新書推薦：
《
爱琴海的光芒 ： 千年古希腊文明
》
售價：HK$
199.4
《
不被他人左右：基于阿德勒心理学的无压力工作法
》
售價：HK$
66.1
《
SDGSAT-1卫星热红外影像图集
》
售價：HK$
445.8
《
股市趋势技术分析（原书第11版）
》
售價：HK$
221.8
《
汉匈战争全史
》
售價：HK$
99.7
《
恶的哲学研究（社会思想丛书）
》
售價：HK$
109.8
《
不止江湖
》
售價：HK$
98.6
《
天才留步！——从文艺复兴到新艺术运动（一本关于艺术天才的鲜活故事集，聚焦艺术史的高光时刻！）
》
售價：HK$
154.6
|
| 編輯推薦： |
|
本书主要介绍了视觉库OpenCV，NVIDIA公司推出的CUDA，并结合传统的图像处理算法，介绍了如何使用GPU去加速传统图像处理算法。其中二三章主要介绍OpenCV的基础知识，环境搭建和简单应用。第四章主要介绍了CUDA的基础知识，环境搭建和简单应用。第五章主要介绍了如何编译OpenCV和CUDA，并给出了一些简单的CUDA加速图像处理的算法。该书浅显易懂，适合没有基础的读者快速上手。
|
| 內容簡介： |
|
本书主要介绍图像处理和GPU加速的基本原理、主要技术和典型应用。全书共分为5章，详细的叙述了OpenCV的环境搭建，OpenCV在图像处理算法中的应用，OpenCV如何与CUDA进行编译，以及如何使用编译后的OpenCV库驱动GPU加速传统的图像处理算法。 本书可作为信号处理、通信工程、计算机应用、广播电视、自动控制、生医工程、地理信息等领域的工程技术人员、大专、本科院校相关专业的高年级学生研究图像处理技术的参考书。
|
| 目錄：
|
目录
第1章并行图像处理概述
1.1计算机的构成
1.1.1计算机硬件构成
1.1.2显卡和GPU
1.1.3显卡的发展史
1.2并行计算
1.3并行图像处理
1.3.1并行图像处理的应用背景
1.3.2并行图像处理的原理
1.3.3并行图像处理的加速效果
1.4并行图像处理硬件平台
1.5并行图像处理软件平台
1.5.1开发平台Visual Studio
1.5.2计算机视觉库OpenCV
1.5.3统一设备架构CUDA
1.5.4并行编程开发工具TBB
1.5.5跨平台编译工具CMake
1.6常用软硬件搭配方案
1.7本书介绍
1.8本章小结
参考文献
第2章OpenCV及环境搭建
2.1OpenCV的发展历程
2.2开发平台Visual Studio 2010
2.2.1Visual Studio简介
2.2.2安装Visual Studio 2010
2.3搭建OpenCV 2.4.9
2.3.1第一步OpenCV的下载和安装
2.3.2第二步OpenCV的环境变量配置
2.3.3第三步工程项目内包含目录的配置
2.3.4第四步库目录的配置
2.3.5第五步附加依赖项的配置
2.3.6第六步清单项配置
2.3.7第七步Release配置
2.3.8第八步加入OpenCV动态链接库
2.3.9第九步环境测试
2.4OpenCV基本架构
2.5OpenCV环境搭建中常见的问题及解决方案
2.5.1无法启动程序
2.5.2文件缺少MSVCP110D.dll
2.5.3Cannot find or open the PDB file
2.5.4文件缺少tbb_debug.dll
2.5.5应用程序无法启动0xc000007b
2.5.6找不到头文件
2.5.7无法打开lib文件
2.5.8指针越界cv：：Exception
2.5.9x86与x64类型冲突
2.6本章小结
2.7参考文献
第3章OpenCV常用函数和应用实例
3.1OpenCV常用函数
3.1.1Mat类
3.1.2imread函数
3.1.3imshow函数
