opencvgpu加速（opencv cpu加速）

本篇文章给大家谈谈opencvgpu加速，以及opencv cpu加速对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、opencv3.0新增了什么功能
• 2、怎么使用opencv的stitch进行cuda加速？
• 3、Windows下opencv调用GPU的问题
• 4、opencv怎么开启GPU加速
• 5、opencv2.4.5中cvStereoGCState在哪个模块
• 6、opencv GPU怎么加速

opencv3.0新增了什么功能

OpenCV 2.0已经发布5年了，它带来了全新的C++接口，标志着这个项目的开始。在2.0的整个生命周期中，我们增加了新的平台支持，包括iOS和Andriod，通过CUDA和OpenCL实现了GPU加速，为Python和java用户提供了接口，基于github和buildbot构建了充满艺术感的持续集成系统，所以才有了稳定盯知的OpenCV 2.4.x，它被全世界的很多公司和学校所采用。

现在，我们很高兴地宣布3.0时代的开始（OpenCV 3.0 release 预计会在今年圣诞节左右发布）。在3.0时代不会有像2.0时代一样激进的尝试，它有足够稳定的改进，这为我们，也为你们以及伟大的OpenCV社区带来了许多全新的机会。请查看更新日志，我们简要说几点。

1. 项目架构的改变。

最初的时候，OpenCV是一个相对整体的项目，都是以整体的形式构建和装配，在很多年的时间里，这都是一个很好的策略。然而，随着功能的增加，包括bleeding-edge算法发布前的几分钟，一个pull请求提交到我们的仓库，越来越多的贡献者（非常感谢你们），我们决定像其他大项目一样，抛弃整体架构，使用内核+插件的架构形式。

除了我们的主仓库和增加的”test data“仓库，我们还有了，这里有很多让人兴奋的功能，包括你们已经知道的面部识别和文本探测，还包括文本识别、新的边缘检测器、充满艺术感的修复、深度地图处理、新的光线流和追踪算法等。

opencv与opencv_contrib之间的区别是：

他们都由我们的持续集成系统维护，尽管opencv_contrib的单元测试并不常规运行。

全部或者一些额外的模块可以用我们的构建系统构建，把凯配消OPENCV_EXTRA_MODULES_PATH=/modules传递给CMake。

contrib的文档是自动生成的，可以在docs.opencv.org/master获得，它会在OpenCV 3.0 beta版本的时候更加完善、并发布。

主OpenCV是Itseez支持的代码，有非常稳定的API以及一点点创新。

opencv_contrib是大多数实验性代码放置的地方，一些API可能会改变，我们欢迎贡献者贡献你们新的精彩算法。

2. 感谢Intel和AMD公司的支持卖灶，我们让很多视觉算法实现的GPU加速，并且对于用户来说，都是十分易得的。这个技术可以称之为T-API (“transparent API”)，关于这个话题的单独指南在准备当中，仍然非常欢迎你来看一下，试一下我们的T-API的例子，研究一下它如何工作。

3. Intel公司还给了我们另一份大礼。IPP的一个子集默认接入OpenCV，用户可以轻松得到。其中包含了可以将使用IPP加速的OpenCV再次分发的许可。如下图所示，在IPP的帮助下，很多函数都实现了显著的加速。

4. 最后，OpenCV 3.0带来了很新的功能，这是其中的一部分：

Text detection and recognition by Lluis Gomez

HDR by Fedor Morozov and Alexander Shishkov

KAZE/A-KAZE by Eugene Khvedchenya, the algorithm author Pablo Alcantarilla and some improvements by F. Morozov.

Smart segmentation and edge-aware filters by Vitaly Lyudvichenko, Yuri Gitman, Alexander Shishkov and Alexander Mordvintsev

Car detection using Waldboost, ACF by Vlad Shakhuro and Nikita Manovich

TLD tracker and several common-use optimization algorithms by Alex Leontiev

Matlab bindings by Hilton Bristow, with support from Mathworks.

Greatly extended Python bindings, including Python 3 support, and several OpenCV+Python tutorials by Alexander Mordvintsev, Abid Rahman and others.

3D Visualization using VTK by Ozan Tonkal and Anatoly Baksheev.

RGBD module by Vincent Rabaud

Line Segment Detector by Daniel Angelov

Many useful Computational Photography algorithms by Siddharth Kherada

Shape descriptors, matching and morphing shapes (shape module) by Juan Manuel Perez Rua and Ilya Lysenkov

Long-term tracking + saliency-based improvements (tracking module) by Antonella Cascitelli and Francesco Puja

Another good pose estimation algorithm and the tutorial on pose estimation by Edgar Riba and Alexander Shishkov

Line descriptors and matchers by Biagio Montesano and Manuele Tambourin

Myriads of improvements in various parts of the library by Steven Puttemans; thank you a lot, Steven!

Several NEON optimizations by Adrian Stratulat, Cody Rigney, Alexander Petrikov, Yury Gorbachev and others.

