OpenCV UMat类 使用GPU运算

在opencv中,已经嵌入了opencl运行的方式,通过使用UMat对象,opencv会自动在支持OpenCL的设备上使用GPU运算,在不支持OpenCL的设备仍然使用CPU运算,这样就避免了程序运行失败,而且统一了接口。

Mat转UMat
// 从Mat获得UMat矩阵
// 方法一
cv::UMat usrc = cv::imread("bmc1.bmp", 0).getUMat(cv::ACCESS_READ);
// 方法二
cv::UMat usrc_;
cv::Mat src = imread("bmc1.bmp", 0);
src.copyTo(usrc_);
UMat转Mat
cv::Mat src = usrc.getMat(cv::ACCESS_RW);

两者的转换是不共享矩阵体的。所以,一般转换成另一个类型进行修改之后,需要再转回去,内容才能一致。而且转换需要花费大量时间(从CPU将数据移到GPU或相反),如果计算量不大,建议还是用Mat计算
因为UMat和Mat有着共同的基类InputOutputArray,所以大部分OpenCV的函数UMat都能使用,但是UMat自带的方法没有Mat丰富。比如说,UMat没有data指针指向数据,没有ptr<>方法。

getMat和getUMat的参数可以如下:
  • ACCESS_FAST
  • ACCESS_MASK
  • ACCESS_READ
  • ACCESS_RW
  • ACCESS_WRITE
  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
使用GPU加速OpenCV的计算,需要安装NVIDIA CUDA和OpenCV的CUDA模块。以下是一些基本步骤: 1. 安装NVIDIA CUDA和cuDNN,确保您的GPU支持CUDA。 2. 下载并编译OpenCV的CUDA模块。您可以通过在CMake中启用WITH_CUDA选项来编译它。 3. 在您的代码中,使用cv::cuda命名空间中的函数和,而不是cv命名空间中的函数和。例如,使用cv::cuda::GpuMat代替cv::Mat。 4. 在您的代码中,使用cv::cuda::Stream来创建CUDA流,以便您可以使用异步操作来并行执行计算。 下面是一个简单的示例代码,演示如何将两个图像相加,并在GPU上执行计算: ```c++ #include <opencv2/opencv.hpp> #include <opencv2/cudaarithm.hpp> #include <opencv2/cudawarping.hpp> using namespace cv; using namespace cv::cuda; int main() { // 读取两个图像 Mat img1 = imread("image1.jpg"); Mat img2 = imread("image2.jpg"); // 将两个图像转换为GpuMatGpuMat gpuImg1, gpuImg2; gpuImg1.upload(img1); gpuImg2.upload(img2); // 创建一个CUDA流 Stream stream; // 在GPU上计算img1 + img2,并将结果存储在gpuImg1中 cuda::add(gpuImg1, gpuImg2, gpuImg1, noArray(), -1, stream); // 等待计算完成 stream.waitForCompletion(); // 将结果从GPU中下载到CPU中 Mat result; gpuImg1.download(result); // 显示结果 imshow("Result", result); waitKey(); return 0; } ``` 请注意,使用GPU加速OpenCV的计算需要一些额外的学习和实践。推荐阅读官方文档和示例代码以获取更多信息。
评论 1
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