图像旋转--利用opencv，cuda-npp的实现。

最新推荐文章于 2024-04-10 14:41:00 发布
最新推荐文章于 2024-04-10 14:41:00 发布
阅读量1.5k 收藏 4
点赞数 1
分类专栏： 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011749929/article/details/109689962
版权

一，软件开发中，某些场景需要旋转图像，本文注意处理的是旋转图像90°，180°，270°。任意角度的旋转不涉及。注意选择观看。

图像的旋转可以利用opencv实现cpu完成，也可以通过cuda中的npp工具实现gpu完成，gpu的效率要比cpu搞很多。具体代码片段如下：

二，opencv代码实现：

1，实现如下：

void rotateImage(int degree) {

	cv::Mat srcCopy;
	cv::Mat src_img = imread("./bird.jpg", IMREAD_UNCHANGED);
	if (degree == 90) {
		cv::Mat srcCopy = cv::Mat(src_img.rows, src_img.cols, src_img.depth());
		cv::transpose(src_img, srcCopy);
		cv::flip(srcCopy, srcCopy, 1);
	}else if (degree == 180) {
		cv::Mat srcCopy = cv::Mat(src_img.rows, src_img.cols, src_img.depth());
		cv::flip(src_img, srcCopy, -1);
	}else if (degree == 270) {
		cv::Mat srcCopy = cv::Mat(src_img.rows, src_img.cols, src_img.depth());
		cv::transpose(src_img, srcCopy);
		cv::flip(srcCopy, srcCopy, 0);
	}
	imwrite("./retOpenCV.bmp", srcCopy);	
}

有的时候，是yuv数据，需要用yuv来构造Mat对象，代码如下：

Mat YuvToMat (unsigned char * pYuvData, int & width, int & height)
{
	cv::Mat yuvImg;  
    yuvImg.create(height*3/2, width, CV_8UC1);  
    memcpy(yuvImg.data, pYuvData, framesize*sizeof(unsigned char));  
    cv::Mat rgbImg;   
    cv::cvtColor(yuvImg, rgbImg, CV_YUV2BGR_I420);  
}

二，利用cuda的npp库实现，代码如下：

1, cuda samples里给的例子，需要用到的是freeImge第三方库：

FIBITMAP* LoadImg(const char* szFile)
{
	FREE_IMAGE_FORMAT nFif;

	if (szFile == NULL || *szFile == 0)
	{
		return NULL;
	}

	if ((nFif = FreeImage_GetFileType(szFile, 0)) == FIF_UNKNOWN)
	{
		if ((nFif = FreeImage_GetFIFFromFilename(szFile)) == FIF_UNKNOWN)
		{
			return NULL;
		}
	}

	if (!FreeImage_FIFSupportsReading(nFif))
	{
		return NULL;
	}

	return FreeImage_Load(nFif, szFile);
}

void  NppbyFreeImage() {
	cudaError_t cuRet;
	NppStatus nppRet;
	BOOL fiRet = false;
	FIBITMAP* pSrcBmp = NULL;
	FIBITMAP* pDstBmp = NULL;
	unsigned char* pSrcData = NULL;
	unsigned char* pDstData = NULL;
	Npp8u* pSrcDataCUDA = NULL;
	Npp8u* pDstDataCUDA = NULL;
	NppiSize oSrcSize = { 0 };
	NppiSize oDstSize = { 0 };
	NppiRect oSrcROI = { 0 };
	NppiRect oDstROI = { 0 };
	int nImgBpp = 0;
	int nSrcPitch = 0;
	int nDstPitch = 0;
	int nSrcPitchCUDA = 0;
	int nDstPitchCUDA = 0;
	double aBoundingBox[2][2] = { 0 };
	double nAngle = 0;

	FreeImage_Initialise(0);

	/* 载入文件 */
	pSrcBmp = LoadImg("./bird.jpg");
	assert(pSrcBmp != NULL);

