教程與實戰(zhàn):OpenCV使用CUDA處理圖像
import cv2 as cv
gpu_frame = cv.cuda_GpuMat()
screenshot = cv.imread('media/drip.png')
gpu_frame.upload(screenshot)
gpu_frame.download()
概述在單張圖像上使用在多張圖像上使用對多張圖像使用Dask進(jìn)行并行延時處理在單張圖像上使用我們需要創(chuàng)建GPU空間(GPU_frame)來保存圖像(就像相框保存圖片一樣),然后才能將圖像上傳到GPU。第1步:上傳import cv2 as cv
gpu_frame = cv.cuda_GpuMat()
接下來用CPU將圖像加載到內(nèi)存中(截圖),并將其上傳到gpu上(幀圖像);screenshot = cv.imread('media/drop.png')
gpu_frame.upload(screenshot)
第2步:處理圖像OpenCV CUDA函數(shù)返回cv2.cuda_GpuMat(GPU矩陣),因此每個結(jié)果都可以在用戶不必重新上傳的情況下進(jìn)行操作。讓我們把圖像從RGB轉(zhuǎn)換成BGR(OpenCV格式),然后調(diào)整大小;screenshot = cv.cuda.cvtColor(gpu_frame, cv.COLOR_RGB2BGR)
screenshot = cv.cuda.resize(screenshot, (400, 400))
注意:你調(diào)用的函數(shù)的第一個參數(shù)應(yīng)該是GPU矩陣(GPU幀),而不是你剛剛上傳的圖像,這會返回一個新的GPU矩陣。原始的GPU矩陣(gpu_frame)將繼續(xù)保存原始圖像,直到新圖像被上傳。第3步:下載處理之后的圖像在GPU上,我們需要把它下載回CPU;screenshot.download()
注意:.download()將從cv轉(zhuǎn)換為圖像,即從cuda_GpuMat到 numpy.ndarray。在多張圖像上使用如果需要處理新圖片,只需調(diào)用.upload()將新圖片加載到現(xiàn)有的GPU矩陣中。圖像在傳遞給GPU之前仍然必須加載到CPU上。import cv2 as cv
img_files = ['bear.png', 'drip.png', 'tldr.png', 'frog.png']
# 創(chuàng)建幀來保存圖片(cv2.cuda_GpuMat)
gpu_frame = cv.cuda_GpuMat()
for i in range(len(img_files)):
# 加載圖像(CPU)
screenshot = cv.imread(f"media/{img_files[i]}")
# 上傳到GPU
gpu_frame.upload(screenshot)
# 轉(zhuǎn)換顏色到opencv (numpy) ndarray→cv2.cuda_GpuMat
screenshot = cv.cuda.cvtColor(gpu_frame, cv.COLOR_RGB2BGR)
# 反向閾值@ 100
screenshot = cv.cuda.threshold(screenshot, 105, 255, cv.THRESH_BINARY_INV)
# 調(diào)整圖像
screenshot = cv.cuda.resize(screenshot[1], (200, 200))
# 從GPU下載圖像(cv2) cuda_GpuMat→numpy.ndarray
screenshot = screenshot.download()
這一次我們在預(yù)處理中添加了一個反向的binary.threshold()函數(shù);
對多張圖像使用Dask進(jìn)行并行延時處理使用Dask延時,我們可以將上面的循環(huán)推入到Dask延時函數(shù),并行預(yù)處理多張圖。import cv2 as cv
import dask.delayed
@dask.delayed
def preprocess(files):
# 復(fù)制圖像文件
i_files = files.copy()
# 創(chuàng)建GPU幀來保存圖像
gpu_frame = cv.cuda_GpuMat()
for i in range(len(i_files)):
# 加載圖像(CPU)
screenshot = cv.imread(f'media/{i_files[i]}')
# 上傳到GPU
gpu_frame.upload(screenshot)
# 轉(zhuǎn)換顏色到opencv (numpy) ndarray→cv2.cuda_GpuMat
screenshot = cv.cuda.cvtColor(gpu_frame, cv.COLOR_RGB2BGR)
screenshot = cv.cuda.cvtColor(screenshot, cv.COLOR_BGR2GRAY)
# 反向閾值@ 100
screenshot = cv.cuda.threshold(screenshot, 125, 255, cv.THRESH_BINARY)
# 調(diào)整圖像
screenshot = cv.cuda.resize(screenshot[1], (200, 200))
# 從GPU下載圖像 (cv2.cuda_GpuMat -> numpy.ndarray)
screenshot = screenshot.download()
# 用新圖像
i_files[i] = screenshot
# 輸出預(yù)處理圖像
return i_files
添加了另一個.cvtColor()來灰度化圖像,并將反轉(zhuǎn)的二進(jìn)制閾值切換為二進(jìn)制閾值。我們現(xiàn)在可以使用compute()來進(jìn)行計算了;from dask import compute
img_files = ['bear.png', 'drip.png', 'tldr.png', 'frog.png']
img_files_2 = ['apple.png', 'eye.png', 'window.png', 'blinds.png']
# 設(shè)置延遲
set_a = dask.delayed(preprocess)(img_files)
set_b = dask.delayed(preprocess)(img_files_2)
# 開始計算
out_a, out_b = compute(*[set_a, set_b])
結(jié)果

請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
8月5日立即報名>> 【在線會議】CAE優(yōu)化設(shè)計:醫(yī)療器械設(shè)計的應(yīng)用案例與方案解析
-
8月14日立即報名>> 【在線研討會】解析安森美(onsemi)高精度與超低功耗CGM系統(tǒng)解決方案
-
精彩回顧立即查看>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
-
精彩回顧立即查看>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
精彩回顧立即查看>> 全數(shù)會2025(第六屆)機(jī)器人及智能工廠展
-
精彩回顧立即查看>> OFweek 2025 具身機(jī)器人動力電池技術(shù)應(yīng)用大會
推薦專題
- 1 AI產(chǎn)業(yè)的新高度!英偉達(dá)成為全球首家市值破4萬億美元的公司
- 2 傳魏建軍與賈躍亭合作,長城汽車出海美國
- 3 一文讀懂:到底什么是 “具身智能” ?
- 4 黃仁勛:與雷軍長期合作,共探AI智駕
- 5 具身智能泡沫爭議下,華映資本尋找「穿越周期者」
- 6 中國平安們欲靠AI守“陣地”
- 7 官宣:智元機(jī)器人借殼上市,A股人形機(jī)器人第一股!
- 8 華為讓渡“三界”銷售主導(dǎo)權(quán),智界高管:終于能全力奔跑了
- 9 借仿生手實現(xiàn)突圍,國產(chǎn)靈巧手破局“不可能三角”
- 10 DeepSeek R2加持,中國AI與芯片產(chǎn)業(yè)迎來新一輪協(xié)同進(jìn)化