Fast foreach loop over cv::Mat by Kazuki Matsuda

Image alignment (ECC algorithm) by Georgios Evangelidis

GDAL image support by Marvin Smith

RGBD module by Vincent Rabaud

Fisheye camera model by Ilya Krylov

OSX framework build script by Eugene Khvedchenya

Multiple FLANN improvements by Pierre-Emmanuel Viel

Improved WinRT support by Gregory Morse

Latent SVM Cascade by Evgeniy Kozhinov and NNSU team (awaiting integration)

Logistic regression by Rahul Kavi

Five-point pose estimation algorithm by Bo Li

怎么使用opencv的stitch进行cuda加速？

做过相碰洞虚关实验，其实opencv对于cuda的优颤渣化并不是特别好，也可能是我用的显卡性能不行。实验结果是并没有比cpu快多少。opencv的cuda编程的程序，主要处理时间都浪费在从内存向显存中拷贝数据以及从显存向内存拷笑燃贝数据了。要想写出高效的cuda程序，需要注意的东西很多。

[img]

Windows下opencv调用GPU的问题

要用gpu不是非要使用cmake编译，exe安装版本就行。但是opencv只支持NVIDIA的CUDA技术，AMD显卡无解。不仅如此，NVIDIA的显卡也不是全部都支持CUDA的，具体哪些显卡芯片支持，需要到官网查询一燃镇搭旅陪下。在使用opencv的GPU加速之前，应该还需要安装NVIDIA的CUDA运行环境才行。说实话，我之前测试过皮拿gpu，可能是显卡不是很高端，运行效能并不高，因为将数据从内存搬运到显存、运算完后再从显存搬运回内存是非常耗时的。运算过程提高的那点效能基本都被数据搬运消化掉了。

opencv怎么开启GPU加速

需要重新编译opencv 的，最后getCudaEnabledDeviceCount();这个弊册函数返回值大于零租吵宏才行

// first.cpp : 定义控制台应用程序的入口点。

//

#include "stdafx.h"

#include 碰羡iostream

#include "opencv2/opencv.hpp"

#include "opencv2/gpu/gpu.hpp"

#pragma comment(lib,"opencv_gpu2410.lib")

#pragma comment(lib,"opencv_core2410.lib")

using namespace std;

using namespace cv;

using namespace cv::gpu;

int main()

{

int i;

try

{

cout getCudaEnabledDeviceCount();

}

catch(const cv::Exception ex)

{

cout "Error:" ex.what() endl;

}

system("PAUSE");

return 0;

}

opencv2.4.5中cvStereoGCState在哪个模块

一、模块：

①core. 该模块定义了OpenCV的基本数据结构，包括多维数组（Multi-dimensional Array）和用于其它模块的基本函数；

②imgproc. 该模块用于图像处理（Image Processing）。它包括线性和非线性的图像滤波（Linear and Non-Linear Image Filtering）、几何图像变换（Geometrical image Transformations），包括缩放（Resize）, affine and perspective warping, generic table-based remapping、颜色空间变换（Color Space Conversion）、直方图（Histograms）等；

③video. 这是一个视频分析模块，包含运动估计（Motion Estimation）、背景消除/背景差分（Background Subtraction）和物体跟踪（Object Tracking）算法；

④calib3d. 该模块包括基本的多视图集合算法（Multiple-View Geometry Algorithms）、单体和立体相机的标定（Single and Stereo Camera Calibration）、对象姿态估计（Object Pose Estimation）、双目立体匹配信梁（Stereo Correspondence）算法和元素的三维重建（Elements of 3D Reconstruction）；

⑤features2d. 包括显著特征检测器（Salient Feature Detectors）、描述符（Descriptors）和描述符匹配器（Descriptor Matchers）；

⑥objdetect. 包括预定义的目标和实例的检测，如脸、眼、杯子、人以及汽车等； ⑦highgui. 该模块拥有一个简单易用的视频捕捉（Video Capturing）、图像及视频译码（Image and Video Codecs）以及简单的UI接口；

⑧gpu. 包含不同模块的GPU加速宴坦森算法。

另外晌亩还有其它的辅助模块，比如FLANN以及Google的测试包、Python bindings等。

二、简介：

OpenCV（Open Source Computer Vision）是一个用于实时处理的计算机视觉函数库，它基于BSD许可证授权并且可免费用于学术研究和商业应用。它拥有C/C++、Python、和Java（仅用于Android）接口，并可在Windows、Linux、Mac和Android平台上运行。OpenCV库包含大于2500个优化算法，拥有5M的下载量和47K+的用户群体。

opencv GPU怎么加速

使用GPU加速看你在什么平台上使用，目前我多了解的VS中是直接可以将函数指定在GPU上运行，但是就像前面提到的，要注意你使用的场合，并不是什么情况下使用GPU都可以加速，GPU是因为使用了显存，而显掘肢段存是比内存大很多的，所以可以同时对很多数据进行处理，所以才能提高处理速度，但其实它的计算频率并不比内存上高，所以可以看出GPU能够加速的原理是：大容量并判誉行计算（可能形容得不到位.....）。但是如果只对饥衫一个数据进行反复计算，这时候GPU肯定没CPU快，所以还是要搞清楚要处理的数据情况。

关于opencvgpu加速和opencv cpu加速的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。