当前位置: 首页 > ops >正文

OpenCV CUDA模块中矩阵操作------降维操作

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::cuda::reduce 函数用于对 GPU 上的矩阵沿某个维度进行降维操作,例如求和、取最大值等。此函数支持多种降维操作,并允许指定输出数据类型以及使用 CUDA 流进行异步处理。

函数原型

void cv::cuda::reduce
(InputArray mtx,      // 输入矩阵OutputArray vec,     // 输出向量int dim,             // 降维维度:0表示按列,1表示按行int reduceOp,        // 降维操作类型(如SUM, AVG, MAX, MIN)int dtype = -1,      // 输出数组的数据类型,默认为输入相同类型Stream &stream = Stream::Null() // 可选 CUDA 流
);

参数

  • mtx: 输入 GPU 矩阵。

  • vec: 输出 GPU 向量。

  • dim: 指定沿哪个维度进行降维:

    • 0: 按列降维(结果为行向量)。
    • 1: 按行降维(结果为列向量)。
  • reduceOp: 降维操作类型:

    • REDUCE_SUM: 求和。
    • REDUCE_AVG: 平均值。
    • REDUCE_MAX: 最大值。
    • REDUCE_MIN: 最小值。
  • dtype: 输出数组的数据类型。默认为与输入相同类型。

  • stream: 可选 CUDA 流对象,用于异步执行。

代码示例

#include <iostream>
#include <opencv2/cudaarithm.hpp>
#include <opencv2/opencv.hpp>int main()
{// 创建一个测试矩阵cv::Mat h_mat = ( cv::Mat_< float >( 3, 3 ) << 1.0f, 2.0f, 3.0f, 4.0f, 5.0f, 6.0f, 7.0f, 8.0f, 9.0f );// 上传到 GPUcv::cuda::GpuMat d_mat;d_mat.upload( h_mat );// 存储降维结果的 GpuMatcv::cuda::GpuMat d_vec;// 创建 CUDA 流cv::cuda::Stream stream;// 沿列方向(dim=0)进行 SUM 操作cv::cuda::reduce( d_mat, d_vec, 0, cv::REDUCE_SUM, -1, stream );stream.waitForCompletion();// 下载结果并显示cv::Mat host_vec_sum_col;d_vec.download( host_vec_sum_col );std::cout << "Sum along columns: \n" << host_vec_sum_col << std::endl;// 沿行方向(dim=1)进行 AVG 操作cv::cuda::reduce( d_mat, d_vec, 1, cv::REDUCE_AVG, -1, stream );stream.waitForCompletion();// 下载结果并显示cv::Mat host_vec_avg_row;d_vec.download( host_vec_avg_row );std::cout << "Average along rows: \n" << host_vec_avg_row << std::endl;return 0;
}

运行结果

Sum along columns: 
[12, 15, 18]
Average along rows: 
[2;5;8]
http://www.xdnf.cn/news/6662.html

相关文章:

  • OpenCV 级联分类器目标检测
  • qtc++ qdebug日志生成
  • 关于Mirth Connect的一些利用方式
  • Mybatis-plus 条件构造器 Wrapper
  • 前端面经 9 JS中的继承
  • 蓝牙AVRCP协议概述
  • 【MySQL】项目实践
  • 对于指针的理解
  • 8.重建大师刺点功能介绍
  • K8S从Harbor拉取镜像
  • 初识SOC:RK3588
  • AQS 基本思想与源码分析
  • go-数据库基本操作
  • 云存储最佳实践
  • 【PhysUnits】4.1 类型级比特位实现解释(boolean.rs)
  • 大数据革命:转变商业洞察力
  • 虹桥前湾印象城MEGA品牌大会灵感迸发,共绘湾系生活新章
  • 智能AI构建工地安全网:跌倒、抽搐、区域入侵多场景覆盖
  • 卓力达电铸镍网:精密制造与跨领域应用的创新典范
  • 预测模型开发与评估:基于机器学习的数据分析实践
  • 数据服务共享平台方案
  • 分布式锁: Redisson红锁(RedLock)原理与实现细节
  • 【gRPC】HTTP/2协议,HTTP/1.x中线头阻塞问题由来,及HTTP/2中的解决方案,RPC、Protobuf、HTTP/2 的关系及核心知识点汇总
  • 双流芯谷产业园:元宇宙枢纽的区位密码
  • IHttpHandler和Tcp Listener的web服务器接收上传文件有什么区别
  • 泰迪杯特等奖案例深度解析:基于MSER-CNN的商品图片字符检测与识别系统设计
  • 会议分享|高超声速流动测量技术研讨会精彩探析
  • 深入探索:Core Web Vitals 进阶优化与新兴指标
  • Windows11安装rockerMq5.0+以及springboot集成rockerMq
  • 现代计算机图形学Games101入门笔记(十四)