关于cuda和opencv混合编译之后的一些算法加速--求取灰度平均数值

今天就来说说关于使用opencv 使用cuda加速的版本吧，来做一点记录，免的以后忘记了

下载opnecv4.10板本和contrib4.10版本，使用cmke编译，这里注意 opencv选项中，扩展的路劲，以及勾选 WITH_CUDA 这个选项，不然编译之后的DLL，没有cuda版本的,

大约是这些个样子的,这里附上我编译之后的lib include 文件.的百度云链接，可以直接下载

链接: https://pan.baidu.com/s/1To-HtiZl0dJvnSxGEcclsw 提取码: kvas  

貌似有点大.

在将lib 以及 .h等头文件配置好项目中后，我们直接使用，下面是一些效果图，加速效果明显，上面的时间单位i是ms，速度很快

 

 

//这是一段获取图像平均数值的代码.下面详细介绍.
double getAvg_gpu(cv::Mat &img)
{

//创建gpumat结构，这个数据结构是专门在PGU 上做的运算,
	cv::cuda::GpuMat gray;
	cv::cuda::GpuMat source;
	cv::Mat dst;

	long controlnubers = 0;


//判断通道数目
	if (img.channels() == 3)
	{

//将cv::mat结构的数据，放入GpuMat结构中，其实就是cuda中的 cudaMalloc 和 cudaMemcpy 的结合,//但//是，这里的gpumat结构，在生命周期结束后，会自动释放gpu内存,而我们使用cuda加速的时候，却需要自动释放

		source.upload(img);

//这个是cv里面自动加速的算法，我们直接主动调用.这里有个细节，CV_BGR2GRAY 注意，这里BGR的顺序，否则，提取一个像素的RGB的时候，其R和B是反的.


		cv::cuda::cvtColor(source, gray,CV_BGR2GRAY);


//这里将处理过之后的数据，从gpuMat结构中，转化为 Mat结构.
		gray.download(dst);

//这里使用了mat中的一个算法，求取均值

		Scalar scalar = cv::mean(dst);
		qDebug() << "channels: " << img.channels();

//这个返回的数值，就是我们获取到的图像的平均数值.:这里的这个均值，经过我测试，是采用的0.299*R + 0.587*g + 0.144*B = gray 这个算法，累加平均之后的数值.这里就不演示了.

		return scalar.val[0];
	}
	else if(img.channels() == 1)
	{
		Scalar scalar = cv::mean(dst);
		return scalar.val[0];
	}

	return 0;
}


//基本上的套路就是这个


//测试一下代码.
void main()
{

     cv::Mat gray_r = imread("image\\group_7.bmp"); 

     if (gray_r.data == nullptr)
	{
		qDebug() << "read image failed";
		return ;
	}

     double avgNumber = getAvg_gpu(gray_r );
	qDebug() << QStringLiteral("gpu获取的图像均值: %1 ").arg(avgNumber); 


}

这个经过加速，我测试的时间是0.05ms ，够快吧.