244 \r
 245             void assignTo( GpuMat& m, int type=-1 ) const;\r
 246 \r
 247             //! sets every GpuMatrix element to s\r
 248             GpuMat& operator = (const Scalar& s);\r
 249             //! sets some of the GpuMatrix elements to s, according to the mask\r
 250             GpuMat& setTo(const Scalar& s, const GpuMat& mask = GpuMat());\r
 251             //! creates alternative GpuMatrix header for the same data, with different\r
 252             // number of channels and/or different number of rows. see cvReshape.\r
 253             GpuMat reshape(int cn, int rows = 0) const;\r
 254 \r
 255             //! allocates new GpuMatrix data unless the GpuMatrix already has specified size and type.\r
 256             // previous data is unreferenced if needed.\r
 257             void create(int rows, int cols, int type);\r
 258             void create(Size size, int type);\r
 259             //! decreases reference counter;\r
 260             // deallocate the data when reference counter reaches 0.\r
 261             void release();\r
 262 \r
 263             //! swaps with other smart pointer\r
 264             void swap(GpuMat& mat);\r
 265 \r
 266             //! locates GpuMatrix header within a parent GpuMatrix. See below\r
 267             void locateROI( Size& wholeSize, Point& ofs ) const;\r
 268             //! moves/resizes the current GpuMatrix ROI inside the parent GpuMatrix.\r
 269             GpuMat& adjustROI( int dtop, int dbottom, int dleft, int dright );\r
 270             //! extracts a rectangular sub-GpuMatrix\r
 271             // (this is a generalized form of row, rowRange etc.)\r
 272             GpuMat operator()( Range rowRange, Range colRange ) const;\r
 273             GpuMat operator()( const Rect& roi ) const;\r
 274 \r
 275             //! returns true iff the GpuMatrix data is continuous\r
 276             // (i.e. when there are no gaps between successive rows).\r
 277             // similar to CV_IS_GpuMat_CONT(cvGpuMat->type)\r
 278             bool isContinuous() const;\r
 279             //! returns element size in bytes,\r
 280             // similar to CV_ELEM_SIZE(cvMat->type)\r
 281             size_t elemSize() const;\r
 282             //! returns the size of element channel in bytes.\r
 283             size_t elemSize1() const;\r
 284             //! returns element type, similar to CV_MAT_TYPE(cvMat->type)\r
 285             int type() const;\r
 286             //! returns element type, similar to CV_MAT_DEPTH(cvMat->type)\r
 287             int depth() const;\r
 288             //! returns element type, similar to CV_MAT_CN(cvMat->type)\r
 289             int channels() const;\r
 290             //! returns step/elemSize1()\r
 291             size_t step1() const;\r
 292             //! returns GpuMatrix size:\r
 293             // width == number of columns, height == number of rows\r
 294             Size size() const;\r
 295             //! returns true if GpuMatrix data is NULL\r
 296             bool empty() const;\r
 297 \r
 298             //! returns pointer to y-th row\r
 299             uchar* ptr(int y = 0);\r
 300             const uchar* ptr(int y = 0) const;\r
 301 \r
 302             //! template version of the above method\r
 303             template<typename _Tp> _Tp* ptr(int y = 0);\r
 304             template<typename _Tp> const _Tp* ptr(int y = 0) const;\r
 305 \r
 306             //! matrix transposition\r
 307             GpuMat t() const;\r
 308 \r
 309             /*! includes several bit-fields:\r
 310             - the magic signature\r
 311             - continuity flag\r
 312             - depth\r
 313             - number of channels\r
 314             */\r
 315             int flags;\r
 316             //! the number of rows and columns\r
 317             int rows, cols;\r
 318             //! a distance between successive rows in bytes; includes the gap if any\r
 319             size_t step;\r
 320             //! pointer to the data\r
 321             uchar* data;\r
 322 \r
 323             //! pointer to the reference counter;\r
 324             // when GpuMatrix points to user-allocated data, the pointer is NULL\r
 325             int* refcount;\r
 326 \r
 327             //! helper fields used in locateROI and adjustROI\r
 328             uchar* datastart;\r
 329             uchar* dataend;\r
 330         };\r
 331 \r
 332 //#define TemplatedGpuMat // experimental now, deprecated to use\r
 333 #ifdef TemplatedGpuMat\r
 334     #include "GpuMat_BetaDeprecated.hpp"\r
 335 #endif\r
 336 \r
 337         //! Creates continuous GPU matrix\r
 338         CV_EXPORTS void createContinuous(int rows, int cols, int type, GpuMat& m);\r
 339 \r
 340         //! Ensures that size of the given matrix is not less than (rows, cols) size\r
 341         //! and matrix type is match specified one too\r
 342         CV_EXPORTS void ensureSizeIsEnough(int rows, int cols, int type, GpuMat& m);\r
 343 \r
 344         //////////////////////////////// CudaMem ////////////////////////////////\r
 345         // CudaMem is limited cv::Mat with page locked memory allocation.\r
 346         // Page locked memory is only needed for async and faster coping to GPU.\r
 347         // It is convertable to cv::Mat header without reference counting\r
 348         // so you can use it with other opencv functions.\r
 349 \r
 350         class CV_EXPORTS CudaMem\r
 351         {\r
 352         public:\r
 353             enum  { ALLOC_PAGE_LOCKED = 1, ALLOC_ZEROCOPY = 2, ALLOC_WRITE_COMBINED = 4 };\r
 354 \r
 355             CudaMem();\r
 356             CudaMem(const CudaMem& m);\r
 357 \r
 358             CudaMem(int rows, int cols, int type, int _alloc_type = ALLOC_PAGE_LOCKED);\r
 359             CudaMem(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 360 \r
 361 \r
 362             //! creates from cv::Mat with coping data\r
 363             explicit CudaMem(const Mat& m, int alloc_type = ALLOC_PAGE_LOCKED);\r
 364 \r
 365             ~CudaMem();\r
 366 \r
 367             CudaMem& operator = (const CudaMem& m);\r
 368 \r
 369             //! returns deep copy of the matrix, i.e. the data is copied\r
 370             CudaMem clone() const;\r
 371 \r
 372             //! allocates new matrix data unless the matrix already has specified size and type.\r
 373             void create(int rows, int cols, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 374             void create(Size size, int type, int alloc_type = ALLOC_PAGE_LOCKED);\r
 375 \r
 376             //! decrements reference counter and released memory if needed.\r
 377             void release();\r
 378 \r
 379             //! returns matrix header with disabled reference counting for CudaMem data.\r
 380             Mat createMatHeader() const;\r
 381             operator Mat() const;\r
 382 \r
 383             //! maps host memory into device address space and returns GpuMat header for it. Throws exception if not supported by hardware.\r
 384             GpuMat createGpuMatHeader() const;\r
 385             operator GpuMat() const;\r
 386 \r
 387             //returns if host memory can be mapperd to gpu address space;\r
 388             static bool canMapHostMemory();\r
 389 \r
 390             // Please see cv::Mat for descriptions\r
 391             bool isContinuous() const;\r
 392             size_t elemSize() const;\r
 393             size_t elemSize1() const;\r
 394             int type() const;\r
 395             int depth() const;\r
 396             int channels() const;\r
 397             size_t step1() const;\r
 398             Size size() const;\r
 399             bool empty() const;\r
 400 \r
 401 \r
 402             // Please see cv::Mat for descriptions\r
 403             int flags;\r
 404             int rows, cols;\r
 405             size_t step;\r
 406 \r
 407             uchar* data;\r
 408             int* refcount;\r
 409 \r
 410             uchar* datastart;\r
 411             uchar* dataend;\r
 412 \r
 413             int alloc_type;\r
 414         };\r
 415 \r
 416         //////////////////////////////// CudaStream ////////////////////////////////\r
 417         // Encapculates Cuda Stream. Provides interface for async coping.\r
 418         // Passed to each function that supports async kernel execution.\r
 419         // Reference counting is enabled\r
 420 \r
 421         class CV_EXPORTS Stream\r
 422         {\r
 423         public:\r
 424             Stream();\r
 425             ~Stream();\r
 426 \r
 427             Stream(const Stream&);\r
 428             Stream& operator=(const Stream&);\r
 429 \r
 430             bool queryIfComplete();\r
 431             void waitForCompletion();\r
 432 \r
 433             //! downloads asynchronously.\r
 434             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its subMat)\r
 435             void enqueueDownload(const GpuMat& src, CudaMem& dst);\r
 436             void enqueueDownload(const GpuMat& src, Mat& dst);\r
 437 \r
 438             //! uploads asynchronously.\r
 439             // Warning! cv::Mat must point to page locked memory (i.e. to CudaMem data or to its ROI)\r
 440             void enqueueUpload(const CudaMem& src, GpuMat& dst);\r
 441             void enqueueUpload(const Mat& src, GpuMat& dst);\r
 442 \r
 443             void enqueueCopy(const GpuMat& src, GpuMat& dst);\r
 444 \r
 445             void enqueueMemSet(GpuMat& src, Scalar val);\r
 446             void enqueueMemSet(GpuMat& src, Scalar val, const GpuMat& mask);\r
 447 \r
 448             // converts matrix type, ex from float to uchar depending on type\r
