CUDA学习--图像取反

部署运行你感兴趣的模型镜像

grid是1D的,block是2D的

#include<opencv2\opencv.hpp>
#include<cuda_runtime.h>
#include<stdio.h>
#include "device_launch_parameters.h"  

using namespace cv;

__global__ void revImg(uchar3* dev_c,int width,int height)
{
	int tid = blockIdx.x*blockDim.x*blockDim.y + threadIdx.y*blockDim.x + threadIdx.x;
	if (tid < width*height) {
		dev_c[tid].x = 255 - dev_c[tid].x;
		dev_c[tid].y = 255 - dev_c[tid].y;
		dev_c[tid].z = 255 - dev_c[tid].z;
	}     
}

int main()
{
	Mat image = imread("E:/code/study_cuda/study_reduce/study_reduce/cinque_terre_small.jpg");
	imshow("src", image);

	int width, height;
	width = image.size().width;
	height = image.size().height;
	printf("width=%d height=%d", width, height);
	int size = width * height;

	uchar3 *dev_c ;

	cudaMalloc((void**)&dev_c, size * sizeof(uchar3));

	cudaMemcpy(dev_c, image.data, size * sizeof(uchar3), cudaMemcpyHostToDevice);


	int thread = 16;
	int grid = (size + thread - 1) / (thread*thread);
	dim3 dimGrid(grid);
	dim3 dimBlock(thread,thread);
	revImg << <dimGrid, dimBlock >> > (dev_c,width,height);

	cudaMemcpy(image.data, dev_c, size * sizeof(uchar3), cudaMemcpyDeviceToHost);

	imshow("gpu", image);
	waitKey(0);

	cudaFree(dev_c);
	return 0;
}

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

引用\[1\]中的代码展示了使用OpenCV和CUDA进行图像处理的示例代码。该代码使用了OpenCV的cuda模块中的函数来对图像进行阈值化和形态学操作。首先,代码读取了一张灰度图像,并显示了原始图像。然后,使用cuda::threshold函数对图像进行阈值化处理,将灰度值大于153的像素设置为255,小于等于153的像素设置为0。接下来,使用cuda::bitwise_not函数对阈值化后的图像进行取反操作。然后,创建了一个3x3的矩形结构元素,并使用cuda::createMorphologyFilter函数创建了一个形态学滤波器,使用MORPH_OPEN操作对图像进行形态学开运算。最后,将处理后的图像下载到CPU内存,并显示结果图像。 引用\[2\]中的代码展示了使用OpenCV和CUDA进行自动阈值化的示例代码。该代码首先读取了一张灰度图像,并显示了原始图像。然后,使用cv::threshold函数对图像进行自动阈值化处理,使用OTSU方法求出最佳阈值,并将图像二值化。最后,显示处理后的图像。 引用\[3\]中的代码展示了使用OpenCV和CUDA进行阈值化的示例代码。该代码首先读取了一张灰度图像,并显示了原始图像。然后,使用cuda::threshold函数对图像进行阈值化处理,将灰度值大于50的像素设置为255,小于等于50的像素设置为0。最后,将处理后的图像下载到CPU内存,并显示结果图像。 综上所述,OpenCV和CUDA可以结合使用来进行图像处理,包括阈值化和形态学操作。通过使用CUDA加速,可以提高图像处理的速度和效率。 #### 引用[.reference_title] - *1* *2* *3* [OpenCV-C++-CUDA-06-形态学二值化操作](https://blog.youkuaiyun.com/Daker_Huang/article/details/106882404)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值