• 操作系統：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 編程語言：C++11

算法描述

該函數用于創建一個 CUDA 加速的 Canny 邊緣檢測器對象（CannyEdgeDetector），可以在 GPU 上高效執行 Canny 邊緣檢測算法。
它返回的是一個智能指針 Ptr，可以通過這個指針調用 .detect() 方法來對圖像進行邊緣檢測。
Canny 是一種經典的多階段邊緣檢測算法，包含以下幾個步驟：

• 高斯濾波去噪（用戶需自行預處理）
• 計算圖像梯度幅值和方向
• 非極大值抑制（Non-Maximum Suppression）
• 滯后閾值處理（Hysteresis Thresholding）

OpenCV 的 cv::cuda::CannyEdgeDetector 類在 GPU 上實現了上述流程，適用于需要實時性或大規模圖像處理的場景。

函數原型

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

參數

• low_thresh 滯后閾值處理（hysteresis procedure）中的第一個閾值（低閾值）。用于邊緣連接，低于此值的邊緣點通常會被抑制。
• high_thresh 滯后閾值處理中的第二個閾值（高閾值）。高于此值的像素被認為是強邊緣點（strong edges），會被保留。
• aperture_size Sobel 算子使用的孔徑大小（即卷積核的尺寸）。用于計算圖像梯度。常用的值為 3、5 或 7。
• L2gradient 一個標志，表示是否使用更精確的 L2 范數來計算圖像梯度幅值：
  $L_{2}norm=\sqrt{(dI/dx{)}^2+(dI/dy{)}^2}$當 L2gradient = true 時使用該方式；否則使用更快但精度稍低的 L1 范數：
  $$L_{1}norm=|dI/dx|+|dI/dy|$$

代碼示例

#include <opencv2/cudaimgproc.hpp>
#include <opencv2/opencv.hpp>int main()
{// Step 1: 讀取圖像并轉換為灰度圖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: 圖像上傳到 GPUcv::cuda::GpuMat d_img, d_edges;d_img.upload( h_img );// Step 3: 創建 Canny 邊緣檢測器（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: 執行邊緣檢測canny->detect( d_img, d_edges );// Step 5: 下載結果并顯示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;
}

運行結果

?