 449             void enqueueConvert(const GpuMat& src, GpuMat& dst, int type, double a = 1, double b = 0);\r
 450         private:\r
 451             void create();\r
 452             void release();\r
 453             struct Impl;\r
 454             Impl *impl;\r
 455             friend struct StreamAccessor;\r
 456         };\r
 457 \r
 458 \r
 459         ////////////////////////////// Arithmetics ///////////////////////////////////\r
 460 \r
 461         //! transposes the matrix\r
 462         //! supports matrix with element size = 1, 4 and 8 bytes (CV_8UC1, CV_8UC4, CV_16UC2, CV_32FC1, etc)\r
 463         CV_EXPORTS void transpose(const GpuMat& src1, GpuMat& dst);\r
 464 \r
 465         //! reverses the order of the rows, columns or both in a matrix\r
 466         //! supports CV_8UC1, CV_8UC4 types\r
 467         CV_EXPORTS void flip(const GpuMat& a, GpuMat& b, int flipCode);\r
 468 \r
 469         //! transforms 8-bit unsigned integers using lookup table: dst(i)=lut(src(i))\r
 470         //! destination array will have the depth type as lut and the same channels number as source\r
 471         //! supports CV_8UC1, CV_8UC3 types\r
 472         CV_EXPORTS void LUT(const GpuMat& src, const Mat& lut, GpuMat& dst);\r
 473 \r
 474         //! makes multi-channel array out of several single-channel arrays\r
 475         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst);\r
 476 \r
 477         //! makes multi-channel array out of several single-channel arrays\r
 478         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst);\r
 479 \r
 480         //! makes multi-channel array out of several single-channel arrays (async version)\r
 481         CV_EXPORTS void merge(const GpuMat* src, size_t n, GpuMat& dst, const Stream& stream);\r
 482 \r
 483         //! makes multi-channel array out of several single-channel arrays (async version)\r
 484         CV_EXPORTS void merge(const vector<GpuMat>& src, GpuMat& dst, const Stream& stream);\r
 485 \r
 486         //! copies each plane of a multi-channel array to a dedicated array\r
 487         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst);\r
 488 \r
 489         //! copies each plane of a multi-channel array to a dedicated array\r
 490         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst);\r
 491 \r
 492         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 493         CV_EXPORTS void split(const GpuMat& src, GpuMat* dst, const Stream& stream);\r
 494 \r
 495         //! copies each plane of a multi-channel array to a dedicated array (async version)\r
 496         CV_EXPORTS void split(const GpuMat& src, vector<GpuMat>& dst, const Stream& stream);\r
 497 \r
 498         //! computes magnitude of complex (x(i).re, x(i).im) vector\r
 499         //! supports only CV_32FC2 type\r
 500         CV_EXPORTS void magnitude(const GpuMat& x, GpuMat& magnitude);\r
 501 \r
 502         //! computes squared magnitude of complex (x(i).re, x(i).im) vector\r
 503         //! supports only CV_32FC2 type\r
 504         CV_EXPORTS void magnitudeSqr(const GpuMat& x, GpuMat& magnitude);\r
 505 \r
 506         //! computes magnitude of each (x(i), y(i)) vector\r
 507         //! supports only floating-point source\r
 508         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 509         //! async version\r
 510         CV_EXPORTS void magnitude(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 511 \r
 512         //! computes squared magnitude of each (x(i), y(i)) vector\r
 513         //! supports only floating-point source\r
 514         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude);\r
 515         //! async version\r
 516         CV_EXPORTS void magnitudeSqr(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, const Stream& stream);\r
 517 \r
 518         //! computes angle (angle(i)) of each (x(i), y(i)) vector\r
 519         //! supports only floating-point source\r
 520         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees = false);\r
 521         //! async version\r
 522         CV_EXPORTS void phase(const GpuMat& x, const GpuMat& y, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 523 \r
 524         //! converts Cartesian coordinates to polar\r
 525         //! supports only floating-point source\r
 526         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees = false);\r
 527         //! async version\r
 528         CV_EXPORTS void cartToPolar(const GpuMat& x, const GpuMat& y, GpuMat& magnitude, GpuMat& angle, bool angleInDegrees, const Stream& stream);\r
 529 \r
 530         //! converts polar coordinates to Cartesian\r
 531         //! supports only floating-point source\r
 532         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees = false);\r
 533         //! async version\r
 534         CV_EXPORTS void polarToCart(const GpuMat& magnitude, const GpuMat& angle, GpuMat& x, GpuMat& y, bool angleInDegrees, const Stream& stream);\r
 535 \r
 536 \r
 537         //////////////////////////// Per-element operations ////////////////////////////////////\r
 538 \r
 539         //! adds one matrix to another (c = a + b)\r
 540         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 541         CV_EXPORTS void add(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 542         //! adds scalar to a matrix (c = a + s)\r
 543         //! supports CV_32FC1 and CV_32FC2 type\r
 544         CV_EXPORTS void add(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 545 \r
 546         //! subtracts one matrix from another (c = a - b)\r
 547         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 548         CV_EXPORTS void subtract(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 549         //! subtracts scalar from a matrix (c = a - s)\r
 550         //! supports CV_32FC1 and CV_32FC2 type\r
 551         CV_EXPORTS void subtract(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 552 \r
 553         //! computes element-wise product of the two arrays (c = a * b)\r
 554         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 555         CV_EXPORTS void multiply(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 556         //! multiplies matrix to a scalar (c = a * s)\r
 557         //! supports CV_32FC1 and CV_32FC2 type\r
 558         CV_EXPORTS void multiply(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 559 \r
 560         //! computes element-wise quotient of the two arrays (c = a / b)\r
 561         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 562         CV_EXPORTS void divide(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 563         //! computes element-wise quotient of matrix and scalar (c = a / s)\r
 564         //! supports CV_32FC1 and CV_32FC2 type\r
 565         CV_EXPORTS void divide(const GpuMat& a, const Scalar& sc, GpuMat& c);\r
 566 \r
 567         //! computes exponent of each matrix element (b = e**a)\r
 568         //! supports only CV_32FC1 type\r
 569         CV_EXPORTS void exp(const GpuMat& a, GpuMat& b);\r
 570 \r
 571         //! computes natural logarithm of absolute value of each matrix element: b = log(abs(a))\r
 572         //! supports only CV_32FC1 type\r
 573         CV_EXPORTS void log(const GpuMat& a, GpuMat& b);\r
 574 \r
 575         //! computes element-wise absolute difference of two arrays (c = abs(a - b))\r
 576         //! supports CV_8UC1, CV_8UC4, CV_32SC1, CV_32FC1 types\r
 577         CV_EXPORTS void absdiff(const GpuMat& a, const GpuMat& b, GpuMat& c);\r
 578         //! computes element-wise absolute difference of array and scalar (c = abs(a - s))\r
 579         //! supports only CV_32FC1 type\r
 580         CV_EXPORTS void absdiff(const GpuMat& a, const Scalar& s, GpuMat& c);\r
 581 \r
 582         //! compares elements of two arrays (c = a <cmpop> b)\r
 583         //! supports CV_8UC4, CV_32FC1 types\r
 584         CV_EXPORTS void compare(const GpuMat& a, const GpuMat& b, GpuMat& c, int cmpop);\r
 585 \r
 586         //! performs per-elements bit-wise inversion\r
 587         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 588         //! async version\r
 589         CV_EXPORTS void bitwise_not(const GpuMat& src, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 590 \r
 591         //! calculates per-element bit-wise disjunction of two arrays\r
 592         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 593         //! async version\r
 594         CV_EXPORTS void bitwise_or(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 595 \r
 596         //! calculates per-element bit-wise conjunction of two arrays\r
 597         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 598         //! async version\r
 599         CV_EXPORTS void bitwise_and(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 600 \r
 601         //! calculates per-element bit-wise "exclusive or" operation\r
 602         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask=GpuMat());\r
 603         //! async version\r
 604         CV_EXPORTS void bitwise_xor(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const GpuMat& mask, const Stream& stream);\r
 605 \r
 606         //! computes per-element minimum of two arrays (dst = min(src1, src2))\r
 607         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 608         //! Async version\r
 609         CV_EXPORTS void min(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 610 \r
 611         //! computes per-element minimum of array and scalar (dst = min(src1, src2))\r
 612         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst);\r
