OpenCV CUDA模块中逐元素操作------数学函数

  • 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

在OpenCV的CUDA模块中,确实存在一系列用于执行逐元素数学运算的函数,包括指数、对数、平方根等。这些函数对于高级图像处理算法非常有用,比如计算图像梯度幅值时可能用到的平方根操作。

主要函数

1. 指数 - cv::cuda::exp

描述:计算每个数组元素的自然指数(e的幂)。
#### 函数原型
 void cv::cuda::exp(InputArray src, OutputArray dst, Stream& stream = Stream::Null());
参数
  • src: 输入数组。
  • dst: 输出数组。
  • stream: CUDA流用于异步执行(可选)。

2. 对数 - cv::cuda::log

描述:计算每个数组元素的自然对数。

函数原型:与cv::cuda::exp类似,但执行的是对数操作。

3. 平方根 - cv::cuda::sqrt

描述:计算每个数组元素的平方根。
函数原型

void cv::cuda::sqrt
(
InputArray src,
OutputArray dst,
Stream& stream = Stream::Null()
);

参数
  • src: 输入数组。
  • dst: 输出数组。
  • stream: CUDA流用于异步执行(可选)。

代码示例

#include <iostream>
#include <opencv2/cudaarithm.hpp>
#include <opencv2/opencv.hpp>int main()
{// 创建一个测试图像(单通道浮点型)cv::Mat h_image = cv::Mat::ones( 512, 512, CV_32FC1 );h_image( cv::Rect( 100, 100, 100, 100 ) ).setTo( cv::Scalar( 0.5 ) );h_image( cv::Rect( 300, 300, 100, 100 ) ).setTo( cv::Scalar( 2.0 ) );// 上传到GPUcv::cuda::GpuMat d_image;d_image.upload( h_image );// 结果GPU矩阵cv::cuda::GpuMat d_exp_result, d_log_result, d_sqrt_result;// 指数运算cv::cuda::exp( d_image, d_exp_result );// 对数运算(加1防止log(0))cv::cuda::GpuMat d_temp;cv::cuda::add( d_image, cv::Scalar( 1.0 ), d_temp );  // 替代 d_image + 1.0cv::cuda::log( d_temp, d_log_result );// 平方根cv::cuda::sqrt( d_image, d_sqrt_result );// sin / cos 需要回到CPU执行cv::Mat h_sin_result, h_cos_result;// 先下载回CPUcv::Mat h_exp_result, h_log_result, h_sqrt_result;d_exp_result.download( h_exp_result );d_log_result.download( h_log_result );d_sqrt_result.download( h_sqrt_result );cv::Mat h_data;d_image.download( h_data );// 显示结果cv::imshow( "Original", h_data / 2.0 );cv::imshow( "Exp", h_exp_result );cv::imshow( "Log", h_log_result );cv::imshow( "Sqrt", h_sqrt_result );cv::waitKey( 0 );return 0;
}

运行结果

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/81165.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

PhpStudy | PhpStudy 工具安装 —— Kali Linux 系统安装 PhpStudy

&#x1f31f;想了解这个工具的其它相关笔记&#xff1f;看看这个&#xff1a;[网安工具] 服务器环境配置工具 —— PhpStudy 使用手册 笔者备注&#xff1a;演示虽然是 Kali Linux&#xff0c;但其实 Linux 系列都可以参考此流程完成安装。 在前面的章节中&#xff0c;笔者简…

第6讲、全面拆解Encoder、Decoder内部模块

全面拆解 Transformer 架构&#xff1a;Encoder、Decoder 内部模块解析&#xff08;附流程图小测验&#xff09; 关键词&#xff1a;Transformer、Encoder、Decoder、Self-Attention、Masked Attention、位置编码、残差连接、多头注意力机制 Transformer 自 2017 年诞生以来&am…

游戏引擎学习第283天:“让‘Standing-on’成为一个更严谨的概念

如果同时使用多个OpenGL上下文&#xff0c;并且它们都有工作负载&#xff0c;GPU或GPU驱动程序如何决定调度这些工作&#xff1f;我注意到Windows似乎优先处理活动窗口的OpenGL上下文&#xff08;即活动窗口表现更好&#xff09;&#xff0c;挺有意思的…… 当多个OpenGL上下文…

深度学习让鱼与熊掌兼得

通常,一个大的复杂的模型的loss会低,但是拟合方面不够,小的模型在拟合方面更好,但是loss高,我们可以通过深度学习来得到一个有着低loss的小模型 我们之前学过,peacewise linear可以用常数加上一堆这个阶梯型函数得到,然后因为peacewise linear可以逼近任何function,所以理论上…

如何在 AWS 上构建支持 AVIF 的前端图片优化方案

一、为什么使用 AVIF 图片格式&#xff1f; 优势点 说明 高压缩率 在相似质量下&#xff0c;AVIF 文件比 JPEG/PNG/WebP 更小&#xff0c;能有效节省带宽和存储空间。 更高画质 即使在低码率下也能保持清晰细节&#xff0c;减少压缩带来的马赛克或模糊问题。 支持透明度 …

C++中的std::allocator

C中的std::allocator 文章目录 C中的std::allocator1.std::allocator1.1C中的placement new 和operator new1.2一个custom allocator的实现1.3使用std::allocator_traits实现allocator 1.std::allocator C中的std::allocator默默工作在CSTL中的所有容器的内存分配上&#xff0…

CodeBuddy编程新范式

不会写&#xff1f;不想写&#xff1f; 腾讯推出的CodeBuddy彻底解放双手。 示例 以下是我对CodeBuddy的一个小体验。 我只用一行文字对CodeBuddy说明了一下我的需求&#xff0c;剩下的全部就交给了CodeBuddy&#xff0c;我需要做的就是验收结果即可。 1.首先CodeBuddy会对任…

