OpenCV-C++-CUDA-05-高斯双边加速，实时美颜

        本章我们继续使用OpenCV-C++版本在CUDA下的编程应用，主要使用双边模糊，对图像进行美颜细化。

1、高斯双边模糊

int main(int argc, char** argv)
{
	Mat image = imread("F:/test/face_image.jpg");
	imshow("input image", image);
	cuda::GpuMat image_gpu,dst;
	image_gpu.upload(image);

	//高斯双边模糊
	cuda::bilateralFilter(image_gpu, dst, 0, 100, 15, 4);
	Mat result;
	dst.download(result);
	imshow("result", result);
	waitKey(0);
	
	return 0;
}

原图：

模糊处理后的结果：

看上去效果还不错，脸上的坑坑洼洼都被去掉了。

当然，除了图片以外，还可以使用视频或摄像头：

void video_test_gpu()
{
	VideoCapture cap(0);
	Mat frame,result;
	cuda::GpuMat frame_gpu,dst_gpu;
	while (true)
	{
		double t1 = getTickCount();
		cap.read(frame);
		frame_gpu.upload(frame);
		cuda::bilateralFilter(frame_gpu, dst_gpu, 0, 50, 10, 4);
		dst_gpu.download(result);
		double fps = getTickFrequency()/(getTickCount() - t1);
		putText(result, format("FPS:%.2f", fps), Point(50, 50), FONT_HERSHEY_PLAIN, 1.5, Scalar(0, 0, 255), 2, 8);
		imshow("video-result", result);
		if (char(waitKey(1)) == 27)
			break;
		
	}
	return;
}

2、均值漂移滤波

        均值漂移滤波在OpenCV CPU版本中的实时速度非常非常慢。那么通过GPU加速之后，速度会是怎样的呢？

void image_meanshift_gpu()
{
	Mat image = imread("F:/test/face_image.jpg");
	imshow("input image", image);
	cuda::GpuMat image_gpu, dst;
	image_gpu.upload(image);
	double t1 = getTickCount();
	cuda::cvtColor(image_gpu, image_gpu, COLOR_BGR2BGRA);//转为4通道
	//均值漂移滤波
	cuda::meanShiftFiltering(image_gpu, dst, 5, 80);
	double fps = getTickFrequency() / (getTickCount() - t1);
	Mat result;
	dst.download(result);
	putText(result, format("FPS:%.2f", fps), Point(50, 50), FONT_HERSHEY_PLAIN, 1.5, Scalar(0, 0, 255), 2, 8);
	imshow("meanShift result", result);
	video_test_gpu(); //GPU meanShift
	return;

}

结果：

可以看到，FPS达到了200多帧，快到不行。实际上，在做应用的时候，可以先找出人脸区域，然后在进行滤波操作，这样更好。

附上所有代码：

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

using namespace std;
using namespace cv;
void video_test_gpu();
void image_meanshift_gpu();
int main(int argc, char** argv)
{
	Mat image = imread("F:/test/face_image.jpg");
	imshow("input image", image);
	cuda::GpuMat image_gpu,dst;
	image_gpu.upload(image);
	//高斯双边模糊
	cuda::bilateralFilter(image_gpu, dst, 0, 100, 15, 4);
	Mat result;
	dst.download(result);
	imshow("result", result);
	//video_test_gpu(); //GPU-双边滤波视频
	image_meanshift_gpu();//GPU-均值漂移
	waitKey(0);
	destroyAllWindows();
	return 0;
}

void video_test_gpu()
{
	VideoCapture cap(0);
	Mat frame,result;
	cuda::GpuMat frame_gpu,dst_gpu;
	while (true)
	{
		double t1 = getTickCount();
		cap.read(frame);
		frame_gpu.upload(frame);
		cuda::bilateralFilter(frame_gpu, dst_gpu, 0, 50, 10, 4);
		dst_gpu.download(result);
		double fps = getTickFrequency()/(getTickCount() - t1);
		putText(result, format("FPS:%.2f", fps), Point(50, 50), FONT_HERSHEY_PLAIN, 1.5, Scalar(0, 0, 255), 2, 8);
		imshow("video-result", result);
		if (char(waitKey(1)) == 27)
			break;
		
	}
	return;
}

void image_meanshift_gpu()
{
	Mat image = imread("F:/test/face_image.jpg");
	imshow("input image", image);
	cuda::GpuMat image_gpu, dst;
	image_gpu.upload(image);
	double t1 = getTickCount();
	cuda::cvtColor(image_gpu, image_gpu, COLOR_BGR2BGRA);//转为4通道，GPU只支持4通道
	//均值漂移滤波
	cuda::meanShiftFiltering(image_gpu, dst, 5, 80); //值越低，计算量越小
	double fps = getTickFrequency() / (getTickCount() - t1);
	Mat result;
	dst.download(result);
	putText(result, format("FPS:%.2f", fps), Point(50, 50), FONT_HERSHEY_PLAIN, 1.5, Scalar(0, 0, 255), 2, 8);
	imshow("meanShift result", result);
	video_test_gpu(); //GPU meanShift
	return;

}