 613         //! Async version\r
 614         CV_EXPORTS void min(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 615 \r
 616         //! computes per-element maximum of two arrays (dst = max(src1, src2))\r
 617         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst);\r
 618         //! Async version\r
 619         CV_EXPORTS void max(const GpuMat& src1, const GpuMat& src2, GpuMat& dst, const Stream& stream);\r
 620 \r
 621         //! computes per-element maximum of array and scalar (dst = max(src1, src2))\r
 622         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst);\r
 623         //! Async version\r
 624         CV_EXPORTS void max(const GpuMat& src1, double src2, GpuMat& dst, const Stream& stream);\r
 625 \r
 626 \r
 627         ////////////////////////////// Image processing //////////////////////////////\r
 628 \r
 629         //! DST[x,y] = SRC[xmap[x,y],ymap[x,y]] with bilinear interpolation.\r
 630         //! supports CV_8UC1, CV_8UC3 source types and CV_32FC1 map type\r
 631         CV_EXPORTS void remap(const GpuMat& src, GpuMat& dst, const GpuMat& xmap, const GpuMat& ymap);\r
 632 \r
 633         //! Does mean shift filtering on GPU.\r
 634         CV_EXPORTS void meanShiftFiltering(const GpuMat& src, GpuMat& dst, int sp, int sr,\r
 635             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 636 \r
 637         //! Does mean shift procedure on GPU.\r
 638         CV_EXPORTS void meanShiftProc(const GpuMat& src, GpuMat& dstr, GpuMat& dstsp, int sp, int sr,\r
 639             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 640 \r
 641         //! Does mean shift segmentation with elimination of small regions.\r
 642         CV_EXPORTS void meanShiftSegmentation(const GpuMat& src, Mat& dst, int sp, int sr, int minsize,\r
 643             TermCriteria criteria = TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1));\r
 644 \r
 645         //! Does coloring of disparity image: [0..ndisp) -> [0..240, 1, 1] in HSV.\r
 646         //! Supported types of input disparity: CV_8U, CV_16S.\r
 647         //! Output disparity has CV_8UC4 type in BGRA format (alpha = 255).\r
 648         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp);\r
 649         //! async version\r
 650         CV_EXPORTS void drawColorDisp(const GpuMat& src_disp, GpuMat& dst_disp, int ndisp, const Stream& stream);\r
 651 \r
 652         //! Reprojects disparity image to 3D space.\r
 653         //! Supports CV_8U and CV_16S types of input disparity.\r
 654         //! The output is a 4-channel floating-point (CV_32FC4) matrix.\r
 655         //! Each element of this matrix will contain the 3D coordinates of the point (x,y,z,1), computed from the disparity map.\r
 656         //! Q is the 4x4 perspective transformation matrix that can be obtained with cvStereoRectify.\r
 657         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q);\r
 658         //! async version\r
 659         CV_EXPORTS void reprojectImageTo3D(const GpuMat& disp, GpuMat& xyzw, const Mat& Q, const Stream& stream);\r
 660 \r
 661         //! converts image from one color space to another\r
 662         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn = 0);\r
 663         //! async version\r
 664         CV_EXPORTS void cvtColor(const GpuMat& src, GpuMat& dst, int code, int dcn, const Stream& stream);\r
 665 \r
 666         //! applies fixed threshold to the image\r
 667         CV_EXPORTS double threshold(const GpuMat& src, GpuMat& dst, double thresh, double maxval, int type);\r
 668         //! async version\r
 669         CV_EXPORTS double threshold(const GpuMat& src, GpuMat& dst, double thresh, double maxval, int type, const Stream& stream);\r
 670 \r
 671         //! resizes the image\r
 672         //! Supports INTER_NEAREST, INTER_LINEAR\r
 673         //! supports CV_8UC1, CV_8UC4 types\r
 674         CV_EXPORTS void resize(const GpuMat& src, GpuMat& dst, Size dsize, double fx=0, double fy=0, int interpolation = INTER_LINEAR);\r
 675 \r
 676         //! warps the image using affine transformation\r
 677         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 678         CV_EXPORTS void warpAffine(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 679 \r
 680         //! warps the image using perspective transformation\r
 681         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 682         CV_EXPORTS void warpPerspective(const GpuMat& src, GpuMat& dst, const Mat& M, Size dsize, int flags = INTER_LINEAR);\r
 683 \r
 684         //! rotate 8bit single or four channel image\r
 685         //! Supports INTER_NEAREST, INTER_LINEAR, INTER_CUBIC\r
 686         //! supports CV_8UC1, CV_8UC4 types\r
 687         CV_EXPORTS void rotate(const GpuMat& src, GpuMat& dst, Size dsize, double angle, double xShift = 0, double yShift = 0, int interpolation = INTER_LINEAR);\r
 688 \r
 689         //! copies 2D array to a larger destination array and pads borders with user-specifiable constant\r
 690         //! supports CV_8UC1, CV_8UC4, CV_32SC1 and CV_32FC1 types\r
 691         CV_EXPORTS void copyMakeBorder(const GpuMat& src, GpuMat& dst, int top, int bottom, int left, int right, const Scalar& value = Scalar());\r
 692 \r
 693         //! computes the integral image\r
 694         //! sum will have CV_32S type, but will contain unsigned int values\r
 695         //! supports only CV_8UC1 source type\r
 696         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum);\r
 697 \r
 698         //! buffered version\r
 699         CV_EXPORTS void integralBuffered(const GpuMat& src, GpuMat& sum, GpuMat& buffer);\r
 700 \r
 701         //! computes the integral image and integral for the squared image\r
 702         //! sum will have CV_32S type, sqsum - CV32F type\r
 703         //! supports only CV_8UC1 source type\r
 704         CV_EXPORTS void integral(const GpuMat& src, GpuMat& sum, GpuMat& sqsum);\r
 705 \r
 706         //! computes squared integral image\r
 707         //! result matrix will have 64F type, but will contain 64U values\r
 708         //! supports source images of 8UC1 type only\r
 709         CV_EXPORTS void sqrIntegral(const GpuMat& src, GpuMat& sqsum);\r
 710 \r
 711         //! computes vertical sum, supports only CV_32FC1 images\r
 712         CV_EXPORTS void columnSum(const GpuMat& src, GpuMat& sum);\r
 713 \r
 714         //! computes the standard deviation of integral images\r
 715         //! supports only CV_32SC1 source type and CV_32FC1 sqr type\r
 716         //! output will have CV_32FC1 type\r
 717         CV_EXPORTS void rectStdDev(const GpuMat& src, const GpuMat& sqr, GpuMat& dst, const Rect& rect);\r
 718 \r
 719         // applies Canny edge detector and produces the edge map\r
 720         // disabled until fix crash\r
 721         //CV_EXPORTS void Canny(const GpuMat& image, GpuMat& edges, double threshold1, double threshold2, int apertureSize = 3);\r
 722         //CV_EXPORTS void Canny(const GpuMat& image, GpuMat& edges, GpuMat& buffer, double threshold1, double threshold2, int apertureSize = 3);\r
 723         //CV_EXPORTS void Canny(const GpuMat& srcDx, const GpuMat& srcDy, GpuMat& edges, double threshold1, double threshold2, int apertureSize = 3);\r
 724         //CV_EXPORTS void Canny(const GpuMat& srcDx, const GpuMat& srcDy, GpuMat& edges, GpuMat& buffer, double threshold1, double threshold2, int apertureSize = 3);\r
 725 \r
 726         //! computes Harris cornerness criteria at each image pixel\r
 727         CV_EXPORTS void cornerHarris(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, double k, int borderType=BORDER_REFLECT101);\r
 728 \r
 729         //! computes minimum eigen value of 2x2 derivative covariation matrix at each pixel - the cornerness criteria\r
 730         CV_EXPORTS void cornerMinEigenVal(const GpuMat& src, GpuMat& dst, int blockSize, int ksize, int borderType=BORDER_REFLECT101);\r
 731 \r
 732         //! performs per-element multiplication of two full (not packed) Fourier spectrums\r
 733         //! supports 32FC2 matrixes only (interleaved format)\r
 734         CV_EXPORTS void mulSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, bool conjB=false);\r
 735 \r
 736         //! performs per-element multiplication of two full (not packed) Fourier spectrums\r
 737         //! supports 32FC2 matrixes only (interleaved format)\r
 738         CV_EXPORTS void mulAndScaleSpectrums(const GpuMat& a, const GpuMat& b, GpuMat& c, int flags, \r
 739                                              float scale, bool conjB=false);\r
 740 \r
 741         //! Performs a forward or inverse discrete Fourier transform (1D or 2D) of floating point matrix.\r
 742         //! Param dft_size is the size of DFT transform.\r
 743         //! \r
 744         //! If the source matrix is not continous, then additional copy will be done,\r
 745         //! so to avoid copying ensure the source matrix is continous one. If you want to use\r
 746         //! preallocated output ensure it is continuous too, otherwise it will be reallocated.\r
 747         //!\r
 748         //! Being implemented via CUFFT real-to-complex transform result contains only non-redundant values\r
 749         //! in CUFFT's format. Result as full complex matrix for such kind of transform cannot be retrieved.\r
 750         //!\r
 751         //! For complex-to-real transform it is assumed that the source matrix is packed in CUFFT's format.\r
 752         CV_EXPORTS void dft(const GpuMat& src, GpuMat& dst, Size dft_size, int flags=0);\r
 753 \r