QML学习01(设置宽度、高度、坐标点、标题,信号与槽,键盘事件)

QML学习 1、前言2、QML3、QML和QWidget的区别3、QtQuick下的Windows应用4、总结 1、前言 记录一下QML学习的过程&#xff0c;方便自己日后回顾&#xff0c;也可以给有需要的人提供帮助。 2、QML QML是 Qt 框架中的一种声明式编程语言&#xff0c;专门用于快速设计和开发用户…

在VSCode中接入DeepSeek的指南

本文将介绍三种主流接入方式,涵盖本地模型调用和云端API接入方案。 一、环境准备 1.1 基础要求 VSCode 1.80+Node.js 16.x+Python 3.8+(本地部署场景)已部署的DeepSeek服务(本地或云端)1.2 安装必备插件 # 打开VSCode插件面板(Ctrl+Shift+X) 搜索并安装: - DeepSeek Of…

机器学习-计量经济学

机器学习 不要事前决定变量关系&#xff0c;关键是谁也不知道啊&#xff0c;机器学习学习的模型&#xff08;那也不是真实的关系啊&#xff09; 这就是自然学科的好处&#xff1a;只要不断的优化这个未知的东西&#xff08;函数&#xff09;&#xff0c;然后在数据上&#xff…

五、Linux账号与权限管理

1、管理用户和组账号 1.1、用户 1.1.1、用户的概念及作用 在Linux系统中,用户(User)指的是可以访问系统资源的个体实体。每个用户都有一个唯一的用户账号,用于标识和管理其在系统中的活动和访问权限。 用户的重要性和功能: 身份认证和访问控制: 用户账号用于身份认证,确…

精益数据分析(61/126):移情阶段评分体系构建与实战案例解析

精益数据分析&#xff08;61/126&#xff09;&#xff1a;移情阶段评分体系构建与实战案例解析 在创业的移情阶段&#xff0c;如何科学评估用户需求的真实性与紧迫性&#xff0c;是决定后续产品方向的关键。今天&#xff0c;我们结合《精益数据分析》中的评分框架&#xff0c;…

完成反射宇宙的最后一块拼图:泛型集合

反射,c#的黑科技,一手打造漂亮的,专属于自己的属性框 之前分享的: 如何写一个自定义属性控件的功能,但是只是对基础的类型,比如String,bool,int等,但是对list<T>,Vector<T>这种泛型集合类型支持的不是很好,刚好最近重新研究了一下,将这个非常重要的功能完成了. 效…

Redis--基础知识点--26--过期删除策略 与 淘汰策略

Redis 的过期策略和淘汰策略是内存管理的核心机制&#xff0c;分别用于处理键的自动失效和内存不足时的数据清理。以下是详细说明&#xff1a; 1 、过期删除策略&#xff08;Expiration Policy&#xff09; 处理已设置过期时间&#xff08;EXPIRE&#xff09;的键&#xff0c;…

第六天——贪心算法——字符串分隔

1. 题目 给定一个字符串 s&#xff0c;我们需要将其划分为尽可能多的部分&#xff0c;使得同一字母最多出现在一个部分中。 例如&#xff1a;字符串 "ababcc" 可以划分为 ["abab", "cc"]&#xff0c;但要避免 ["aba", "bcc&quo…

[原创](现代Delphi 12指南):[macOS 64bit App开发]: 注意“回车换行“的跨平台使用.

[作者] 常用网名: 猪头三 出生日期: 1981.XX.XX 企鹅交流: 643439947 个人网站: 80x86汇编小站 编程生涯: 2001年~至今[共24年] 职业生涯: 22年 开发语言: C/C++、80x86ASM、Object Pascal、Objective-C、C#、R、Python、PHP、Perl、 开发工具: Visual Studio、Delphi、XCode、…

Maven 插件参数注入与Mojo开发详解

&#x1f9d1; 博主简介&#xff1a;CSDN博客专家&#xff0c;历代文学网&#xff08;PC端可以访问&#xff1a;https://literature.sinhy.com/#/?__c1000&#xff0c;移动端可微信小程序搜索“历代文学”&#xff09;总架构师&#xff0c;15年工作经验&#xff0c;精通Java编…

扩增子分析|R分析之微生物生态网络稳定性评估之节点和连接的恒常性、节点持久性以及组成稳定性指数计算

一、引言 周集中老师团队于2021年在Nature climate change发表的文章&#xff0c;阐述了网络稳定性评估的原理算法&#xff0c;并提供了完整的代码。自此对微生物生态网络的评估具有更全面的指标&#xff0c;自此网络稳定性的评估广受大家欢迎。本文将介绍网络稳定性之节点和连…

人体肢体渲染-一步几个脚印从头设计数字生命——仙盟创梦IDE

人体肢体动作数据集-太极拳 渲染代码 # 初始化Pygame pygame.init()# 设置窗口尺寸 WINDOW_WIDTH 800 WINDOW_HEIGHT 600 window pygame.display.set_mode((WINDOW_WIDTH, WINDOW_HEIGHT)) pygame.display.set_caption("动作回放")# 设置帧率 FPS 30 clock pyg…

强化学习入门:马尔科夫奖励过程

文章目录 前言1、组成部分2、应用例子3、马尔科夫奖励过程总结 前言 最近想开一个关于强化学习专栏&#xff0c;因为DeepSeek-R1很火&#xff0c;但本人对于LLM连门都没入。因此&#xff0c;只是记录一些类似的读书笔记&#xff0c;内容不深&#xff0c;大多数只是一些概念的东…