基于GPU加速的计算机视觉编程:使用OpenCV和CUDA实时处理复杂图像数据电子书

前言

作者简介

审稿人简介

第1章 CUDA介绍及入门

1.1 技术要求

1.2 CUDA介绍

1.3 CUDA应用程序

1.4 CUDA开发环境

1.5 在所有操作系统上安装CUDA工具包

1.6 一个基本的CUDA C程序

1.7 总结

1.8 测验题

第2章 使用CUDA C进行并行编程

2.1 技术要求

2.2 CUDA程序结构

2.3 在设备上执行线程

2.4 在CUDA程序中获取GPU设备属性

2.5 CUDA中的向量运算

2.6 并行通信模式

2.7 总结

2.8 测验题

第3章 线程、同步和存储器

3.1 技术要求

3.2 线程

3.3 存储器架构

3.4 线程同步

3.5 常量内存

3.6 纹理内存

3.7 向量点乘和矩阵乘法实例

3.8 总结

3.9 测验题

第4章 CUDA中的高级概念

4.1 技术要求

4.2 测量CUDA程序的性能

4.3 CUDA中的错误处理

4.4 CUDA程序性能的提升

4.5 CUDA流

4.6 使用CUDA加速排序算法

4.7 利用CUDA进行图像处理

4.8 总结

4.9 测验题

第5章 支持CUDA的OpenCV入门

5.1 技术要求

5.2 图像处理和计算机视觉简介

5.3 OpenCV简介

5.4 安装支持CUDA的OpenCV

5.5 使用OpenCV处理图像

5.6 使用OpenCV处理视频

5.7 使用OpenCV CUDA模块的基本计算机视觉应用程序

5.8 OpenCV应用程序使用和不使用CUDA支持的性能比较

5.9 总结

5.10 测验题

第6章 使用OpenCV和CUDA进行基本的计算机视觉操作

6.1 技术要求

6.2 访问图像的各个像素强度

6.3 OpenCV中直方图的计算和均衡

6.4 图像的几何变换

6.5 对图像进行滤波操作

6.6 图像的形态学操作

6.7 总结

6.8 测验题

第7章 使用OpenCV和CUDA进行对象检测和跟踪

7.1 技术要求

7.2 对象检测和跟踪简介

7.3 基于颜色的对象检测和跟踪

7.4 基于形状的对象检测和跟踪

7.5 关键点检测器和描述符

7.6 使用Haar级联的对象检测

7.7 使用背景减法进行对象跟踪

7.8 总结

7.9 测验题

第8章 Jetson TX1开发套件

8.1 技术要求

8.2 Jetson TX1简介

8.3 在Jetson TX1上安装JetPack

8.4 总结

8.5 测验题

第9章 在Jetson TX1上部署计算机视觉应用程序

9.1 技术要求

9.2 Jetson TX1 GPU的设备属性

9.3 Jetson TX1上的基本CUDA程序

9.4 Jetson TX1上的图像处理

9.5 Jetson TX1的摄像机接口

9.6 Jetson TX1上的高级应用程序

9.7 在Jetson TX1上使用Python和OpenCV实现计算机视觉

9.8 总结

9.9 测验题

第10章 PyCUDA入门

10.1 技术要求

10.2 Python编程语言简介

10.3 PyCUDA模块简介

10.4 在Windows上安装PyCUDA

10.5 在Ubuntu上安装PyCUDA

10.6 总结

10.7 测验题

第11章 使用PyCUDA

11.1 技术要求

11.2 编写第一个PyCUDA程序

11.3 从PyCUDA程序访问GPU设备属性

11.4 在PyCUDA中执行线程和块

11.5 PyCUDA中的基本编程概念

11.6 使用CUDA事件测量PyCUDA程序的性能

11.7 PyCUDA中的复杂程序

11.8 PyCUDA的高级内核函数

11.9 总结

11.10 测验题

第12章 使用PyCUDA的基本计算机视觉应用程序

12.1 技术要求

12.2 PyCUDA中的直方图计算

12.3 使用PyCUDA进行基本的计算机视觉操作

12.4 总结

12.5 测验题

测验题答案