 754         //! computes convolution (or cross-correlation) of two images using discrete Fourier transform\r
 755         //! supports source images of 32FC1 type only\r
 756         //! result matrix will have 32FC1 type\r
 757         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, \r
 758                                  bool ccorr=false);\r
 759 \r
 760         struct CV_EXPORTS ConvolveBuf;\r
 761 \r
 762         //! buffered version\r
 763         CV_EXPORTS void convolve(const GpuMat& image, const GpuMat& templ, GpuMat& result, \r
 764                                  bool ccorr, ConvolveBuf& buf);\r
 765 \r
 766         struct CV_EXPORTS ConvolveBuf\r
 767         {\r
 768             ConvolveBuf() {}\r
 769             ConvolveBuf(Size image_size, Size templ_size) \r
 770                 { create(image_size, templ_size); }\r
 771             void create(Size image_size, Size templ_size);\r
 772 \r
 773         private:\r
 774             static Size estimateBlockSize(Size result_size, Size templ_size);\r
 775             friend void convolve(const GpuMat&, const GpuMat&, GpuMat&, bool, ConvolveBuf&);\r
 776 \r
 777             Size result_size;\r
 778             Size block_size;\r
 779             Size dft_size;\r
 780             int spect_len;\r
 781 \r
 782             GpuMat image_spect, templ_spect, result_spect;\r
 783             GpuMat image_block, templ_block, result_data;\r
 784         };\r
 785 \r
 786         //! computes the proximity map for the raster template and the image where the template is searched for\r
 787         CV_EXPORTS void matchTemplate(const GpuMat& image, const GpuMat& templ, GpuMat& result, int method);\r
 788 \r
 789         //! downsamples image\r
 790         CV_EXPORTS void downsample(const GpuMat& src, GpuMat& dst, int k=2);\r
 791 \r
 792         //! performs linear blending of two images\r
 793         //! to avoid accuracy errors sum of weigths shouldn't be very close to zero\r
 794         CV_EXPORTS void blendLinear(const GpuMat& img1, const GpuMat& img2, const GpuMat& weights1, const GpuMat& weights2, \r
 795                                     GpuMat& result);\r
 796 \r
 797         ////////////////////////////// Matrix reductions //////////////////////////////\r
 798 \r
 799         //! computes mean value and standard deviation of all or selected array elements\r
 800         //! supports only CV_8UC1 type\r
 801         CV_EXPORTS void meanStdDev(const GpuMat& mtx, Scalar& mean, Scalar& stddev);\r
 802 \r
 803         //! computes norm of array\r
 804         //! supports NORM_INF, NORM_L1, NORM_L2\r
 805         //! supports all matrices except 64F\r
 806         CV_EXPORTS double norm(const GpuMat& src1, int normType=NORM_L2);\r
 807 \r
 808         //! computes norm of array\r
 809         //! supports NORM_INF, NORM_L1, NORM_L2\r
 810         //! supports all matrices except 64F\r
 811         CV_EXPORTS double norm(const GpuMat& src1, int normType, GpuMat& buf);\r
 812 \r
 813         //! computes norm of the difference between two arrays\r
 814         //! supports NORM_INF, NORM_L1, NORM_L2\r
 815         //! supports only CV_8UC1 type\r
 816         CV_EXPORTS double norm(const GpuMat& src1, const GpuMat& src2, int normType=NORM_L2);\r
 817 \r
 818         //! computes sum of array elements\r
 819         //! supports only single channel images\r
 820         CV_EXPORTS Scalar sum(const GpuMat& src);\r
 821 \r
 822         //! computes sum of array elements\r
 823         //! supports only single channel images\r
 824         CV_EXPORTS Scalar sum(const GpuMat& src, GpuMat& buf);\r
 825 \r
 826         //! computes sum of array elements absolute values\r
 827         //! supports only single channel images\r
 828         CV_EXPORTS Scalar absSum(const GpuMat& src);\r
 829 \r
 830         //! computes sum of array elements absolute values\r
 831         //! supports only single channel images\r
 832         CV_EXPORTS Scalar absSum(const GpuMat& src, GpuMat& buf);\r
 833 \r
 834         //! computes squared sum of array elements\r
 835         //! supports only single channel images\r
 836         CV_EXPORTS Scalar sqrSum(const GpuMat& src);\r
 837 \r
 838         //! computes squared sum of array elements\r
 839         //! supports only single channel images\r
 840         CV_EXPORTS Scalar sqrSum(const GpuMat& src, GpuMat& buf);\r
 841 \r
 842         //! finds global minimum and maximum array elements and returns their values\r
 843         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal=0, const GpuMat& mask=GpuMat());\r
 844 \r
 845         //! finds global minimum and maximum array elements and returns their values\r
 846         CV_EXPORTS void minMax(const GpuMat& src, double* minVal, double* maxVal, const GpuMat& mask, GpuMat& buf);\r
 847 \r
 848         //! finds global minimum and maximum array elements and returns their values with locations\r
 849         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0,\r
 850                                   const GpuMat& mask=GpuMat());\r
 851 \r
 852         //! finds global minimum and maximum array elements and returns their values with locations\r
 853         CV_EXPORTS void minMaxLoc(const GpuMat& src, double* minVal, double* maxVal, Point* minLoc, Point* maxLoc,\r
 854                                   const GpuMat& mask, GpuMat& valbuf, GpuMat& locbuf);\r
 855 \r
 856         //! counts non-zero array elements\r
 857         CV_EXPORTS int countNonZero(const GpuMat& src);\r
 858 \r
 859         //! counts non-zero array elements\r
 860         CV_EXPORTS int countNonZero(const GpuMat& src, GpuMat& buf);\r
 861 \r
 862 \r
 863         ///////////////////////////// Calibration 3D //////////////////////////////////\r
 864 \r
 865         CV_EXPORTS void transformPoints(const GpuMat& src, const Mat& rvec, const Mat& tvec,\r
 866                                         GpuMat& dst);\r
 867 \r
 868         CV_EXPORTS void transformPoints(const GpuMat& src, const Mat& rvec, const Mat& tvec,\r
 869                                         GpuMat& dst, const Stream& stream);\r
 870 \r
 871         CV_EXPORTS void projectPoints(const GpuMat& src, const Mat& rvec, const Mat& tvec,\r
 872                                       const Mat& camera_mat, const Mat& dist_coef, GpuMat& dst);\r
 873 \r
 874         CV_EXPORTS void projectPoints(const GpuMat& src, const Mat& rvec, const Mat& tvec,\r
 875                                       const Mat& camera_mat, const Mat& dist_coef, GpuMat& dst,\r
 876                                       const Stream& stream);\r
 877 \r
 878         CV_EXPORTS void solvePnPRansac(const Mat& object, const Mat& image, const Mat& camera_mat,\r
 879                                        const Mat& dist_coef, Mat& rvec, Mat& tvec, bool use_extrinsic_guess=false,\r
 880                                        int num_iters=100, float max_dist=8.0, int min_inlier_count=100, \r
 881                                        vector<int>* inliers=NULL);\r
 882 \r
 883         //////////////////////////////// Filter Engine ////////////////////////////////\r
 884 \r
 885         /*!\r
 886         The Base Class for 1D or Row-wise Filters\r
 887 \r
 888         This is the base class for linear or non-linear filters that process 1D data.\r
 889         In particular, such filters are used for the "horizontal" filtering parts in separable filters.\r
 890         */\r
 891         class CV_EXPORTS BaseRowFilter_GPU\r
 892         {\r
 893         public:\r
 894             BaseRowFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 895             virtual ~BaseRowFilter_GPU() {}\r
 896             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 897             int ksize, anchor;\r
 898         };\r
 899 \r
 900         /*!\r
 901         The Base Class for Column-wise Filters\r
 902 \r
 903         This is the base class for linear or non-linear filters that process columns of 2D arrays.\r
 904         Such filters are used for the "vertical" filtering parts in separable filters.\r
 905         */\r
 906         class CV_EXPORTS BaseColumnFilter_GPU\r
 907         {\r
 908         public:\r
 909             BaseColumnFilter_GPU(int ksize_, int anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 910             virtual ~BaseColumnFilter_GPU() {}\r
 911             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 912             int ksize, anchor;\r
 913         };\r
 914 \r
 915         /*!\r
 916         The Base Class for Non-Separable 2D Filters.\r
 917 \r
 918         This is the base class for linear or non-linear 2D filters.\r
 919         */\r
 920         class CV_EXPORTS BaseFilter_GPU\r
 921         {\r
 922         public:\r
 923             BaseFilter_GPU(const Size& ksize_, const Point& anchor_) : ksize(ksize_), anchor(anchor_) {}\r
 924             virtual ~BaseFilter_GPU() {}\r
 925             virtual void operator()(const GpuMat& src, GpuMat& dst) = 0;\r
 926             Size ksize;\r
 927             Point anchor;\r
 928         };\r
 929 \r
 930         /*!\r
 931         The Base Class for Filter Engine.\r
 932 \r
 933         The class can be used to apply an arbitrary filtering operation to an image.\r
 934         It contains all the necessary intermediate buffers.\r
 935         */\r
 936         class CV_EXPORTS FilterEngine_GPU\r
 937         {\r
 938         public:\r
 939             virtual ~FilterEngine_GPU() {}\r
 940 \r
 941             virtual void apply(const GpuMat& src, GpuMat& dst, Rect roi = Rect(0,0,-1,-1)) = 0;\r
 942         };\r
 943 \r
