OpenCV GPU 簡單紀錄

而 OpenCV 的原始碼可以在 GitHub 上找到：

https://github.com/Itseez/opencv

不過首先要注意的是，他的「master」實際上是還在發展中的 3.0！不但裡面的模組（module）名稱做了改變，而且在使用介面上，也可能會有不同；更重要的是，這個版本應該還是有些問題在…所以如果要自行建置 OpenCV 2.x 的 GPU 版的話，需要切換到 2.4 的分支再下載：

https://github.com/Itseez/opencv/tree/2.4

如果是用 Git 來複製的話，則是記得複製後要切到 2.4 這個分支在建置，否則如果建置主線（3.0）的話，之後可能會有不少問題。

而如果之後會希望 OpenCV 可以方便更新的話，個人會建議用 Git 複製一份，以後要更新會相對方便。

而由於 OpenCV 是用 CMake（官網）來作跨平台的處理，所以在下載 OpenCV 之後，會需要準備好 CMake 來產生 VisualStudio 的專案檔。而如果要下載的話，基本上是在下載頁面（連結），下載「cmake-3.0.0-win32-x86.zip」這個檔案就可以了。CMake 可以不用安裝，只要把 ZIP 檔解開後，執行 bin 下的「cmake-gui」就可以了。

在開啟 CMake 後，要先選擇原始碼的位置、也就是「Where is the source code」的選項、並且設定要把專案產生到哪裡（Where to build the binaries）；而之後則是要點選「Configure」、並選擇要使用的開發環境。像以 Heresy 這邊，就是選「Visual Studio 11 2012 Win64」；不過這邊就是看每個人的需求了。

之後，CMake 就會開始分析、並輸出必要的檔案。在完成後，CMake 則會顯示出所偵測到的資訊、以及可以修改的參數，其畫面大致如下（Grouped 有勾選的話會有分類、比較好看）：

如果是要建置支援 CUDA 的 OpenCV 的話，則是要確認「CUDA」分類下的參數是否有正確地偵測到；其中主要是「CUDA_TOOLKIT_ROOT_DIR」的路徑，他有正確地顯示、才代表他們有偵測到 NVIDIA CUDA SDK。如果沒有安裝 NVIDIA CUDA SDK 的話，也請先到 NVIDIA 官網下載、安裝後並重開機、再重新進行一次。

再來，則是要確認「WITH」下的「WITH_CUDA」有被勾選，這樣才代表有啟用 CUDA。而「WITH」和「ENABLE」裡面的其他項目，也可以看看，考慮視自己的需求來做調整；例如「WITH_OPENMP」之類的話，應該是可以考慮開啟的。

而如果想要縮短建置時間的話，則是可以到「BUILD」裡面，確認那些功能是自己需要的；如果有不需要的東西，則可以取消掉，這樣可以建置地快一點。

最後，如果希望建置出來的 OpenCV Binary 可以方便地轉移的話，會建議把「INSTALL」下的「INSTALL_CREATE_DISTRIB」把勾起來。

都完成後，則是要再按一次「Configure」，等到下面出現「Configuring done」，就算設定完成了，而上面本來紅底的部分，也都會變成白底的。不過這時候還不算完成，最後要再點選「Generate」，他才會產生出需要的專案檔；等到下面出現「Generating done」後，就算是完成輸出了～而這時候到輸出的資料夾下，就可以看到多了很多 Visual Studio 用的專案檔了～

在使用 CMake 產生好專案後，接下來就是開啟建立出來的「OpenCV.sln」這個方案檔（solution）。在開啟方案後，接下來就是要找到「CMakeTargets」下的「INSTALL」這個專案，對他進行建置就可以了。

而他會去建置其他必要的專案，所以基本上只要建置了「INSTALL」，就會自動建立其他必要的專案；而由於 OpenCV 其實也算是一個相當大的函式庫，所以也會需要好一段時間才會建置完成（幾個小時），這時候也只能耐心等待了。

而要注意的是，根據需求的狀況，可能 DEBUG 和 RELEASE 都必須要建置一次，甚至 32 / 64 也都得分開處理…所以其實要建置一套完整的 OpenCV，是很花時間的。

建置好了之後，必要的檔案會被放在輸出目錄的「install」路徑下，以上圖的例子來說，就是「D:\Heresy\opencv2\install」。裡面的「include」資料夾，就是必要的 header 檔，而根據建置設定的部分，會出現其他的資校夾，裡面會放著 lib 和 dll 檔。

像是 Heresy 是使用 Visual Studio 2012（vc11）建置 x64 版，在底下也就會出現一個「x64」的資料夾、裡面則還會有一個「vc11」的資料夾；如果是其他的組態或開發環境的話，資料夾名稱也會有所不同。而在其下，「lib」資料夾就是 OpenCV 所有的 lib 檔，是在 linking 的時候要用的；「bin」的部分，則就是包含 dll 檔在內、執行階段要用的檔案了。

如果已經熟系如何使用 OpenCV 的話，那要使用 OpenCV 來做簡單的 GPGPU 並不難。OpenCV 的 CUDA 支援全部做在「gpu」這個模組（官方文件）裡面，而東西則都在「cv::gpu」這個 namespace 下，使用的時候則是要 include「opencv2/gpu/gpu.hpp」這個 header 檔。

至於程式要怎麼寫呢？基本上，由於顯示卡的記憶體是獨立的，所以它的使用概念大致上還是三個步驟：

而 OpenCV 在資料型別上，則是另外提供了 cv::gpu::GpuMat 這個類似 cv::Mat 的型別，用來管理 GPU 上的資料。如果要把一個 cv::Mat 物件的資料複製到 cv::gpu::GpuMat 也相當簡單，只要在建立 cv::gpu::GpuMat 物件的時候，把 cv::Mat 物件當參數給他就可以了。下面就是個簡單的例子：

cv::Mat mSource = cv::imread( argv[1] );
cv::gpu::GpuMat  mGSource( mSource );

或者，cv::gpu::GpuMat 也有提供一個 upload() 的函式，可以把 cv::Mat 的資料「上傳」到 GPU。

如果要把資料從 GPU 複製回來的話，基本上是使用 cv::gpu::GpuMat 的 download() 函式，讓 OpenCV 把 GPU 的資料「下載」回來、寫到指定的 cv::Mat 物件裡面。下面就是個簡單的例子：

cv::Mat mTarget;
mGSource.download( mTarget );

而在影像處理的部分，基本上和本來城市的寫法是一樣的！只要從 namespace 從 cv 改成 cv::gpu 就可以了～OpenCV 基本上應該是已經把不少功能都實作 GPU 的版本了。

只要把要用 CUDA 來處理的影像，先從本來的  轉換成 ，然後再把影像處理的函式，也改用 cv::gpu 的版本就可以了！

下面就是一個把圖片透過 GPU 來縮小成 1/4（長寬各一半）的程式：

cv::Mat mSource = cv::imread( argv[1] );
cv::gpu::GpuMat  mGSource( mSource );

cv::gpu::GpuMat  mGTarget;
cv::gpu::resize( mGSource, mGTarget, cv::Size( 0, 0 ), 0.5, 0.5 );

cv::Mat mTarget;
mGTarget.download( mTarget );

cv::imwrite( std::string( argv[1] )   ".cpu.tif", mTarget );

• OpenCV on a GPU（PDF）
• 使用OpenCV的OpenCL(ocl)模块