当前位置: 首页 > news >正文

cuda入门demo(2)——最基础的二方向sobel

⚠️主要是自己温习用,只保证代码正确性,不保证讲解的详细性。

今天继续总结cuda最基本的入门demo。很多教程会给你说conv怎么写,实际上sobel也是conv,并且conv本身已经用torch实现了。

之前在课题中尝试了sobel的变体,为了起一个复习的作用,我把原始sobel(不是变体)的代码备份到这里,比起变体,这个原始的非常简单,很适合学习。

目录

      • 最简单的sobel
      • sobel其实还有其他变体

最简单的sobel

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cuda_runtime.h>
#include <device_launch_parameters.h>using namespace std;
using namespace cv;__global__ void sobel_gpu(unsigned char* in, unsigned char* out, const int Height, const int Width) {int x = blockDim.y * blockIdx.y + threadIdx.y;int y = blockDim.x * blockIdx.x + threadIdx.x;// 只对非边缘地带进行计算if (x > 0 && x < Height - 1 && y > 0 && y < Width - 1) {int idx = x * Width + y;int idx_up = idx - Width;int idx_down = idx + Width;char gx_res = in[idx_up - 1] + 2 * in[idx - 1] + in[idx_down - 1] - in[idx_up + 1] - 2 * in[idx + 1] - in[idx_down + 1];char gy_res = in[idx_up - 1] + 2 * in[idx_up] + in[idx_up + 1] - in[idx_down - 1] - 2 * in[idx_down] - in[idx_down + 1];out[idx] = (gx_res + gy_res) / 2;}else if (x == 0 || x == Height - 1 || y == 0 || y == Width - 1) {int idx = x * Width + y;out[idx] = in[idx];}
}int main() {Mat img = imread("lena.jpg", 0);int height = img.rows;int width = img.cols;int memsize = height * width * sizeof(unsigned char);Mat gaussImg;GaussianBlur(img, gaussImg, Size(3, 3), 0, 0, BORDER_DEFAULT);Mat dst_gpu(height, width, CV_8UC1, Scalar(0));unsigned char* in_gpu;unsigned char* out_gpu;// 接下来对模糊之后的图像进行处理cudaMalloc((void**)&in_gpu, memsize);cudaMalloc((void**)&out_gpu, memsize);dim3 threadsPerBlock(32, 32);dim3 blocksPerGrid((width + threadsPerBlock.x - 1) / threadsPerBlock.x, (height + threadsPerBlock.y - 1) / threadsPerBlock.y);cudaMemcpy(in_gpu, gaussImg.data, memsize, cudaMemcpyHostToDevice);sobel_gpu << < blocksPerGrid, threadsPerBlock > >> (in_gpu, out_gpu, height, width);cudaMemcpy(dst_gpu.data, out_gpu, memsize, cudaMemcpyDeviceToHost);imwrite("save.png", dst_gpu);cudaFree(in_gpu);cudaFree(out_gpu);return 0;
}

感兴趣的小伙伴可以自己去下载这个lena图,我就不提供了,一搜就有。

sobel其实还有其他变体

这个sobel有一些缺点:
在这里插入图片描述
直接看效果吧,这个效果如何不做评价,但是我的课题用这个肯定不是最优解…可以看到在边缘检测(或者直接叫它线条检测吧)上还有可提高的空间。所以现有文件还有什么可训练sobel、八方向sobel(这个我觉得还可以)。

你要是用到深度学习里面,我建议可以试试sobel的变体。

http://www.lryc.cn/news/106883.html

相关文章:

  • 软件外包开发的后台开发语言
  • 自动驾驶感知系统-全球卫星定位系统
  • 数据结构 | 基本数据结构——队列
  • QT在label上透明绘图(二)
  • 微信小程序使用editor富文本编辑器 以及回显 全屏弹窗的模式
  • 在CSDN学Golang场景化解决方案(基于gin框架的web开发脚手架)
  • 关于Express 5
  • ftrace 原理详细分析
  • UWB定位技术和蓝牙AOA有哪些不同?-高精度室内定位技术对比
  • 【RabbitMQ】golang客户端教程2——工作队列
  • 芯旺微冲刺IPO,车规级MCU竞争白热化下的“隐忧”凸显
  • HTML <s> 标签
  • 微信小程序 - scroll-view组件之上拉加载下拉刷新(解决上拉加载不触发)
  • rust usize与i64怎么比较大小?
  • 电脑更新win10黑屏解决方法
  • STM32入门——外部中断
  • 【计算机网络】NAT及Bridge介绍
  • 封装动态SQL的插件
  • C# Microsoft消息队列服务器的使用 MSMQ
  • Kafka3.0.0版本——生产者如何提高吞吐量
  • js精度丢失的问题
  • C++ 编译预处理
  • 备战秋招 | 笔试强化22
  • LeetCode ACM模式——哈希表篇(二)
  • hadoop 3.1.3集群搭建 ubuntu20
  • 备忘录模式——撤销功能的实现
  • Golang 函数参数的传递方式 值传递,引用传递
  • K8s影响Pod调度和Deployment
  • 透明代理和不透明代理
  • 1424. 对角线遍历 II;2369. 检查数组是否存在有效划分;1129. 颜色交替的最短路径