	//获取图像深度
	nImgBpp = (FreeImage_GetBPP(pSrcBmp) >> 3);
	cout << "freeImg nImgBpp :" << nImgBpp << endl;
	//获取数据
	pSrcData = FreeImage_GetBits(pSrcBmp);

	oSrcSize.width = (int)FreeImage_GetWidth(pSrcBmp);
	cout << "freeImg oSrcSize.width :" << oSrcSize.width << endl;
	oSrcSize.height = (int)FreeImage_GetHeight(pSrcBmp);
	cout << "freeImg oSrcSize.height :" << oSrcSize.height << endl;
	nSrcPitch = (int)FreeImage_GetPitch(pSrcBmp);
	cout << "freeImg nSrcPitch :" << nSrcPitch << endl;

	oSrcROI.x = oSrcROI.y = 0;
	oSrcROI.width = oSrcSize.width;
	oSrcROI.height = oSrcSize.height;

	nAngle = atof("90");

	/* 设置显卡,构建上下文 */
	cuRet = cudaSetDevice(0);
	assert(cuRet == cudaSuccess);

	/* 分配显存 */
	int type = 0;
	switch (nImgBpp)
	{
	case 1:
		pSrcDataCUDA = nppiMalloc_8u_C1(oSrcSize.width, oSrcSize.height, &nSrcPitchCUDA);
		break;
	case 3:
		pSrcDataCUDA = nppiMalloc_8u_C3(oSrcSize.width, oSrcSize.height, &nSrcPitchCUDA);
		break;
	case 4:
		pSrcDataCUDA = nppiMalloc_8u_C4(oSrcSize.width, oSrcSize.height, &nSrcPitchCUDA);
		break;
	default:
		assert(0);
		break;
	}
	assert(pSrcDataCUDA != NULL);

	/* 将原图传入显存 */
	cudaMemcpy2D(pSrcDataCUDA, nSrcPitchCUDA, pSrcData, nSrcPitch, oSrcSize.width * nImgBpp, oSrcSize.height, cudaMemcpyHostToDevice);

	/* 计算旋转后长宽 */
	nppiGetRotateBound(oSrcROI, aBoundingBox, nAngle, 0, 0);
	oDstSize.width = (int)ceil(fabs(aBoundingBox[1][0] - aBoundingBox[0][0]));
	oDstSize.height = (int)ceil(fabs(aBoundingBox[1][1] - aBoundingBox[0][1]));

	/* 建目标图 */
	pDstBmp = FreeImage_Allocate(oDstSize.width, oDstSize.height, nImgBpp << 3);
	assert(pDstBmp != NULL);

	pDstData = FreeImage_GetBits(pDstBmp);

	nDstPitch = (int)FreeImage_GetPitch(pDstBmp);
	cout << "freeImg nDstPitch :" << nDstPitch << endl;
	oDstROI.x = oDstROI.y = 0;
	oDstROI.width = oDstSize.width;
	cout << "freeImg  oDstSize.width :" << oDstSize.width << endl;
	oDstROI.height = oDstSize.height;
	cout << "freeImg oDstSize.height :" << oDstSize.height << endl;

	/* 分配显存 */
	switch (nImgBpp)
	{
	case 1:
		pDstDataCUDA = nppiMalloc_8u_C1(oDstSize.width, oDstSize.height, &nDstPitchCUDA);
		break;
	case 3:
		pDstDataCUDA = nppiMalloc_8u_C3(oDstSize.width, oDstSize.height, &nDstPitchCUDA);
		break;
	case 4:
		pDstDataCUDA = nppiMalloc_8u_C4(oDstSize.width, oDstSize.height, &nDstPitchCUDA);
		break;
	}
	assert(pDstDataCUDA != NULL);
	cudaMemset2D(pDstDataCUDA, nDstPitchCUDA, 0, oDstSize.width * nImgBpp, oDstSize.height);

