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