教程與實(shí)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(duì)多張圖像使用Dask進(jìn)行并行延時(shí)處理在單張圖像上使用我們需要?jiǎng)?chuàng)建GPU空間(GPU_frame)來(lái)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(lái)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(gè)結(jié)果都可以在用戶(hù)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(gè)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(huì)返回一個(gè)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(lái)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?cè)陬A(yù)處理中添加了一個(gè)反向的binary.threshold()函數(shù);
對(duì)多張圖像使用Dask進(jìn)行并行延時(shí)處理使用Dask延時(shí),我們可以將上面的循環(huán)推入到Dask延時(shí)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(lái)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(gè).cvtColor()來(lái)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(lái)進(jìn)行計(jì)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(kāi)始計(jì)算
out_a, out_b = compute(*[set_a, set_b])
結(jié)果
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
即日-10.29立即報(bào)名>> 2024德州儀器嵌入式技術(shù)創(chuàng)新發(fā)展研討會(huì)
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場(chǎng)仿真助跑新能源汽車(chē)
-
11月14日立即報(bào)名>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國(guó)智造CIO在線峰會(huì)
推薦專(zhuān)題
- 1 Intel宣布40年來(lái)最重大轉(zhuǎn)型:年底前裁員15000人、拋掉2/3房產(chǎn)
- 2 因美封殺TikTok,字節(jié)股價(jià)骨折!估值僅Meta1/5
- 3 宏山激光重磅發(fā)布行業(yè)解決方案,助力智能制造產(chǎn)業(yè)新飛躍
- 4 國(guó)產(chǎn)AI芯片公司破產(chǎn)!白菜價(jià)拍賣(mài)
- 5 具身智能火了,但規(guī)模落地還需時(shí)間
- 6 國(guó)產(chǎn)英偉達(dá)們,抓緊沖刺A股
- 7 三次錯(cuò)失風(fēng)口!OpenAI前員工殺回AI編程賽道,老東家捧金相助
- 8 英特爾賦能智慧醫(yī)療,共創(chuàng)數(shù)字化未來(lái)
- 9 英偉達(dá)的麻煩在后頭?
- 10 將“網(wǎng)紅”變成“商品”,AI“爆改”實(shí)力拉滿(mǎn)
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷(xiāo)售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷(xiāo)售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專(zhuān)家 廣東省/江門(mén)市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市