 944         //! returns the non-separable filter engine with the specified filter\r
 945         CV_EXPORTS Ptr<FilterEngine_GPU> createFilter2D_GPU(const Ptr<BaseFilter_GPU>& filter2D, int srcType, int dstType);\r
 946 \r
 947         //! returns the separable filter engine with the specified filters\r
 948         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableFilter_GPU(const Ptr<BaseRowFilter_GPU>& rowFilter,\r
 949             const Ptr<BaseColumnFilter_GPU>& columnFilter, int srcType, int bufType, int dstType);\r
 950 \r
 951         //! returns horizontal 1D box filter\r
 952         //! supports only CV_8UC1 source type and CV_32FC1 sum type\r
 953         CV_EXPORTS Ptr<BaseRowFilter_GPU> getRowSumFilter_GPU(int srcType, int sumType, int ksize, int anchor = -1);\r
 954 \r
 955         //! returns vertical 1D box filter\r
 956         //! supports only CV_8UC1 sum type and CV_32FC1 dst type\r
 957         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getColumnSumFilter_GPU(int sumType, int dstType, int ksize, int anchor = -1);\r
 958 \r
 959         //! returns 2D box filter\r
 960         //! supports CV_8UC1 and CV_8UC4 source type, dst type must be the same as source type\r
 961         CV_EXPORTS Ptr<BaseFilter_GPU> getBoxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1, -1));\r
 962 \r
 963         //! returns box filter engine\r
 964         CV_EXPORTS Ptr<FilterEngine_GPU> createBoxFilter_GPU(int srcType, int dstType, const Size& ksize,\r
 965             const Point& anchor = Point(-1,-1));\r
 966 \r
 967         //! returns 2D morphological filter\r
 968         //! only MORPH_ERODE and MORPH_DILATE are supported\r
 969         //! supports CV_8UC1 and CV_8UC4 types\r
 970         //! kernel must have CV_8UC1 type, one rows and cols == ksize.width * ksize.height\r
 971         CV_EXPORTS Ptr<BaseFilter_GPU> getMorphologyFilter_GPU(int op, int type, const Mat& kernel, const Size& ksize,\r
 972             Point anchor=Point(-1,-1));\r
 973 \r
 974         //! returns morphological filter engine. Only MORPH_ERODE and MORPH_DILATE are supported.\r
 975         CV_EXPORTS Ptr<FilterEngine_GPU> createMorphologyFilter_GPU(int op, int type, const Mat& kernel,\r
 976             const Point& anchor = Point(-1,-1), int iterations = 1);\r
 977 \r
 978         //! returns 2D filter with the specified kernel\r
 979         //! supports CV_8UC1 and CV_8UC4 types\r
 980         CV_EXPORTS Ptr<BaseFilter_GPU> getLinearFilter_GPU(int srcType, int dstType, const Mat& kernel, const Size& ksize,\r
 981             Point anchor = Point(-1, -1));\r
 982 \r
 983         //! returns the non-separable linear filter engine\r
 984         CV_EXPORTS Ptr<FilterEngine_GPU> createLinearFilter_GPU(int srcType, int dstType, const Mat& kernel,\r
 985             const Point& anchor = Point(-1,-1));\r
 986 \r
 987         //! returns the primitive row filter with the specified kernel.\r
 988         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 source type.\r
 989         //! there are two version of algorithm: NPP and OpenCV.\r
 990         //! NPP calls when srcType == CV_8UC1 or srcType == CV_8UC4 and bufType == srcType,\r
 991         //! otherwise calls OpenCV version.\r
 992         //! NPP supports only BORDER_CONSTANT border type.\r
 993         //! OpenCV version supports only CV_32F as buffer depth and\r
 994         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
 995         CV_EXPORTS Ptr<BaseRowFilter_GPU> getLinearRowFilter_GPU(int srcType, int bufType, const Mat& rowKernel,\r
 996             int anchor = -1, int borderType = BORDER_CONSTANT);\r
 997 \r
 998         //! returns the primitive column filter with the specified kernel.\r
 999         //! supports only CV_8UC1, CV_8UC4, CV_16SC1, CV_16SC2, CV_32SC1, CV_32FC1 dst type.\r
1000         //! there are two version of algorithm: NPP and OpenCV.\r
1001         //! NPP calls when dstType == CV_8UC1 or dstType == CV_8UC4 and bufType == dstType,\r
1002         //! otherwise calls OpenCV version.\r
1003         //! NPP supports only BORDER_CONSTANT border type.\r
1004         //! OpenCV version supports only CV_32F as buffer depth and\r
1005         //! BORDER_REFLECT101, BORDER_REPLICATE and BORDER_CONSTANT border types.\r
1006         CV_EXPORTS Ptr<BaseColumnFilter_GPU> getLinearColumnFilter_GPU(int bufType, int dstType, const Mat& columnKernel,\r
1007             int anchor = -1, int borderType = BORDER_CONSTANT);\r
1008 \r
1009         //! returns the separable linear filter engine\r
1010         CV_EXPORTS Ptr<FilterEngine_GPU> createSeparableLinearFilter_GPU(int srcType, int dstType, const Mat& rowKernel,\r
1011             const Mat& columnKernel, const Point& anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT,\r
1012             int columnBorderType = -1);\r
1013 \r
1014         //! returns filter engine for the generalized Sobel operator\r
1015         CV_EXPORTS Ptr<FilterEngine_GPU> createDerivFilter_GPU(int srcType, int dstType, int dx, int dy, int ksize,\r
1016             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
1017 \r
1018         //! returns the Gaussian filter engine\r
1019         CV_EXPORTS Ptr<FilterEngine_GPU> createGaussianFilter_GPU(int type, Size ksize, double sigma1, double sigma2 = 0,\r
1020             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
1021 \r
1022         //! returns maximum filter\r
1023         CV_EXPORTS Ptr<BaseFilter_GPU> getMaxFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
1024 \r
1025         //! returns minimum filter\r
1026         CV_EXPORTS Ptr<BaseFilter_GPU> getMinFilter_GPU(int srcType, int dstType, const Size& ksize, Point anchor = Point(-1,-1));\r
1027 \r
1028         //! smooths the image using the normalized box filter\r
1029         //! supports CV_8UC1, CV_8UC4 types\r
1030         CV_EXPORTS void boxFilter(const GpuMat& src, GpuMat& dst, int ddepth, Size ksize, Point anchor = Point(-1,-1));\r
1031 \r
1032         //! a synonym for normalized box filter\r
1033         static inline void blur(const GpuMat& src, GpuMat& dst, Size ksize, Point anchor = Point(-1,-1)) { boxFilter(src, dst, -1, ksize, anchor); }\r
1034 \r
1035         //! erodes the image (applies the local minimum operator)\r
1036         CV_EXPORTS void erode( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
1037 \r
1038         //! dilates the image (applies the local maximum operator)\r
1039         CV_EXPORTS void dilate( const GpuMat& src, GpuMat& dst, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
1040 \r
1041         //! applies an advanced morphological operation to the image\r
1042         CV_EXPORTS void morphologyEx( const GpuMat& src, GpuMat& dst, int op, const Mat& kernel, Point anchor = Point(-1, -1), int iterations = 1);\r
1043 \r
1044         //! applies non-separable 2D linear filter to the image\r
1045         CV_EXPORTS void filter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernel, Point anchor=Point(-1,-1));\r
1046 \r
1047         //! applies separable 2D linear filter to the image\r
1048         CV_EXPORTS void sepFilter2D(const GpuMat& src, GpuMat& dst, int ddepth, const Mat& kernelX, const Mat& kernelY,\r
1049             Point anchor = Point(-1,-1), int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
1050 \r
1051         //! applies generalized Sobel operator to the image\r
1052         CV_EXPORTS void Sobel(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, int ksize = 3, double scale = 1,\r
1053             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
1054 \r
1055         //! applies the vertical or horizontal Scharr operator to the image\r
1056         CV_EXPORTS void Scharr(const GpuMat& src, GpuMat& dst, int ddepth, int dx, int dy, double scale = 1,\r
1057             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
1058 \r
1059         //! smooths the image using Gaussian filter.\r
1060         CV_EXPORTS void GaussianBlur(const GpuMat& src, GpuMat& dst, Size ksize, double sigma1, double sigma2 = 0,\r
1061             int rowBorderType = BORDER_DEFAULT, int columnBorderType = -1);\r
1062 \r
1063         //! applies Laplacian operator to the image\r
1064         //! supports only ksize = 1 and ksize = 3\r
1065         CV_EXPORTS void Laplacian(const GpuMat& src, GpuMat& dst, int ddepth, int ksize = 1, double scale = 1);\r
1066 \r
1067         //////////////////////////////// Image Labeling ////////////////////////////////\r
1068 \r
1069         //!performs labeling via graph cuts\r
1070         CV_EXPORTS void graphcut(GpuMat& terminals, GpuMat& leftTransp, GpuMat& rightTransp, GpuMat& top, GpuMat& bottom, GpuMat& labels, GpuMat& buf);\r
1071 \r
1072         ////////////////////////////////// Histograms //////////////////////////////////\r
1073 \r
1074         //! Compute levels with even distribution. levels will have 1 row and nLevels cols and CV_32SC1 type.\r
1075         CV_EXPORTS void evenLevels(GpuMat& levels, int nLevels, int lowerLevel, int upperLevel);\r
1076         //! Calculates histogram with evenly distributed bins for signle channel source.\r
1077         //! Supports CV_8UC1, CV_16UC1 and CV_16SC1 source types.\r
1078         //! Output hist will have one row and histSize cols and CV_32SC1 type.\r
1079         CV_EXPORTS void histEven(const GpuMat& src, GpuMat& hist, int histSize, int lowerLevel, int upperLevel);\r
1080         //! Calculates histogram with evenly distributed bins for four-channel source.\r
1081         //! All channels of source are processed separately.\r
