前言

之前的学习都是针对cuda语法理论的，今天跟大家分享OpenCV CUDA库的使用。

1. OpenCV CUDA库使用框架

OpenCV CUDA库使用GpuMat存储图像矩阵，OpenCV CUDA库使用框架大致如下：

调用GpuMat::upload()函数将图像数据从CPU Mat中拷贝到GPU GpuMat上
然后调用cv::cuda::xxx()函数实现OpenCV库函数在GPU上的加速，
最用调用GpuMat::download()函数将GPU上结果图像拷贝到CPU上Mat矩阵。

2. C++ 调用OpenCV CUDA库实现图像加法操作

这里使用了共享内存，同步以及原子加法操作的概念实现直方图统计

详细代码如下所示：

#include <stdio.h>
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/cudacodec.hpp>
#include <opencv2/cudaarithm.hpp>
#include <opencv2/cudaimgproc.hpp>

using namespace std;
using namespace cv;

int main()
{
    
    
	//定义CPU 图像矩阵变量
	cv::Mat h_img1, h_img2, h_result;

	//OpenCV读取图像
	h_img1 = imread("D:\\Programming\\Repos\\DNN\\DTTNN\\resources\\opencv\\apple.jpg");
	h_img2 = imread("D:\\Programming\\Repos\\DNN\\DTTNN\\resources\\opencv\\orange.jpg");

	//定义GPU 图像矩阵变量
	cv::cuda::GpuMat d_img1, d_img2, d_result;

	//将CPU图像数据拷贝到GPU图像矩阵变量中
	d_img1.upload(h_img1);
	d_img2.upload(h_img2);

	//执行OpenCV CUDA函数
	cv::cuda::add(d_img1, d_img2, d_result);

	//将GPU图像数据拷贝到CPU图像矩阵中
	d_result.download(h_result);

	//在CPU终端窗口显示图像
	imshow("img1", h_img1);
	imshow("img2", h_img2);
	imshow("result", h_result);
	waitKey(0);

	//销毁所有图像窗口
	destroyAllWindows();
	return 0;
}

3. 执行结果

apple.jpg
请添加图片描述

orange.jpg
请添加图片描述

图像加法操作结果：
在这里插入图片描述

总结

从上面的例子来看，使用OpenCV CUDA库还是比较简单的，具体的CUDA加速细节对调用者来说是透明的，也不需要了解CUDA的具体语法，使用简单方便，缺点可能是扩展性不好，对于OpenCV不支持的CUDA加速操作，调用者没法自己扩充（OpenCV没有提供相应的扩展接口，个人目前没有找到OpenCV提供的扩展接口）。

本人也是刚接触，上面描述如有错误，还请谅解并能指正，谢谢！

学习资料

《基于GPU加速的计算机视觉编程》

VS2017 OpenCV CUDA库学习1：图像加法操作

文章目录

前言

1. OpenCV CUDA库使用框架

2. C++ 调用OpenCV CUDA库实现图像加法操作

3. 执行结果

总结

学习资料

Guess you like