深入解析：OpenCV CUDA模块图像处理------创建CUDA加速的Canny边缘检测器对象createCannyEdgeDetector()

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

该函数用于创建一个 CUDA 加速的 Canny 边缘检测器对象（CannyEdgeDetector），可以在 GPU 上高效执行 Canny 边缘检测算法。
它返回的是一个智能指针 Ptr，可以通过这个指针调用 .detect() 方法来对图像进行边缘检测。
Canny 是一种经典的多阶段边缘检测算法，包含以下几个步骤：

• 高斯滤波去噪（用户需自行预处理）
• 计算图像梯度幅值和方向
• 非极大值抑制（Non-Maximum Suppression）
• 滞后阈值处理（Hysteresis Thresholding）

OpenCV 的 cv::cuda::CannyEdgeDetector 类在 GPU 上实现了上述流程，适用于需要实时性或大规模图像处理的场景。

函数原型

Ptr<CannyEdgeDetector> cv::cuda::createCannyEdgeDetector(double low_thresh,double high_thresh,int apperture_size = 3,bool L2gradient = false)

参数

• low_thresh 滞后阈值处理（hysteresis procedure）中的第一个阈值（低阈值）。用于边缘连接，低于此值的边缘点通常会被抑制。
• high_thresh 滞后阈值处理中的第二个阈值（高阈值）。高于此值的像素被认为是强边缘点（strong edges），会被保留。
• aperture_size Sobel 算子使用的孔径大小（即卷积核的尺寸）。用于计算图像梯度。常用的值为 3、5 或 7。
• L2gradient 一个标志，表示是否使用更精确的 L2 范数来计算图像梯度幅值：
  $L_{2}norm=\sqrt{(dI/dx{)}^2+(dI/dy{)}^2}$当 L2gradient = true 时使用该方式；否则使用更快但精度稍低的 L1 范数：
  $$L_{1}norm=|dI/dx|+|dI/dy|$$

代码示例

#
include <opencv2/cudaimgproc.hpp>#include <opencv2/opencv.hpp>int main(){// Step 1: 读取图像并转换为灰度图cv::Mat h_img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/stich1.png", cv::IMREAD_GRAYSCALE );if ( h_img.empty()){std::cerr <<"Failed to load image!" << std::endl;return -1;}// Step 2: 图像上传到 GPUcv::cuda::GpuMat d_img, d_edges;d_img.upload( h_img );// Step 3: 创建 Canny 边缘检测器（GPU 版）double low_thresh = 50;double high_thresh = 150;cv::Ptr< cv::cuda::CannyEdgeDetector > canny = cv::cuda::createCannyEdgeDetector( low_thresh, high_thresh );// Step 4: 执行边缘检测canny->detect( d_img, d_edges );// Step 5: 下载结果并显示cv::Mat h_edges;d_edges.download( h_edges );cv::imshow( "Original Image", h_img );cv::imshow( "Edges", h_edges );cv::waitKey( 0);return 0;}

运行结果

​