了得網計算機/網絡_基於GPU加速的計算機視覺編程:使用OpenCV和CUDA實時處理復雜圖像

●前言
作者簡介
審稿人簡介
章CUDA介紹及入門 1
1.1技術要求 1
1.2CUDA介紹 1
1.2.1並行處理 2
1.2.2GPU架構和CUDA介紹 2
1.2.3CUDA架構 3
1.3CUDA應用程序 4
1.4CUDA開發環境 5
1.4.1支持CUDA的GPU 5
1.4.2CUDA開發工具包 6
1.5在所有操作繫統上安裝CUDA工具包 6
1.5.1Windows 6
1.5.2Linux 7
1.5.3Mac 8
1.6一個基本的CUDA C程序 9
1.6.1在Windows上創建CUDA C程序的步驟 10
1.6.2在Ubuntu上創建CUDA C程序的步驟 10
1.7總結 11
1.8測驗題 11
第2章使用CUDA C進行並行編程 12
2.1技術要求 12
2.2CUDA程序結構 13
2.2.1CUDA C中的雙變量加法程序 13
2.2.2內核調用 14
2.2.3配置內核參數 15
2.2.4CUDA API函數 16
2.2.5將參數傳遞給CUDA函數 17
2.3在設備上執行線程 19
2.4在CUDA程序中獲取GPU設備屬性 20
2.4.1通用設備信息 21
2.4.2內存相關屬性 22
2.4.3線程相關屬性 22
2.5CUDA中的向量運算 24
2.5.1兩個向量加法程序 24
2.5.2對比CPU代碼和GPU代碼的延遲 27
2.5.3對向量素進行平方 28
2.6並行通信模式 29
2.6.1映射 29
2.6.2收集 29
2.6.3分散式 30
2.6.4蒙板 30
2.6.5轉置 30
2.7總結 30
2.8測驗題 31
第3章線程、同步和存儲器 32
3.1技術要求 32
3.2線程 33
3.3存儲器架構 36
3.3.1全局內存 37
3.3.2本地內存和寄存器堆 38
3.3.3高速緩衝存儲器 39
3.4線程同步 39
3.4.1共享內存 39
3.4.2原子操作 42
3.5常量內存 46
3.6紋理內存 48
3.7向量點乘和矩陣乘法實例 50
3.7.1向量點乘 50
3.7.2矩陣乘法 54
3.8總結 58
3.9測驗題 58
第4章CUDA中的不錯概念 60
4.1技術要求 60
4.2測量CUDA程序的性能 61
4.2.1CUDA事件 61
4.2.2NVIDIA Visual Profiler 63
4.3CUDA中的錯誤處理 64
4.3.1從代碼中進行錯誤處理 65
4.3.2調試工具 66
4.4CUDA程序性能的提升 66
4.4.1使用適當的塊數量和線程數量 66
4.4.2優選化數學運算效率 67
4.4.3使用合並的或跨步式的訪存 67
4.4.4避免warp內分支 67
4.4.5使用鎖定頁面的內存 68
4.5CUDA流 69
4.6使用CUDA加速排序算法 73
4.7利用CUDA進行圖像處理 75
4.8總結 80
4.9測驗題 81
第5章支持CUDA的OpenCV入門 82
5.1技術要求 82
5.2圖像處理和計算機視覺簡介 83
5.3OpenCV簡介 83
5.4安裝支持CUDA的OpenCV 84
5.4.1在Windows上安裝OpenCV 84
5.4.2在Linux上安裝OpenCV 89
5.5使用OpenCV處理圖像 92
5.5.1OpenCV中的圖像表示 92
5.5.2圖像的讀取和顯示 93
5.5.3使用OpenCV創建圖像 96
5.5.4將圖像保存到文件 99
5.6使用OpenCV處理視頻 99
5.6.1處理存儲在計算機上的視頻 100
5.6.2處理從網絡攝像機讀取的視頻 101
5.6.3將視頻保存到磁盤 102
5.7使用OpenCV CUDA模塊的基本計算機視覺應用程序 104
5.7.1OpenCV CUDA模塊簡介 104
5.7.2對圖像的算術和邏輯運算 104
5.7.3更改圖像的顏色空間 108
5.7.4圖像閾值處理 109
5.8OpenCV應用程序使用和不使用CUDA支持的性能比較 110
5.9總結 113
5.10測驗題 114
第6章使用OpenCV和CUDA進行基本的計算機視覺操作 115
6.1技術要求 115
6.2訪問圖像的各個像素強度 116
6.3OpenCV中直方圖的計算和均衡 117
6.4圖像的幾何變換 120
6.4.1圖像大小調整 120
6.4.2圖像平移與旋轉 121
6.5對圖像進行濾波操作 122