3.1.4imwrite函数
3.2反向算法
3.3图像融合
3.3.1覆盖型图像融合
3.3.2线性图像混合
3.3.3动画效果的线性混合
3.4图像去噪
3.4.1均值滤波
3.4.2高斯滤波
3.4.3非局部均值滤波
3.5双目视觉测量物体深度
3.5.1双目视觉原理
3.5.2双目视觉标定
3.5.3OpenCV实现
3.6本章小结
3.7参考文献
第4章GPU和CUDA的介绍和应用
4.1CUDA的介绍
4.2GPU的内部结构
4.2.1GPU内部结构的简单介绍
4.2.2GPU的架构
4.2.3常见GPU的挑选
4.3并行处理介绍
4.4CUDA环境搭建
4.4.1CUDA的下载
4.4.2CUDA的安装
4.4.3CUDA在VS中的测试
4.4.4CUDA项目的创建
4.5CUDA C语言
4.5.1C语言最小扩展集
4.5.2运行时库
4.6程序示例
4.6.1Hello World实现
4.6.2参数传递
4.6.3同步函数
4.7线程层次
4.7.1核函数调用和线程层次介绍
4.7.2矢量求和
4.7.3数据较多的矢量求和
4.7.4不同维度线程索引
4.8GPU的存储器
4.8.1寄存器
4.8.2局部存储器
4.8.3共享存储器
4.8.4常数存储器
4.8.5纹理存储器
4.8.6全局存储器
4.8.7页锁定存储器
4.8.8可分页存储器
4.9本章小结
参考文献
第5章基于GPU的并行图像处理
5.1CMake和TBB的安装
5.1.1安装CMake
5.1.2安装TBB
5.2并行OpenCV库的生成
5.3VS内的OpenCV环境搭建及环境测试
5.3.1常用工程文件的配置
5.3.2分别配置项目文件
5.4GPU图像处理实例
5.4.1反向算法
5.4.2图像加法、减法
5.4.3图像腐蚀、膨胀
5.4.4非局部均值算法
5.5本章小结
参考文献
|
| 內容試閱：
|
前言
随着大数据时代的来临，越来越多的图像需要实时处理。随之而来的使用C编程的机器视觉库OpenCV以及驱动GPU的CUDA也变得越来越火热。
OpenCV是机器视觉领域非常著名的开源库，它几乎被应用到机器视觉的所有领域，其功能几乎涵盖每个研究方向。OpenCV包含了底层的图像处理、中层的图像分析以及高层的视觉技术。而且，其算法紧跟视觉前沿，将最新的算法纳入其中。特别是OpenCV 2系列的出现，可以使用C进行编程，并且可以使用GPU为图像处理进行加速。OpenCV在图像界是相当重要的工具，也是很多图像领域研究人员极力推荐的库。
CUDA作为一种并行计算架构，是以GPU为数据并行计算设备的软硬件体系。CUDA以C语言为基础，可以直接用C语言写出在显示芯片上执行的程序，而不需要去学习特定的显示芯片的指令或特殊的结构。因此，CUDA被广泛应用在视频编解码、金融、地质勘探、科学计算等领域。
作为并行图像处理的入门级教材，本书将并行计算架构CUDA和机器视觉库OpenCV结合，以大量示例程序为主线，详细介绍了如何搭建OpenCV环境，如何使用Cmake编译CUDA和OpenCV，以及环境搭建过程中可能出现的错误和解决方案。编写本书的初衷是希望更多初步接触GPU和图像处理的读者可以快速搭建好环境并快速了解OpenCV和CUDA的基础知识，节省入门消耗的时间。
由衷感谢我的导师宋清洋对于我学业和生活上的支持与鼓励，以及对这本书的付出。感谢栾峰老师对我学业上的指点，没有他的指点也就不会有这本书的诞生。感谢我的好兄弟郑建斌和学姐包锡伟在我学习图像处理的过程中对我的指导。
真心希望读者可以轻松地入门并行图像处理技术。由于作者水平有限，书中难免有不足之处，恳请读者批评指正。
王泽宇
2019年3月于东北大学
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
