OpenCV与CUDA简介

　　因为算法的需要，正常的CPU算法速度不够需要进行加速，OpenCV中正好加入了GPU计算的模块，OpenCV中有两种GPU的加速方式，一种是通用标准的opencl，另一种是NVIDIA的cuda加速。opencl是苹果公司提出的一种通用标准，多种平台支持的标准。cuda是NVIDIA提出的并行计算平台，只有NVIDIA的显卡支持，但是比起opencl，cuda在使用上更方便，因为opencl是开放标准，封装上做的可能没有那么好，现在NVIDIA的显卡使用的多一些，所以cuda也就比较多用。

　　使用OpenCV的cuda必须要编译附加库的模块contrib，这个附加库中又许多核心库没有的内容，如：特征匹配，跟踪，cuda等内容，个人不太喜欢用cmake，但是还不能不用，因为cmake配置有点错误，编译的时候就会报错，编译时间长的话，到最后才报错就特别坑，尤其是cuda的编译，cuda的编译时间特别的长，主要是因为cuda存在对计算能力的兼容性的问题，默认要编译好多架构，这样会导致编译时间特别的长，我机器的显卡是　　GTX1050Ti，所以计算能力属于10系列，16年后发布的10系列的显卡基本上都在5.0以上，我们日常用的机器中安装的显卡基本上都是gtx系列，NVIDIA最新发布的显卡能达到8，不过我的cuda9.2兼容只能到7.0，再高编译的时候就报错。cuda编译的时候需要注意必须提前安装cuda，否则编译也不通过，还有就是我没有安装cuda的dnn，所以编译的时候没有选择dnn，如果想要使用dnn，还要再安装cuda对应版本的dnn，不然编译仍然会报错。

　　另外opencv编译的时候如果不想编译出一大堆的lib文件，可以选择world选项，之后编译的时候会生成world.lib，但是有一点不太好就是，如果编译有问题要全部重新生成。

　　编译成功后，需要引入cuda相关的头文件，OpenCV3以后的头文件都以cuda开头，最长用的应该是

1 #include <opencv2\cudaarithm.hpp>//矩阵相关的计算
2 #include <opencv2\cudafilters.hpp>//各种滤波器

　　OpenCV中也为cuda图像运算提供了一种类型GpuMat，与Mat类似，同时cuda的调用封装与不同的调用也基本没有差距，只不过属于cv::cuda空间。

1 GpuMat gpu;
2 Mat mat;
3 
4 gpu.upload(mat);
5 doSomething();
6 gpu.download(mat);

　　GpuMat 的调用过程基本上与cuda是一样的，只不过做了一层封装，上传图像到Gpu，运算后再下载到CPU。

　　许多函数都进行了封装，调用起来也非常方便，当然如果CPU传输到GPU的时间比运算所要的时间都要长，那么就没必要去GPU进行运算了，因为每次上传下载都非常耗费时间，所以GPU运算未必会变快。