OpenCV2學習筆記（二十一） GPU模組小記

注：在使用gpu模組之前，需要確認在使用cmake編譯opencv時，勾選了選項with_cuda和with_tbb使其生效生效。

若以上配置已經完成，在使用gpu模組的函式之前，還做一下檢查：呼叫函式gpu::getcudaenableddevicecount，如果你在使用的opencv模組編譯時不支援gpu，這個函式返回值為0；否則返回值為已安裝的cuda裝置的數量。

opencv的gpu模組只支援nvidia的顯示卡，原因是該部分是基於nvidia的cuda和nvidia的npp模組實現的。而該模組的好處在於使用gpu模組無需安裝cuda工具，也無需學習gpu程式設計，因為不需要編寫gpu相關的**。但如果你想重新編譯opencv的gpu模組的話，還是需要cuda的toolkit。

由於gpu模組的發展，使大部分函式使用起來和之前在cpu下開發非常類似。首先，就是把gpu模組鏈結到你的工程中，幷包含必要的標頭檔案gpu.hpp。其次，就是gpu模組下的資料結構，原本在cv名字空間中的現在都在gpu名字空間中，使用時可以gpu：：和cv：：來防止混淆。

在gpu模組中，矩陣的型別為：gpumat而不是opencv中使用的cv::mat，其他的函式命名和cpu模組中相同。opencv中gpu模組函式的使用步驟如下：

1
.驗證opencv是否已啟用gpu模組。2.
上傳待處理資料到gpu
(mat
--> gpumat)。3.
呼叫opencv支援的gpu的處理函式。4.
(gpumat--
-> mat)。

根據所提到的，乙個問題是對於2.0的gpu模組，多通道的函式支援的並不好，推薦使用gpu模組處理灰度的影象。有些情況下，使用gpu模組的執行速度還不及cpu模組下的效能，所以可以認為，gpu模組相對而言還不夠成熟，需要進一步優化。很重要的乙個原因就是記憶體管理部分和資料轉換部分對於gpu模組而言消耗了大量的時間。

一段自帶的示例**如下，實現求矩陣轉置的功能：

#include 
#include "cvconfig.h"
#include "opencv2/core/core.hpp"
#include "opencv2/gpu/gpu.hpp"
using
namespace
std;
using
namespace cv;
using
namespace cv::gpu;
struct worker ;
int main()
for (int i = 0; i < num_devices; ++i)
}// execute calculation in two threads using two gpus
int devices = ;
parallel_do(devices, devices + 2, worker());
return0;}
void worker::operator()(int device_id) const

cuda的基本使用方法：

參考原文：

OpenCV2學習筆記（二十一） GPU模組小記

python 學習筆記（二十一）

筆記（二十一）安全

c語言學習筆記二十一

OpenCV2學習筆記（二十一） GPU模組小記

python 學習筆記（二十一）

筆記（二十一） 安全

c語言學習筆記二十一

相關推薦

筆記（二十一）安全