6.5.1對圖像的卷積運算 122
6.5.2對圖像進行低通濾波操作 123
6.5.3對圖像進行高通濾波操作 128
6.6圖像的形態學操作 131
6.7總結 134
6.8測驗題 134
第7章使用OpenCV和CUDA進行對像檢測和跟蹤 135
7.1技術要求 135
7.2對像檢測和跟蹤簡介 136
7.2.1對像檢測和跟蹤的應用 136
7.2.2對像檢測中的挑戰 136
7.3基於顏色的對像檢測和跟蹤 136
7.4基於形狀的對像檢測和跟蹤 139
7.4.1Canny邊緣檢測 139
7.4.2使用Hough變換進行直線檢測 140
7.4.3對圓形進行檢測 143
7.5關鍵點檢測器和描述符 144
7.5.1加速段測試特征功能檢測器 144
7.5.2面向FAST和旋轉BRIEF的特征檢測 145
7.5.3加速強特征檢測和匹配 147
7.6使用Haar級聯的對像檢測 150
7.6.1使用Haar級聯進行人臉檢測 151
7.6.2使用Haar級聯進行眼睛檢測 153
7.7使用背景減法進行對像跟蹤 155
7.7.1高斯混合法 155
7.7.2GMG背景減法 157
7.8總結 159
7.9測驗題 160
第8章Jetson TX1開發套件 161
8.1技術要求 161
8.2Jetson TX1簡介 161
8.2.1Jetson TX1的重要特性 163
8.2.2Jetson TX1的應用 163
8.3在Jetson TX1上安裝JetPack 163
8.3.1安裝的基本要求 164
8.3.2安裝的步驟 164
8.4總結 171
8.5測驗題 171
第9章在Jetson TX1上部署計算機視覺應用程序 172
9.1技術要求 172
9.2Jetson TX1 GPU的設備屬性 173
9.3Jetson TX1上的基本CUDA程序 174
9.4Jetson TX1上的圖像處理 176
9.4.1編譯支持CUDA的OpenCV 176
9.4.2讀取和顯示圖像 178
9.4.3圖像合成 178
9.4.4圖像閾值處理 180
9.4.5Jetson TX1上的圖像濾波 182
9.5Jetson TX1的攝像機接口 184
9.6Jetson TX1上的不錯應用程序 185
9.6.1使用Haar級聯進行人臉檢測 185
9.6.2使用Haar級聯進行眼睛檢測 187
9.6.3高斯混合背景減法 188
9.7在Jetson TX1上使用Python和OpenCV實現計算機視覺 191
9.8總結 192
9.9測驗題 193
0章PyCUDA入門 194
10.1技術要求 194
10.2Python編程語言簡介 194
10.3PyCUDA模塊簡介 195
10.4在Windows上安裝PyCUDA 196
10.5在Ubuntu上安裝PyCUDA 199
10.6總結 201
10.7測驗題 201
1章使用PyCUDA 202
11.1技術要求 202
11.2編寫個PyCUDA程序 203
11.3從PyCUDA程序訪問GPU設備屬性 204
11.4在PyCUDA中執行線程和塊 206
11.5PyCUDA中的基本編程概念 206
11.5.1在PyCUDA中兩個數字相加 207
11.5.2使用driver類簡化加法程序 208
11.6使用CUDA事件測量PyCUDA程序的性能 209
11.6.1CUDA事件 209
11.6.2使用大型數組加法測量PyCUDA的性能 210
11.7PyCUDA中的復雜程序 212
11.7.1對PyCUDA中素進行平方運算 212
11.7.2GPU數組點乘 215
11.7.3矩陣乘法 217
11.8PyCUDA的不錯內核函數 219
11.8.1PyCU素級內核函數 219
11.8.2歸約內核函數 220
11.8.3scan內核函數 221
11.9總結 222
11.10測驗題 223
2章使用PyCUDA的基本計算機視覺應用程序 224
12.1技術要求 224
12.2PyCUDA中的直方圖計算 224
12.2.1使用原子操作 225
12.2.2使用共享內存 227
12.3使用PyCUDA進行基本的計算機視覺操作 229
12.3.1PyCUDA中的顏色空間轉換 230
12.3.2在PyCUDA執行圖像合成 233
12.3.3在PyCUDA中使用gpuarray進行圖像反轉 234
12.4總結 235
12.5測驗題 235
測驗題答案 236

商品搜索

商品分类

【醫學】

【各大出版社】