1082         //! Supports CV_8UC4, CV_16UC4 and CV_16SC4 source types.\r
1083         //! Output hist[i] will have one row and histSize[i] cols and CV_32SC1 type.\r
1084         CV_EXPORTS void histEven(const GpuMat& src, GpuMat hist[4], int histSize[4], int lowerLevel[4], int upperLevel[4]);\r
1085         //! Calculates histogram with bins determined by levels array.\r
1086         //! levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
1087         //! Supports CV_8UC1, CV_16UC1, CV_16SC1 and CV_32FC1 source types.\r
1088         //! Output hist will have one row and (levels.cols-1) cols and CV_32SC1 type.\r
1089         CV_EXPORTS void histRange(const GpuMat& src, GpuMat& hist, const GpuMat& levels);\r
1090         //! Calculates histogram with bins determined by levels array.\r
1091         //! All levels must have one row and CV_32SC1 type if source has integer type or CV_32FC1 otherwise.\r
1092         //! All channels of source are processed separately.\r
1093         //! Supports CV_8UC4, CV_16UC4, CV_16SC4 and CV_32FC4 source types.\r
1094         //! Output hist[i] will have one row and (levels[i].cols-1) cols and CV_32SC1 type.\r
1095         CV_EXPORTS void histRange(const GpuMat& src, GpuMat hist[4], const GpuMat levels[4]);\r
1096 \r
1097         //////////////////////////////// StereoBM_GPU ////////////////////////////////\r
1098 \r
1099         class CV_EXPORTS StereoBM_GPU\r
1100         {\r
1101         public:\r
1102             enum { BASIC_PRESET = 0, PREFILTER_XSOBEL = 1 };\r
1103 \r
1104             enum { DEFAULT_NDISP = 64, DEFAULT_WINSZ = 19 };\r
1105 \r
1106             //! the default constructor\r
1107             StereoBM_GPU();\r
1108             //! the full constructor taking the camera-specific preset, number of disparities and the SAD window size. ndisparities must be multiple of 8.\r
1109             StereoBM_GPU(int preset, int ndisparities = DEFAULT_NDISP, int winSize = DEFAULT_WINSZ);\r
1110 \r
1111             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair\r
1112             //! Output disparity has CV_8U type.\r
1113             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1114 \r
1115             //! async version\r
1116             void operator() ( const GpuMat& left, const GpuMat& right, GpuMat& disparity, const Stream & stream);\r
1117 \r
1118             //! Some heuristics that tries to estmate\r
1119             // if current GPU will be faster then CPU in this algorithm.\r
1120             // It queries current active device.\r
1121             static bool checkIfGpuCallReasonable();\r
1122 \r
1123             int preset;\r
1124             int ndisp;\r
1125             int winSize;\r
1126 \r
1127             // If avergeTexThreshold  == 0 => post procesing is disabled\r
1128             // If avergeTexThreshold != 0 then disparity is set 0 in each point (x,y) where for left image\r
1129             // SumOfHorizontalGradiensInWindow(x, y, winSize) < (winSize * winSize) * avergeTexThreshold\r
1130             // i.e. input left image is low textured.\r
1131             float avergeTexThreshold;\r
1132         private:\r
1133             GpuMat minSSD, leBuf, riBuf;\r
1134         };\r
1135 \r
1136         ////////////////////////// StereoBeliefPropagation ///////////////////////////\r
1137         // "Efficient Belief Propagation for Early Vision"\r
1138         // P.Felzenszwalb\r
1139 \r
1140         class CV_EXPORTS StereoBeliefPropagation\r
1141         {\r
1142         public:\r
1143             enum { DEFAULT_NDISP  = 64 };\r
1144             enum { DEFAULT_ITERS  = 5  };\r
1145             enum { DEFAULT_LEVELS = 5  };\r
1146 \r
1147             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels);\r
1148 \r
1149             //! the default constructor\r
1150             explicit StereoBeliefPropagation(int ndisp  = DEFAULT_NDISP,\r
1151                 int iters  = DEFAULT_ITERS,\r
1152                 int levels = DEFAULT_LEVELS,\r
1153                 int msg_type = CV_32F);\r
1154 \r
1155             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1156             //! number of levels, truncation of data cost, data weight,\r
1157             //! truncation of discontinuity cost and discontinuity single jump\r
1158             //! DataTerm = data_weight * min(fabs(I2-I1), max_data_term)\r
1159             //! DiscTerm = min(disc_single_jump * fabs(f1-f2), max_disc_term)\r
1160             //! please see paper for more details\r
1161             StereoBeliefPropagation(int ndisp, int iters, int levels,\r
1162                 float max_data_term, float data_weight,\r
1163                 float max_disc_term, float disc_single_jump,\r
1164                 int msg_type = CV_32F);\r
1165 \r
1166             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
1167             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
1168             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1169 \r
1170             //! async version\r
1171             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
1172 \r
1173 \r
1174             //! version for user specified data term\r
1175             void operator()(const GpuMat& data, GpuMat& disparity);\r
1176             void operator()(const GpuMat& data, GpuMat& disparity, Stream& stream);\r
1177 \r
1178             int ndisp;\r
1179 \r
1180             int iters;\r
1181             int levels;\r
1182 \r
1183             float max_data_term;\r
1184             float data_weight;\r
1185             float max_disc_term;\r
1186             float disc_single_jump;\r
1187 \r
1188             int msg_type;\r
1189         private:\r
1190             GpuMat u, d, l, r, u2, d2, l2, r2;\r
1191             std::vector<GpuMat> datas;\r
1192             GpuMat out;\r
1193         };\r
1194 \r
1195         /////////////////////////// StereoConstantSpaceBP ///////////////////////////\r
1196         // "A Constant-Space Belief Propagation Algorithm for Stereo Matching"\r
1197         // Qingxiong Yang, Liang Wang�, Narendra Ahuja\r
1198         // http://vision.ai.uiuc.edu/~qyang6/\r
1199 \r
1200         class CV_EXPORTS StereoConstantSpaceBP\r
1201         {\r
1202         public:\r
1203             enum { DEFAULT_NDISP    = 128 };\r
1204             enum { DEFAULT_ITERS    = 8   };\r
1205             enum { DEFAULT_LEVELS   = 4   };\r
1206             enum { DEFAULT_NR_PLANE = 4   };\r
1207 \r
1208             static void estimateRecommendedParams(int width, int height, int& ndisp, int& iters, int& levels, int& nr_plane);\r
1209 \r
1210             //! the default constructor\r
1211             explicit StereoConstantSpaceBP(int ndisp    = DEFAULT_NDISP,\r
1212                 int iters    = DEFAULT_ITERS,\r
1213                 int levels   = DEFAULT_LEVELS,\r
1214                 int nr_plane = DEFAULT_NR_PLANE,\r
1215                 int msg_type = CV_32F);\r
1216 \r
1217             //! the full constructor taking the number of disparities, number of BP iterations on each level,\r
1218             //! number of levels, number of active disparity on the first level, truncation of data cost, data weight,\r
1219             //! truncation of discontinuity cost, discontinuity single jump and minimum disparity threshold\r
1220             StereoConstantSpaceBP(int ndisp, int iters, int levels, int nr_plane,\r
1221                 float max_data_term, float data_weight, float max_disc_term, float disc_single_jump,\r
1222                 int min_disp_th = 0,\r
1223                 int msg_type = CV_32F);\r
1224 \r
1225             //! the stereo correspondence operator. Finds the disparity for the specified rectified stereo pair,\r
1226             //! if disparity is empty output type will be CV_16S else output type will be disparity.type().\r
1227             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity);\r
1228 \r
1229             //! async version\r
1230             void operator()(const GpuMat& left, const GpuMat& right, GpuMat& disparity, Stream& stream);\r
1231 \r
1232             int ndisp;\r
1233 \r
1234             int iters;\r
1235             int levels;\r
1236 \r
1237             int nr_plane;\r
1238 \r
1239             float max_data_term;\r
1240             float data_weight;\r
1241             float max_disc_term;\r
1242             float disc_single_jump;\r
1243 \r
1244             int min_disp_th;\r
1245 \r
1246             int msg_type;\r
1247 \r
1248             bool use_local_init_data_cost;\r
1249         private:\r
1250             GpuMat u[2], d[2], l[2], r[2];\r
1251             GpuMat disp_selected_pyr[2];\r
1252 \r
1253             GpuMat data_cost;\r
1254             GpuMat data_cost_selected;\r
1255 \r
1256             GpuMat temp;\r
1257 \r
1258             GpuMat out;\r
1259         };\r
1260 \r
1261         /////////////////////////// DisparityBilateralFilter ///////////////////////////\r
1262         // Disparity map refinement using joint bilateral filtering given a single color image.\r
1263         // Qingxiong Yang, Liang Wang�, Narendra Ahuja\r
1264         // http://vision.ai.uiuc.edu/~qyang6/\r
1265 \r
1266         class CV_EXPORTS DisparityBilateralFilter\r
1267         {\r
1268         public:\r
1269             enum { DEFAULT_NDISP  = 64 };\r
1270             enum { DEFAULT_RADIUS = 3 };\r
1271             enum { DEFAULT_ITERS  = 1 };\r
1272 \r
1273             //! the default constructor\r
1274             explicit DisparityBilateralFilter(int ndisp = DEFAULT_NDISP, int radius = DEFAULT_RADIUS, int iters = DEFAULT_ITERS);\r
1275 \r