	/* 处理 */
	switch (nImgBpp)
	{
	case 1:
		nppRet = nppiRotate_8u_C1R(pSrcDataCUDA, oSrcSize, nSrcPitchCUDA, oSrcROI,
			pDstDataCUDA, nDstPitchCUDA, oDstROI,
			nAngle, -aBoundingBox[0][0], -aBoundingBox[0][1], NPPI_INTER_CUBIC);
		break;
	case 3:
		nppRet = nppiRotate_8u_C3R(pSrcDataCUDA, oSrcSize, nSrcPitchCUDA, oSrcROI,
			pDstDataCUDA, nDstPitchCUDA, oDstROI,
			nAngle, -aBoundingBox[0][0], -aBoundingBox[0][1], NPPI_INTER_CUBIC);
		break;
	case 4:
		nppRet = nppiRotate_8u_C4R(pSrcDataCUDA, oSrcSize, nSrcPitchCUDA, oSrcROI,
			pDstDataCUDA, nDstPitchCUDA, oDstROI,
			nAngle, -aBoundingBox[0][0], -aBoundingBox[0][1], NPPI_INTER_CUBIC);
		break;
	}
	assert(nppRet == NPP_NO_ERROR);

	cudaMemcpy2D(pDstData, nDstPitch, pDstDataCUDA, nDstPitchCUDA, oDstSize.width * nImgBpp, oDstSize.height, cudaMemcpyDeviceToHost);

	fiRet = FreeImage_Save(FIF_BMP, pDstBmp, "./retFreeImage.bmp");
	assert(fiRet);

	nppiFree(pSrcDataCUDA);
	nppiFree(pDstDataCUDA);

	cudaDeviceReset();

	FreeImage_Unload(pSrcBmp);
	FreeImage_Unload(pDstBmp);
}

2，opencv + cuda npp，代码如下：

void  NppbyOpenCV2() {
	cudaError_t cuRet;
	NppStatus nppRet;
	BOOL fiRet = false;
	unsigned char* pSrcData = NULL;
	unsigned char* pDstData = NULL;
	Npp8u* pSrcDataCUDA = NULL;
	Npp8u* pDstDataCUDA = NULL;
	NppiSize oSrcSize = { 0 };
	NppiSize oDstSize = { 0 };
	NppiRect oSrcROI = { 0 };
	NppiRect oDstROI = { 0 };
	int nImgBpp = 0;
	int nSrcPitch = 0;
	int nDstPitch = 0;
	int nSrcPitchCUDA = 0;
	int nDstPitchCUDA = 0;
	double aBoundingBox[2][2] = { 0 };
	double nAngle = 0;

	FreeImage_Initialise(0);

	/* 载入文件 */
	Mat pSrcMat = imread("./bird.jpg", IMREAD_UNCHANGED);

	//获取图像深度
	nImgBpp = pSrcMat.channels();
	cout << "freeImg nImgBpp :" << nImgBpp << endl;
	//获取数据
	pSrcData = pSrcMat.data;

	oSrcSize.width = pSrcMat.cols;
	oSrcSize.height = pSrcMat.rows;
	nSrcPitch = pSrcMat.step;

	oSrcROI.x = oSrcROI.y = 0;
	oSrcROI.width = oSrcSize.width;
	oSrcROI.height = oSrcSize.height;

	nAngle = atof("90");

	/* 设置显卡,构建上下文 */
	cuRet = cudaSetDevice(0);
	assert(cuRet == cudaSuccess);

	/* 分配显存 */
	int type = 0;
	switch (nImgBpp)
	{
	case 1:
		pSrcDataCUDA = nppiMalloc_8u_C1(oSrcSize.width*nImgBpp, oSrcSize.height, &nSrcPitchCUDA);
		break;
	case 3:
		pSrcDataCUDA = nppiMalloc_8u_C3(oSrcSize.width*nImgBpp, oSrcSize.height, &nSrcPitchCUDA);
		break;
	case 4:
		pSrcDataCUDA = nppiMalloc_8u_C4(oSrcSize.width*nImgBpp, oSrcSize.height, &nSrcPitchCUDA);
		break;
	default:
		assert(0);
		break;
	}
	assert(pSrcDataCUDA != NULL);

	/* 将原图传入显存 */
	cudaMemcpy2D(pSrcDataCUDA, nSrcPitchCUDA, pSrcData, nSrcPitch, oSrcSize.width*nImgBpp, oSrcSize.height, cudaMemcpyHostToDevice);

