学习目标理解算法的原理，能够使用进行关键点的检测SIFT/SURF算法1.1 SIFT原理前面两节我们介绍了和角点检测算法，这两种算法具有旋转不变性，但不具有尺度不变性，以下图为例，在左侧小图中可以检测到角点，但是图像被放大后，在使用同样的窗口，就检测不到角点了。 所以，下面我们来介绍一种计算机视觉的算法，尺度不变特征转换即。它用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其
转载
2024-08-23 17:58:30
268阅读
在这篇博文中，我将分享如何在 Android 中使用 OpenCV 的 GPU 加速，包含从环境准备到扩展应用的讲解。希望这能给大家带来一些实用的帮助，尤其是对那些想要提高图像处理性能的开发者。
### 环境准备
为了成功使用 OpenCV 在 Android 上启用 GPU 加速，首先需要准备一些前置依赖。这些依赖会帮助我们构建和编译 OpenCV 库，以便在 Android 环境中使用。
最新版本的CUDA开发包下载：点击打开链接本文基于 VS2012，PC是win7 x64，opencv2.4.9编译opencv源码参考《How to Build OpenCV 2.2 with GPU (CUDA) on Windows 7》，里面有点繁琐，大家可以看下面的1、安装CUDA Toolkit，官方说明书：点击打开链接
安装过程就像普通软件一样，最后提示有的模块没有安装成功，我们不管
转载
2024-01-09 19:38:58
145阅读
2016年，公司让我做个手机号码识别功能，主要是快递运单上面的机打手机号码，当时研究了好长时间的OpenCV 也没有接入成功，主要是想把手机号码那块区域提取出来直接让Google的开源Tesseract OCR库来进行识别.因为OpenCV这个玩意儿里面的代码全是C++写的，当时的进度又比较赶，我一看C++的代码看都看不懂就没仔细研究，只把拍出来的照片进行了宽高限制，所以最终对准备号码
使用GPU加速要看在什么平台上使用，目前VS中是直接可以将函数指定在GPU上运行，但是要注意使用的场合，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：大容量并行计算（可能形容得不到位…..）。但是如果只对一个数据进行反复计算，这时候GP
转载
2023-10-17 20:06:00
420阅读
文章目录0 项目说明1 准备工作2 实验流程3 最后4 项目工程 0 项目说明在iOS上使用OpenCV实现图片中的文字框选提示：适合用于课程设计或毕业设计，工作量达标，源码开放项目分享：https://gitee.com/asoonis/feed-neo1 准备工作首先，需要去OpenCV官网下载iOS的framework，下载好后拖入新建的工程中即可，由于OpenCV库是使用C++编写，所以s
opencv安装包下载已经下载好的可以跳过。 官网去下载opencv的函数包，官网地址：https://opencv.org/ 点击箭头releases,跳到如下页面： 进入后点击Windows，进入如下页面，点击下载，路径自己随便改。 下载完毕后是个这个： 安装，直接点击exe解压就行，地址放别的地不建议c盘，比较大：配置环境变量opencv包下载好解压完毕后，就需要在你的计算机里包含这个程序包
转载
2024-04-30 13:14:51
44阅读
1、 查看本机配置，查看显卡类型是否支持NVIDIA GPU，本机显卡为NVIDIA GeForce 8400 GS；2、 从http://www.nvidia.cn/Download/index.aspx?lang=cn下载最新驱动并安装；3、 从https://developer.nvidia.com/cuda-toolkit根据本机类型下载相应最新版的CU
转载
2024-03-08 09:11:06
181阅读
目录一、一些概念及说明二、设备信息函数一、一些概念及说明1、主机端(Host端)、设备端(Device端、GPU端)在CUDA中，有主机端和设备端这两个概念，主机端是指CPU+内存，设备端是指GPU+显存。主机端的代码在CPU上执行，访问主机内存；设备端代码在GPU上执行，访问显存。在使用GPU计算时，需要在主机内存好显存之间来回拷贝数据；当然，一些新技术可以不用拷贝数据，请参考后面的章节或者CU
转载
2024-04-05 22:29:30
530阅读
安装过程：1. 安装Busybox 1.20.2到/system/bin【这一步为必须】 -- 把下载的文件BusyboxPro_v1.20.2.apk拷贝到手机进行安装
-- 打开BusyboxPro程序，会弹出窗口英文提示正在初始化Busybox安装
-- 待intial完成后，点击右上角红色X 关闭弹出的窗口