1276             //! the full constructor taking the number of disparities, filter radius,\r
1277             //! number of iterations, truncation of data continuity, truncation of disparity continuity\r
1278             //! and filter range sigma\r
1279             DisparityBilateralFilter(int ndisp, int radius, int iters, float edge_threshold, float max_disc_threshold, float sigma_range);\r
1280 \r
1281             //! the disparity map refinement operator. Refine disparity map using joint bilateral filtering given a single color image.\r
1282             //! disparity must have CV_8U or CV_16S type, image must have CV_8UC1 or CV_8UC3 type.\r
1283             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst);\r
1284 \r
1285             //! async version\r
1286             void operator()(const GpuMat& disparity, const GpuMat& image, GpuMat& dst, Stream& stream);\r
1287 \r
1288         private:\r
1289             int ndisp;\r
1290             int radius;\r
1291             int iters;\r
1292 \r
1293             float edge_threshold;\r
1294             float max_disc_threshold;\r
1295             float sigma_range;\r
1296 \r
1297             GpuMat table_color;\r
1298             GpuMat table_space;\r
1299         };\r
1300 \r
1301 \r
1302         //////////////// HOG (Histogram-of-Oriented-Gradients) Descriptor and Object Detector //////////////\r
1303 \r
1304         struct CV_EXPORTS HOGDescriptor\r
1305         {\r
1306             enum { DEFAULT_WIN_SIGMA = -1 };\r
1307             enum { DEFAULT_NLEVELS = 64 };\r
1308             enum { DESCR_FORMAT_ROW_BY_ROW, DESCR_FORMAT_COL_BY_COL };\r
1309 \r
1310             HOGDescriptor(Size win_size=Size(64, 128), Size block_size=Size(16, 16),\r
1311                           Size block_stride=Size(8, 8), Size cell_size=Size(8, 8),\r
1312                           int nbins=9, double win_sigma=DEFAULT_WIN_SIGMA,\r
1313                           double threshold_L2hys=0.2, bool gamma_correction=true,\r
1314                           int nlevels=DEFAULT_NLEVELS);\r
1315 \r
1316             size_t getDescriptorSize() const;\r
1317             size_t getBlockHistogramSize() const;\r
1318 \r
1319             void setSVMDetector(const vector<float>& detector);\r
1320 \r
1321             static vector<float> getDefaultPeopleDetector();\r
1322             static vector<float> getPeopleDetector48x96();\r
1323             static vector<float> getPeopleDetector64x128();\r
1324 \r
1325             void detect(const GpuMat& img, vector<Point>& found_locations, \r
1326                         double hit_threshold=0, Size win_stride=Size(), \r
1327                         Size padding=Size());\r
1328 \r
1329             void detectMultiScale(const GpuMat& img, vector<Rect>& found_locations,\r
1330                                   double hit_threshold=0, Size win_stride=Size(), \r
1331                                   Size padding=Size(), double scale0=1.05, \r
1332                                   int group_threshold=2);\r
1333 \r
1334             void getDescriptors(const GpuMat& img, Size win_stride, \r
1335                                 GpuMat& descriptors,\r
1336                                 int descr_format=DESCR_FORMAT_COL_BY_COL);\r
1337 \r
1338             Size win_size;\r
1339             Size block_size;\r
1340             Size block_stride;\r
1341             Size cell_size;\r
1342             int nbins;\r
1343             double win_sigma;\r
1344             double threshold_L2hys;\r
1345             bool gamma_correction;\r
1346             int nlevels;\r
1347 \r
1348         protected:\r
1349             void computeBlockHistograms(const GpuMat& img);\r
1350             void computeGradient(const GpuMat& img, GpuMat& grad, GpuMat& qangle);\r
1351 \r
1352             double getWinSigma() const;\r
1353             bool checkDetectorSize() const;\r
1354 \r
1355             static int numPartsWithin(int size, int part_size, int stride);\r
1356             static Size numPartsWithin(Size size, Size part_size, Size stride);\r
1357 \r
1358             // Coefficients of the separating plane\r
1359             float free_coef;\r
1360             GpuMat detector;\r
1361 \r
1362             // Results of the last classification step\r
1363             GpuMat labels, labels_buf;\r
1364             Mat labels_host;\r
1365 \r
1366             // Results of the last histogram evaluation step\r
1367             GpuMat block_hists, block_hists_buf;\r
1368 \r
1369             // Gradients conputation results\r
1370             GpuMat grad, qangle, grad_buf, qangle_buf;\r
1371 \r
1372                         // returns subbuffer with required size, reallocates buffer if nessesary.\r
1373                         static GpuMat getBuffer(const Size& sz, int type, GpuMat& buf);\r
1374                         static GpuMat getBuffer(int rows, int cols, int type, GpuMat& buf);\r
1375 \r
1376                         std::vector<GpuMat> image_scales;\r
1377         };\r
1378 \r
1379 \r
1380         ////////////////////////////////// BruteForceMatcher //////////////////////////////////\r
1381 \r
1382         class CV_EXPORTS BruteForceMatcher_GPU_base\r
1383         {\r
1384         public:\r
1385             enum DistType {L1Dist = 0, L2Dist};\r
1386 \r
1387             explicit BruteForceMatcher_GPU_base(DistType distType = L2Dist);\r
1388 \r
1389             // Add descriptors to train descriptor collection.\r
1390             void add(const std::vector<GpuMat>& descCollection);\r
1391 \r
1392             // Get train descriptors collection.\r
1393             const std::vector<GpuMat>& getTrainDescriptors() const;\r
1394 \r
1395             // Clear train descriptors collection.\r
1396             void clear();\r
1397 \r
1398             // Return true if there are not train descriptors in collection.\r
1399             bool empty() const;\r
1400 \r
1401             // Return true if the matcher supports mask in match methods.\r
1402             bool isMaskSupported() const;\r
1403 \r
1404             // Find one best match for each query descriptor.\r
1405             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1406             // distance.at<float>(0, queryIdx) will contain distance\r
1407             void matchSingle(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1408                 GpuMat& trainIdx, GpuMat& distance,\r
1409                 const GpuMat& mask = GpuMat());\r
1410 \r
1411             // Download trainIdx and distance to CPU vector with DMatch\r
1412             static void matchDownload(const GpuMat& trainIdx, const GpuMat& distance, std::vector<DMatch>& matches);\r
1413 \r
1414             // Find one best match for each query descriptor.\r
1415             void match(const GpuMat& queryDescs, const GpuMat& trainDescs, std::vector<DMatch>& matches,\r
1416                 const GpuMat& mask = GpuMat());\r
1417 \r
1418             // Make gpu collection of trains and masks in suitable format for matchCollection function\r
1419             void makeGpuCollection(GpuMat& trainCollection, GpuMat& maskCollection,\r
1420                 const vector<GpuMat>& masks = std::vector<GpuMat>());\r
1421 \r
1422             // Find one best match from train collection for each query descriptor.\r
1423             // trainIdx.at<int>(0, queryIdx) will contain best train index for queryIdx\r
1424             // imgIdx.at<int>(0, queryIdx) will contain best image index for queryIdx\r
1425             // distance.at<float>(0, queryIdx) will contain distance\r
1426             void matchCollection(const GpuMat& queryDescs, const GpuMat& trainCollection,\r
1427                 GpuMat& trainIdx, GpuMat& imgIdx, GpuMat& distance,\r
1428                 const GpuMat& maskCollection);\r
1429 \r
1430             // Download trainIdx, imgIdx and distance to CPU vector with DMatch\r
1431             static void matchDownload(const GpuMat& trainIdx, const GpuMat& imgIdx, const GpuMat& distance,\r
1432                 std::vector<DMatch>& matches);\r
1433 \r
1434             // Find one best match from train collection for each query descriptor.\r
1435             void match(const GpuMat& queryDescs, std::vector<DMatch>& matches,\r
1436                 const std::vector<GpuMat>& masks = std::vector<GpuMat>());\r
1437 \r
1438             // Find k best matches for each query descriptor (in increasing order of distances).\r
1439             // trainIdx.at<int>(queryIdx, i) will contain index of i'th best trains (i < k).\r
1440             // distance.at<float>(queryIdx, i) will contain distance.\r
1441             // allDist is a buffer to store all distance between query descriptors and train descriptors\r
1442             // it have size (nQuery,nTrain) and CV_32F type\r
1443             // allDist.at<float>(queryIdx, trainIdx) will contain FLT_MAX, if trainIdx is one from k best,\r
1444             // otherwise it will contain distance between queryIdx and trainIdx descriptors\r
1445             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1446                 GpuMat& trainIdx, GpuMat& distance, GpuMat& allDist, int k, const GpuMat& mask = GpuMat());\r
1447 \r
1448             // Download trainIdx and distance to CPU vector with DMatch\r
1449             // compactResult is used when mask is not empty. If compactResult is false matches\r
1450             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1451             // matches vector will not contain matches for fully masked out query descriptors.\r
1452             static void knnMatchDownload(const GpuMat& trainIdx, const GpuMat& distance,\r