	/* 计算旋转后长宽 */
	nppiGetRotateBound(oSrcROI, aBoundingBox, nAngle, 0, 0);
	oDstSize.width = (int)ceil(fabs(aBoundingBox[1][0] - aBoundingBox[0][0]));
	oDstSize.height = (int)ceil(fabs(aBoundingBox[1][1] - aBoundingBox[0][1]));

	/* 建目标图 */
	Mat pDstMat(oDstSize.height, oDstSize.width, pSrcMat.type());

	pDstData = pDstMat.data;

	nDstPitch = pDstMat.step;
	oDstROI.x = oDstROI.y = 0;
	oDstROI.width = oDstSize.width;
	oDstROI.height = oDstSize.height;

	/* 分配显存 */
	switch (nImgBpp)
	{
	case 1:
		pDstDataCUDA = nppiMalloc_8u_C1(oDstSize.width, oDstSize.height, &nDstPitchCUDA);
		break;
	case 3:
		pDstDataCUDA = nppiMalloc_8u_C3(oDstSize.width, oDstSize.height, &nDstPitchCUDA);
		break;
	case 4:
		pDstDataCUDA = nppiMalloc_8u_C4(oDstSize.width, oDstSize.height, &nDstPitchCUDA);
		break;
	}
	assert(pDstDataCUDA != NULL);
	cudaMemset2D(pDstDataCUDA, nDstPitchCUDA, 0, oDstSize.width * nDstPitch, oDstSize.height);

	/* 处理 */
	switch (nImgBpp)
	{
	case 1:
		nppRet = nppiRotate_8u_C1R(pSrcDataCUDA, oSrcSize, nSrcPitchCUDA, oSrcROI,
			pDstDataCUDA, nDstPitchCUDA, oDstROI,
			nAngle, -aBoundingBox[0][0], -aBoundingBox[0][1], NPPI_INTER_CUBIC);
		break;
	case 3:
		nppRet = nppiRotate_8u_C3R(pSrcDataCUDA, oSrcSize, nSrcPitchCUDA, oSrcROI,
			pDstDataCUDA, nDstPitchCUDA, oDstROI,
			nAngle, -aBoundingBox[0][0], -aBoundingBox[0][1], NPPI_INTER_CUBIC);
		break;
	case 4:
		nppRet = nppiRotate_8u_C4R(pSrcDataCUDA, oSrcSize, nSrcPitchCUDA, oSrcROI,
			pDstDataCUDA, nDstPitchCUDA, oDstROI,
			nAngle, -aBoundingBox[0][0], -aBoundingBox[0][1], NPPI_INTER_CUBIC);
		break;
	}
	assert(nppRet == NPP_NO_ERROR);

	cudaMemcpy2D(pDstData, nDstPitch, pDstDataCUDA, nDstPitchCUDA, oDstSize.width*nImgBpp, oDstSize.height, cudaMemcpyDeviceToHost);

	imwrite("./retOpenCV2_90.bmp", pDstMat);
	assert(fiRet);

	nppiFree(pSrcDataCUDA);
	nppiFree(pDstDataCUDA);

	cudaDeviceReset();
}

 