-- 选择BusyBox 版本BusyBox 1.20.2 【推荐】
-- Wi
我承认我木有使用自己编译的办法。。因为那样做太难受了
记录下正文。
我是在64位win7 + vs2013下 安装 opencv 3.0alpha 版本
（截至2014 9 25， 这是最高的配置和最新的版本了）
首先下载opencv那个exe，在官网下载。
这里有两个选择，一个是使用官网预编译好的库文件（dll，lib那些乱七
一、博文说明：OpenCV还在学习中，内容会逐渐补充 二、有路过的大神， 三、话不多说，开搞 1、imread：从内存中读取图像,此方法有两个参数；imread(“参数1”,参数2);参数1为图片的地址，参数2为加载此图片为灰度图片、不改变图片、以RGB呈现的原图片；参数2：IMRAD_GRAYSCALE（0）、IMREAD_UNCHANGED（<0）、IMREAD_COLOR（>0）
转载
2024-02-23 10:47:42
136阅读
# 在Android中使用OpenCV进行GPU加速图像处理
在现代图像处理领域，GPU（图形处理单元）的使用越来越普遍，特别是在需要高性能的应用程序中。Android平台上的OpenCV是一个广泛使用的开源计算机视觉库，本篇文章将介绍如何在Android中利用OpenCV实现GPU加速的图像处理。
## OpenCV简介
OpenCV（Open Source Computer Vision
如果您使用OpenCV已有一段时间，那么您应该已经注意到，在大多数情况下，OpenCV都使用CPU，这并不总能保证您所需的性能。为了解决这个问题，OpenCV在2010年增加了一个新模块，该模块使用CUDA提供GPU加速。您可以在下面找到一个展示GPU模块优势的基准测试：简单列举下本文要交代的几个事情：概述已经支持CUDA的OpenCV模块。看一下cv :: gpu :: GpuMat（cv2.c
转载
2024-02-21 10:52:39
626阅读
网上教程挺多的的，我也是参考网上教程编译成功的，现在把我编译的过程发出来。 目的：使用opencv中的cuda加速函数。例如：frame1_gray = cv.cuda_GpuMat(image1)
frame2_gray = cv.cuda_GpuMat(image2)
opticalFlowGPU = cv.cuda_FarnebackOpticalFlow.create(3,0.5,Fals
转载
2024-02-10 07:39:18
329阅读
重磅干货，第一时间送达import cv2 as cv
gpu_frame = cv.cuda_GpuMat()
screenshot = cv.imread('media/drip.png')
gpu_frame.upload(screenshot)
gpu_frame.download() 概述在单张图像上使用在多张图像上使用对多张图像使用Dask进行并行延时处理在单张图像上使用我们
转载
2024-04-02 08:03:49
502阅读
# OpenCV Python 使用 GPU 的完整指南
在本教程中，我们将学习如何在 Python 中使用 OpenCV 库的 GPU 功能。OpenCV 是一个强大的计算机视觉库，而通过使用 GPU，可以极大地提高我们的图像处理速度。接下来，我将详细介绍实现的步骤。
## 实现流程概述
以下是实现 OpenCV Python 使用 GPU 的步骤：
| 步骤
原创
2024-10-07 03:41:10
418阅读
1 自动化测试过程中使用图片识别技术识别控件已经成为普遍需求。图片识别通常以HTTP的API形式提供给测试开发者，API的响应速度至关重要。 1 本文关注opencv中相关API的提速，服务端的其他提
原创
2022-07-25 08:14:21
2096阅读
opencv是一个开源的计算机视觉开发包，这已是众所周知的了，而且越来越多的人开始研究它了。但opencv的使用者还是以高校居多，企业用得比较少，而企业使用opencv也往往是借鉴它的一些算法。 作为开源软件，opencv的优势就是在于它有400多个免费的图像处理函数，而且涉及的面很广，从图像处理到模式识别、从静态图像到运动视
转载
2024-04-26 14:42:55
40阅读
OpenCV DNN模块，它允许运行预先训练的神经网络。该模块的主要缺点之一是其仅支持cpu推理，因为它是唯一受支持的模式。从OpenCV 4.2版本开始，DNN模块支持NVIDIA GPU使用，这意味着在其上运行深度学习网络时，CUDA和cuDNN会加速。这篇文章将帮助我们学习在支持DNN GPU的情况下编译OpenCV库，以加速神经网络推理。我们将学习使用NVIDIA gpu优化OpenCV
转载
2023-09-22 10:33:20
715阅读