1453                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1454 \r
1455             // Find k best matches for each query descriptor (in increasing order of distances).\r
1456             // compactResult is used when mask is not empty. If compactResult is false matches\r
1457             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1458             // matches vector will not contain matches for fully masked out query descriptors.\r
1459             void knnMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1460                 std::vector< std::vector<DMatch> >& matches, int k, const GpuMat& mask = GpuMat(),\r
1461                 bool compactResult = false);\r
1462 \r
1463             // Find k best matches  for each query descriptor (in increasing order of distances).\r
1464             // compactResult is used when mask is not empty. If compactResult is false matches\r
1465             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1466             // matches vector will not contain matches for fully masked out query descriptors.\r
1467             void knnMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, int knn,\r
1468                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false );\r
1469 \r
1470             // Find best matches for each query descriptor which have distance less than maxDistance.\r
1471             // nMatches.at<unsigned int>(0, queruIdx) will contain matches count for queryIdx.\r
1472             // carefully nMatches can be greater than trainIdx.cols - it means that matcher didn't find all matches,\r
1473             // because it didn't have enough memory.\r
1474             // trainIdx.at<int>(queruIdx, i) will contain ith train index (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1475             // distance.at<int>(queruIdx, i) will contain ith distance (i < min(nMatches.at<unsigned int>(0, queruIdx), trainIdx.cols))\r
1476             // If trainIdx is empty, then trainIdx and distance will be created with size nQuery x nTrain,\r
1477             // otherwize user can pass own allocated trainIdx and distance with size nQuery x nMaxMatches\r
1478             // Matches doesn't sorted.\r
1479             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1480                 GpuMat& trainIdx, GpuMat& nMatches, GpuMat& distance, float maxDistance,\r
1481                 const GpuMat& mask = GpuMat());\r
1482 \r
1483             // Download trainIdx, nMatches and distance to CPU vector with DMatch.\r
1484             // matches will be sorted in increasing order of distances.\r
1485             // compactResult is used when mask is not empty. If compactResult is false matches\r
1486             // vector will have the same size as queryDescriptors rows. If compactResult is true\r
1487             // matches vector will not contain matches for fully masked out query descriptors.\r
1488             static void radiusMatchDownload(const GpuMat& trainIdx, const GpuMat& nMatches, const GpuMat& distance,\r
1489                 std::vector< std::vector<DMatch> >& matches, bool compactResult = false);\r
1490 \r
1491             // Find best matches for each query descriptor which have distance less than maxDistance\r
1492             // in increasing order of distances).\r
1493             void radiusMatch(const GpuMat& queryDescs, const GpuMat& trainDescs,\r
1494                 std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1495                 const GpuMat& mask = GpuMat(), bool compactResult = false);\r
1496 \r
1497             // Find best matches from train collection for each query descriptor which have distance less than\r
1498             // maxDistance (in increasing order of distances).\r
1499             void radiusMatch(const GpuMat& queryDescs, std::vector< std::vector<DMatch> >& matches, float maxDistance,\r
1500                 const std::vector<GpuMat>& masks = std::vector<GpuMat>(), bool compactResult = false);\r
1501 \r
1502         private:\r
1503             DistType distType;\r
1504 \r
1505             std::vector<GpuMat> trainDescCollection;\r
1506         };\r
1507 \r
1508         template <class Distance>\r
1509         class CV_EXPORTS BruteForceMatcher_GPU;\r
1510 \r
1511         template <typename T>\r
1512         class CV_EXPORTS BruteForceMatcher_GPU< L1<T> > : public BruteForceMatcher_GPU_base\r
1513         {\r
1514         public:\r
1515             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L1Dist) {}\r
1516             explicit BruteForceMatcher_GPU(L1<T> /*d*/) : BruteForceMatcher_GPU_base(L1Dist) {}\r
1517         };\r
1518         template <typename T>\r
1519         class CV_EXPORTS BruteForceMatcher_GPU< L2<T> > : public BruteForceMatcher_GPU_base\r
1520         {\r
1521         public:\r
1522             explicit BruteForceMatcher_GPU() : BruteForceMatcher_GPU_base(L2Dist) {}\r
1523             explicit BruteForceMatcher_GPU(L2<T> /*d*/) : BruteForceMatcher_GPU_base(L2Dist) {}\r
1524         };\r
1525 \r
1526         ////////////////////////////////// CascadeClassifier_GPU //////////////////////////////////////////\r
1527         // The cascade classifier class for object detection.\r
1528         class CV_EXPORTS CascadeClassifier_GPU\r
1529         {\r
1530         public:\r
1531             CascadeClassifier_GPU();\r
1532             CascadeClassifier_GPU(const string& filename);\r
1533             ~CascadeClassifier_GPU();\r
1534 \r
1535             bool empty() const;\r
1536             bool load(const string& filename);\r
1537             void release();\r
1538 \r
1539             /* returns number of detected objects */\r
1540             int detectMultiScale( const GpuMat& image, GpuMat& objectsBuf, double scaleFactor=1.2, int minNeighbors=4, Size minSize=Size());\r
1541 \r
1542             bool findLargestObject;\r
1543             bool visualizeInPlace;\r
1544 \r
1545             Size getClassifierSize() const;\r
1546         private:\r
1547 \r
1548             struct CascadeClassifierImpl;\r
1549             CascadeClassifierImpl* impl;\r
1550         };\r
1551 \r
1552         ////////////////////////////////// SURF //////////////////////////////////////////\r
1553 \r
1554         class CV_EXPORTS SURF_GPU : public CvSURFParams\r
1555         {\r
1556         public:\r
1557             //! the default constructor\r
1558             SURF_GPU();\r
1559             //! the full constructor taking all the necessary parameters\r
1560             explicit SURF_GPU(double _hessianThreshold, int _nOctaves=4,\r
1561                  int _nOctaveLayers=2, bool _extended=false, float _keypointsRatio=0.01f, bool _upright = false);\r
1562 \r
1563             //! returns the descriptor size in float's (64 or 128)\r
1564             int descriptorSize() const;\r
1565 \r
1566             //! upload host keypoints to device memory\r
1567             void uploadKeypoints(const vector<KeyPoint>& keypoints, GpuMat& keypointsGPU);\r
1568             //! download keypoints from device to host memory\r
1569             void downloadKeypoints(const GpuMat& keypointsGPU, vector<KeyPoint>& keypoints);\r
1570 \r
1571             //! download descriptors from device to host memory\r
1572             void downloadDescriptors(const GpuMat& descriptorsGPU, vector<float>& descriptors);\r
1573             \r
1574             //! finds the keypoints using fast hessian detector used in SURF\r
1575             //! supports CV_8UC1 images\r
1576             //! keypoints will have 1 row and type CV_32FC(6)\r
1577             //! keypoints.at<float[6]>(1, i) contains i'th keypoint\r
1578             //! format: (x, y, laplacian, size, dir, hessian)\r
1579             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints);\r
1580             //! finds the keypoints and computes their descriptors. \r
1581             //! Optionally it can compute descriptors for the user-provided keypoints and recompute keypoints direction\r
1582             void operator()(const GpuMat& img, const GpuMat& mask, GpuMat& keypoints, GpuMat& descriptors, \r
1583                 bool useProvidedKeypoints = false);\r
1584 \r
1585             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints);\r
1586             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, GpuMat& descriptors, \r
1587                 bool useProvidedKeypoints = false);\r
1588 \r
1589             void operator()(const GpuMat& img, const GpuMat& mask, std::vector<KeyPoint>& keypoints, std::vector<float>& descriptors, \r
1590                 bool useProvidedKeypoints = false);\r
1591 \r
1592             //! max keypoints = min(keypointsRatio * img.size().area(), 65535)\r
1593             float keypointsRatio;\r
1594 \r
1595             bool upright;\r
1596 \r
1597             GpuMat sum, mask1, maskSum, intBuffer;\r
1598 \r
1599             GpuMat det, trace;\r
1600 \r
1601             GpuMat maxPosBuffer;\r
1602             GpuMat featuresBuffer;\r
1603             GpuMat keypointsBuffer;\r
1604         };\r
1605 \r
1606     }\r
1607 \r
1608     //! Speckle filtering - filters small connected components on diparity image.\r
1609     //! It sets pixel (x,y) to newVal if it coresponds to small CC with size < maxSpeckleSize.\r
1610     //! Threshold for border between CC is diffThreshold;\r
1611     CV_EXPORTS void filterSpeckles( Mat& img, uchar newVal, int maxSpeckleSize, uchar diffThreshold, Mat& buf);\r
1612 \r
1613 }\r
1614 #include "opencv2/gpu/matrix_operations.hpp"\r
1615 \r
1616 #endif /* __OPENCV_GPU_HPP__ */\r