慢半拍的猿
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CUDA实现图像反转
当你努力到把自己都感动的时候，你离成功就不远了。
09-17 2082
CUDA图像反转
Hands-On-GPU-Accelerated-Computer-Vision-with-OpenCV-and-CUDA:Packt发布的具有OpenCV和CUDA的动手GPU加速计算机视觉
05-01
这就是CUDA发挥作用的地方，它使OpenCV可以利用功能强大的NVDIA GPU。 本书详细介绍了将OpenCV与CUDA集成以用于实际应用。 本书涵盖了以下令人兴奋的功能：了解如何从CUDA程序访问GPU设备的属性和功能 了解如何...
OpenCV2.4.4+CUDA+VS2010实现图像的反转
RamiYim的专栏
08-19 933
实现图像的反转并不难，小编在
CUDA库之NPP(二):NPP实现YUV转BGR
hjxu2016的博客
12-15 5045
博主在CUDA库之NPP：NVIDIA 2D Image and Signal Processing Performance Primitives中已经详细介绍了NPP是啥，以及如何编译NPP。 这里就以 YUV转BGR为例，来完成NPP中的第一个例子（PS：也是博主的第一个Demo） 一、前言 本文中的例子，仅适合于 512∗512512*512512∗512 倍数的图像，因为npp处理数据时，有字节对齐这个说法，博主计划另写一篇文章，探讨字节对齐，本文不再单独研究。 因为只是一个很简单的Demo，所
Cuda编程-NPP库
最新发布
周陽讀書
04-10 933
NVIDIA NPP是2D图像和信号处理的CUDA加速库。该库中的主要功能集侧重于图像处理，并广泛适用于这些领域的开发人员。NPP库可以在最大限度地提高灵活性，同时保持高性能。作为一个独立的库，可以最小的工作量向应用程序添加GPU加速可以添加到开发人员的GPU代码中，作为一个有效互操作的协作库这两种方法都允许开发人员利用NVIDIA gpu的大量计算资源，同时减少开发时间。本文中的例子，仅适合于 512 ∗ 512倍数的图像，因为npp处理数据时，有字节对齐这个说法。
CUDA小白 - NPP(10) 图像处理 Memory Management
u011732139的博客
09-14 242
NPP 图像处理 Memory Management
CUDA库之NPP入门(三):NPP实现Resize操作
hjxu2016的博客
01-18 5814
博主将在 编程语言|CUDA入门中不定期更新NPP库相关知识 一、前言 本文主要利用npp实现图像中的resize操作，主要步骤如下： 1、利用Opencv读取图像； 2、将图像数据拷贝到设备端； 3、调用nppiResize函数，实现resize操作 4、将nppiResize后的图像数据拷贝到Mat，并保存验证结果 二、nppiResize_8u_C3R函数定义 NppStatus nppiResize_8u_C3R(const Npp8u * pSrc, int nSrcStep, Nppi.
CUDA库之NPP(四):内存开辟和字节对齐
hjxu2016的博客
09-04 2141
博主将在 编程语言|CUDA入门中不定期更新NPP库相关知识 文章目录一、前言 一、前言 本文主要利用npp实现图像中的resize操作，主要步骤如下： 1、利用Opencv读取图像； 2、将图像数据拷贝到设备端； 3、调用nppiResize函数，实现resize操作 4、将nppiResize后的图像数据拷贝到Mat，并保存验证结果 ...
opencv4.7.0-opencv-contrib-4.7.0-windows-cuda编译版本
05-18
标题提到的"opencv4.7.0-opencv-contrib-4.7.0-windows-cuda编译版本"表明这是一个包含了OpenCV核心库以及opencv_contrib扩展模块的版本，该版本已经针对Windows系统进行了优化，并且支持CUDA加速。这意味着你可以...
Hands-On-GPU-Accelerated-Computer-Vision-with-OpenCV-and-CUDA-master.zip
07-07
6. **OpenCV与CUDA结合**：结合OpenCV和CUDA，可以创建高效的混合程序，即使用OpenCV的高阶API进行图像预处理，然后利用CUDA进行计算密集型的处理步骤，这样可以充分利用两种工具的优点。 7. **实例与实践**：...
opencv-fourier.rar_Fourier-Mellin_opencv_opencv 图像
09-24
在OpenCV库的支持下，开发者可以轻松地将这些理论应用到实际项目中，实现各种图像分析和处理任务。通过对“opencv_fourier.rar”压缩包中的内容进行深入研究，我们可以更深入地理解这些技术，并提升在图像处理领域的...
C++ - opencv - 图像增强 - 文本图像增强
05-14
在C++环境中，OpenCV库是实现图像处理和计算机视觉任务的强大工具。本话题聚焦于如何使用OpenCV对文本图像进行增强，以提高文字识别的准确性和效率。 1. **图像增强的基本概念** - 图像增强是指通过调整图像的亮度...
NPP入门（一）copy，set，resize和multiply
