Opencv4+cuda 加速开发教程笔记

写在前面：2020年12月-2021年5月搞了一阵，发现老师期望过高，却没有明确指导方向，纯是自己瞎碰壁，搞不明白，改行了，学前端了，现在是2022年1月，今年毕业就入职

1 配置环境

2 CUDA配置与测试

---

#include<opencv2/opencv.hpp>
#include<opencv2/cudaimgproc.hpp>
#include<iostream>

using namespace cv;
using namespace cv::cuda;
using namespace std;

int main(int argc, char **argv) {
   
	cuda::printCudaDeviceInfo(cuda::getDevice());
	int count = getCudaEnabledDeviceCount();
	printf("device count:%d\n", count);
	return 0;
}

3 第一个程序

---

int main(int argc, char **argv) {
   
	Mat image_host = imread("lena.jpg");//CPU的内存对象
	imshow("input", image_host);

	//版本1.
	//GpuMat image_device(image_host);//GPU的内存对象
	//版本2.
	GpuMat image_device;
	image_device.upload(image_host);
	GpuMat gray_device;
	cuda::cvtColor(image_device, gray_device, COLOR_BGR2GRAY);//cuda加速的cvt版本
	
	Mat gray_host;
	gray_device.download(gray_host); 
	imshow("gray", gray_host);//注意：imshow显示不了GpuMat的对象
	waitKey(0);
	return 0;
}

4 GpuMat对象操作：算术与位运算

---

GpuMat与Mat的数据交换

• cuda内存对象GpuMat

• GpuMat与Mat的数据交换：通过upload，download进行

• 性能开销：频繁的GPU数据上传或下载都会耗时，最好只发生一次。

• GpuMat对象有release方法，用完要及时释放。

简单的像素操作

int main(int argc, char **argv) {
   

	Mat src1_host = imread("WindowsLogo.jpg");
	Mat src2_host = imread("LinuxLogo.jpg");
	//imshow("src1", src1_host);
	//imshow("src2", src2_host);

	//GPU对象
	GpuMat src1_device, src2_device, dst_device;
	src1_device.upload(src1_host);
	src2_device.upload(src2_host);
	cuda::add(src1_device, src2_device,dst_device);
	//cuda::subtract(src1_device, src2_device, dst_device);
	//cuda::multiply(src1_device, src2_device, dst_device);

	Mat res;
	dst_device.download(res);
	//imshow("res", res);

	//加减
	//基于权重的融合
	Mat src_host = imread("lena.jpg");
	GpuMat src;
	src.upload(src_host);
	GpuMat black = GpuMat(src.size(),src.type());
	cuda::addWeighted(src, 0.5, black, 0.5,127,dst_device);
	cuda::bitwise_not(dst_device, dst_device);//位操作，每个位取反

	dst_device.download(res);
	imshow("Weighted add", res);

	//颜色空间转换
	GpuMat hsv, rgb, gray, YCrCb;
	cuda::cvtColor(src, hsv, COLOR_BGR2HLS);
	cuda::cvtColor(src, rgb, COLOR_BGR2RGB);
	cuda::cvtColor(src, gray, COLOR_BGR2GRAY);
	cuda::cvtColor(src, YCrCb, COLOR_BGR2YCrCb);

	Mat hsv_host, rgb_host, gray_host, YCrCb_host;
	hsv.download(hsv_host);
	rgb.download(rgb_host);
	gray.download(gray_host);
	YCrCb.download(YCrCb_host);

	waitKey(0);
	return 0;
}

对于大量图像来说，cuda加速效果更明显

5 图像直方图&图像几何操作

---

int main(int argc, char **argv) {
   

	
	Mat image_host = imread("lena.jpg");
	imshow("input", image_host);

	//直方图计算
	GpuMat image(image_host);
	vector<GpuMat> mv;
	GpuMat hist, hsv;
	cuda::split(image, mv);//分为三个通道
	cuda::calcHist(mv[2],hist);//计算出来都是0-256，间隔是0-1

	Mat hist_host;
	hist.download(hist_host);
	for (int i = 0; i < hist_host.cols; i++) {
   
		int pv = hist_host.at<int>(0, i);
		printf("total number: %d,of the pixel value: %d\n", pv, i);
	}
	
	//直方图均衡化
	cuda::cvtColor(image, hsv, COLOR_BGR2HSV);
	cuda::split(hsv, mv);
	cuda::equalizeHist(mv[2], mv[2]);
	cuda::merge(mv, hsv);
	cuda::cvtColor(hsv, image, COLOR_HSV2BGR);
	/*Mat result;
	image.download(result);
	imshow("eq-demo result",result);*/

	//图像的几何计算
	//resize and rotate
	GpuMat dst;
	cuda::resize(image, dst, Size(0, 0), 2, 2,INTER_CUBIC);
	int cx = image.cols / 2;
	int cy = image.rows / 2;
	Mat M = getRotationMatrix2D(Point(cx, cy), 45, 1.0);
	cuda::warpAffine(image, dst, M, image.size());

	Mat result;
	dst.download(result);
	imshow("rotate result", result); 


	waitKey(0);
	return 0;
}

注意：

对于直方图计算：

opencv的calcHist的Gpu版本每次只能计算图的一个通道（cpu版本可以计算多个通道）

直方图均衡化(灰度与彩色）

可以看出对比度变大。

图像几何变换

放大，缩小，旋转等

6 卷积操作 - 加速盒子模糊与高斯模糊

---

主要内容：

卷积模糊操作

• 盒子模糊

int main(int argc, char **argv) {
   

	Mat image_host = imread("lena.jpg");

	imshow("input", image_host);

	GpuMat image, d_result3x3, d_result5x5, d_result9x9;
	image.upload(image_host);
	cuda::cvtColor(image, image, COLOR_BGR2BGRA);

	//盒子模糊
	//create box filter
	auto filter_3x3 = cuda::createBoxFilter(image.type(), image.type(