OpenCV-C++-CUDA-01-基本图像读取及灰度转换

        长时间用着Python和深度学习框架，还是要回到图像处理篇，下面我就要重回图像处理(C++)篇了，以此来记录自己下一阶段的学习历程。

        我们知道，一般的OpenCV基本都是基于CPU模块的，所以速度方面受限很大，而如果使用GPU来处理图像的话，性能会飞一般的提升。本章主要是记录OpenCV和CUDA结合在C++上的应用，有关CUDA安装和OpenCV+CUDA的C++编译，读者自行去其他博文里找寻答案。

        文本实验的环境是：VS2017、CUDA10.0、C++、Cmake-3.14.5

代码：

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


using namespace std;

int main(int argc, char** argv)
{
	cv::Mat src= cv::imread("F:/test/lena.jpg"); //读取图像，CPU内存读取
	cv::imshow("input image", src);
	cv::cuda::GpuMat G_image(src);  //还有一种赋值方法，如下注释的部分
	//cv::cuda::GpuMat G_image;
	//G_image.upload(src);
	cv::cuda::GpuMat gray;
	cv::cuda::cvtColor(G_image, gray, cv::COLOR_BGR2GRAY);//cuda版本里也有cvtColor这个API

	cv::Mat c_gray;
	gray.download(c_gray); //创建一个CPU mat对象后，由于imshow无法显示GMat对象，所以需要从GMat中取出来赋给CMat对象
	cv::imshow("gray", c_gray); //imshow显示不了GMat对象
	cv::waitKey(0);
	cv::destroyAllWindows();
	return 0;

}

关于GMat和Mat对象，这里需要注意两点：
1）upload，它把cpu对象上传到gpu对象中；
2）download，它把gpu对象下载到cpu对象中。

关于其它的性能方面需要注意的有：
1）upload和download是cpu和gpu之间的数据交换，这一部分是非常耗费时间性能的，所以，最好是upload和download只执行一次；
2）创建了Mat或GMat对象后，最好把它释放掉。

运行结果：