Zeng Peng的博客

随着多核CPU和众核GPU的到来，并行编程已经得到了业界越来越多的重视，CPU-GPU异构程序能够极大提高现有计算机系统的运算性能，对于科学计算等运算密集型程序有着非常重要的意义。这一系列文章是根据《CUDA C语言编程指南》来整理的，该指南是NVIDIA公司提供的CUDA学习资料，介绍了CUDA编程最基本最核心的概念，是学习CUDA必不可少的阅读材料。初学CUDA，笔记错误之处在所难免，

CUDA基本使用方法在介绍OpenCV中GPU模块使用之前，先回顾下CUDA的一般使用方法，其基本步骤如下：1.主机代码执行；2.传输数据到GPU；3.确定grid，block大小；4.调用内核函数，GPU运行程序；5.传输结果到CPU；6.继续主机代码执行。下图是两个向量相加的简单示例程序和处理流图。注意的问题：cu，cpp文件的组织内核函数和其wrapper

问题描述：利用GPU进行图像处理加速时，图像格式一般是RGB 3通道图像，每个通占用一个字节，即24位像素图像．而cuda访问数据元素时，若每个线程访问8bit,16bit,32bit,64bit时，对应数据段长可以是32Byte,64Byte,128Byte,128Byte，可以达到全局内存合并访问的要求，提高访问访问全局内存性能．若每个线程访问24bit将无法达到全局内

本文详细介绍了在树莓派Ubuntu Mate中配置并测试opencv，在树莓派Ubuntu Mate中配置opencv与在ubuntu 14.04中配置opencv的过程没有什么大的差别，如果看过在ubuntu中配置opencv的话可以不用再看这篇了，这篇博文只是作为学习笔记。

参照www.Micro_Studios.com的视频，在Ubuntu中成功安装了opencv，并且测试成功。现把具体的安装及测试过程整理出来，适合刚刚在Linux中使用opencv的同学参考参考。

目前由于项目的需要，实现了基于Socket和OpenCV的实时视频传输。由一台PC（Client客户端）采集摄像头图像后经Socket传输到另一台PC（Server服务器）再显示出来。这一篇介绍在Windows上的实现，在下一篇讲解在Linux上的实现。环境：Server： Windows 10 + OpenCV2.4.10 Client:： Windows 1

由于项目要求，不久前实现了采集Kinect的彩图和深度图并通过Socket传输到另一台PC上。在Windows中采集，通过socket发送到Ubuntu中。环境：Windows 10 + VS2012 + Kinect for Windows SDK2.0 + OpenCV2.4.10 Ubuntu 14.04 LTS + OpenCV2.4.10贴两张效果图：

上一篇介绍了在Windows上实现基于Socket和openCV的实时视频传输，这一篇将继续讲解在Linux上的实现。环境：Server： Ubuntu 14.04 LTS + OpenCV2.4.10 Client:： Ubuntu 14.04 LTS + OpenCV2.4.10 我采用的仍是TCP协议的通信，Linux上的实现和Wind