syangdung_wang的博客
03-05 2480
一、NPP介绍 NPP分为两个部分，分别为Image和Signal，详细参考What is NPP? 官网的文档中缺乏代码示例，结合网上能搜到的demo和自己的项目，以Image-Processing模块为例（也就是nppi模块），默认大家已经阅读了（如果没有阅读简单介绍，也可以到网上去搜搜翻译），直接怼代码。 二、示例 我首先介绍几个示例，分别为copy，set，resize，multiply，其中multiply有两种情况分别为InPlace和非InPlace的情况。 这些操作设计几个重要的概
CUDA图像旋转的实现
心如止水-GISer的成长之路
12-29 9483
CUDA图像旋转的实现     由于最近工作比较忙，有一段时间没写博客了，今天就将以前基于CUDA做的图像旋转的demo奉献给大家。在网上看到很多图像旋转的博客文章，可以说大部分做的只是图像旋转后还保持原来图像的大小，那么这就带来一个问题，旋转后 图像有一部分内容会造成缺失，所以为了保持图像的完整性，需要确定旋转后图像的大小，即多少行和列。     由于本人主要从事3S方面的研发工作，读取图像我就
CUDA小白 - NPP(2) - Arithmetic and Logical Operations(1)
u011732139的博客
08-28 695
NPP 图像处理 算数与逻辑操作 Arithmetic and Logical Operations
OpenCV中GPU模块(CUDA)函数
热门推荐
网络资源是无限的
07-25 1万+
The OpenCV GPU module is a set of classes and functions to utilize GPU computational capabilities. It is implemented using NVIDIA* CUDA* Runtime API and supports only NVIDIA GPUs.   1.      getCudaE...
CUDA小白 - NPP(9) 图像处理 Statistical Operations
u011732139的博客
09-14 481
NPP 图像处理 Statistical Operations
基于CUDA的图像处理——超快速图像旋转
qq_36638362的博客
04-02 4986
图像旋转特点：每个像素相互独立，旋转后像素位置为浮点数，需要进行差值。 有以下几种方法： 基于opencv的仿射变换；cv::warpAffine(); 基于cpu或多线程遍历所有像素； 基于CUDA遍历所有像素；速度超快不妨试试，如代码不理解先去看看基础CUDA编程 *.cpp文件 int RotateImage(const unsigned char* img, const unsigned char* imgMask, const cv::Size imgSize, const flo..
OpenCV实现影像畸变矫正GPU
fb_help的专栏
03-01 4456
OpenCV实现影像畸变矫正GPU OpenCV实现影像矫正使用的是 initUndistortRectifyMap()计算畸变的映射 remap()计算映射，其详解见：OpenCV函数remap详解 Mat src_cpu = imread(in_filename); cv::cuda::GpuMat src(src_cpu); cv::cuda::GpuMat distortion(sr...
libopencv-dev opencv-cuda
05-31
`libopencv-dev`是OpenCV的Linux发行版的开发包，包含了OpenCV的头文件和库文件。而`opencv-cuda`是OpenCV的CUDA模块，它包含了OpenCV在GPU上运行所需要的代码和库文件。在使用OpenCV的CUDA模块之前，你需要确保你的系统已经安装了NVIDIA的CUDA Toolkit和cuDNN库。 如果你只需要使用OpenCV的CPU功能，只需要安装`libopencv-dev`即可。如果你需要使用OpenCV的CUDA模块，你需要安装`libopencv-dev`和`opencv-cuda`。在安装完成之后，你需要在你的代码中包含CUDA相关的头文件和库文件，例如： ```cpp #include <opencv2/core/cuda.hpp> #include <opencv2/cudaimgproc.hpp> ``` 同时，你需要使用`cv::cuda::GpuMat`类来创建和处理GPU上的图像，例如： ```cpp cv::Mat image = cv::imread("image.jpg"); cv::cuda::GpuMat gpu_image(image); cv::cuda::GpuMat gpu_gray; cv::cuda::cvtColor(gpu_image, gpu_gray, CV_BGR2GRAY); cv::Mat result; gpu_gray.download(result); ``` 这样就可以在OpenCV中使用CUDA进行图像处理了。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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