OpenCV-C++-CUDA-05-高斯雙邊加速，實時美顏

        本章我們繼續使用OpenCV-C++版本在CUDA下的編程應用，主要使用雙邊模糊，對圖像進行美顏細化。

1、高斯雙邊模糊

int main(int argc, char** argv)
{
	Mat image = imread("F:/test/face_image.jpg");
	imshow("input image", image);
	cuda::GpuMat image_gpu,dst;
	image_gpu.upload(image);

	//高斯雙邊模糊
	cuda::bilateralFilter(image_gpu, dst, 0, 100, 15, 4);
	Mat result;
	dst.download(result);
	imshow("result", result);
	waitKey(0);
	
	return 0;
}

原圖：

模糊處理後的結果：

看上去效果還不錯，臉上的坑坑窪窪都被去掉了。

當然，除了圖片以外，還可以使用視頻或攝像頭：

void video_test_gpu()
{
	VideoCapture cap(0);
	Mat frame,result;
	cuda::GpuMat frame_gpu,dst_gpu;
	while (true)
	{
		double t1 = getTickCount();
		cap.read(frame);
		frame_gpu.upload(frame);
		cuda::bilateralFilter(frame_gpu, dst_gpu, 0, 50, 10, 4);
		dst_gpu.download(result);
		double fps = getTickFrequency()/(getTickCount() - t1);
		putText(result, format("FPS:%.2f", fps), Point(50, 50), FONT_HERSHEY_PLAIN, 1.5, Scalar(0, 0, 255), 2, 8);
		imshow("video-result", result);
		if (char(waitKey(1)) == 27)
			break;
		
	}
	return;
}

2、均值漂移濾波

        均值漂移濾波在OpenCV CPU版本中的實時速度非常非常慢。那麼通過GPU加速之後，速度會是怎樣的呢？

void image_meanshift_gpu()
{
	Mat image = imread("F:/test/face_image.jpg");
	imshow("input image", image);
	cuda::GpuMat image_gpu, dst;
	image_gpu.upload(image);
	double t1 = getTickCount();
	cuda::cvtColor(image_gpu, image_gpu, COLOR_BGR2BGRA);//轉爲4通道
	//均值漂移濾波
	cuda::meanShiftFiltering(image_gpu, dst, 5, 80);
	double fps = getTickFrequency() / (getTickCount() - t1);
	Mat result;
	dst.download(result);
	putText(result, format("FPS:%.2f", fps), Point(50, 50), FONT_HERSHEY_PLAIN, 1.5, Scalar(0, 0, 255), 2, 8);
	imshow("meanShift result", result);
	video_test_gpu(); //GPU meanShift
	return;

}

結果：

可以看到，FPS達到了200多幀，快到不行。實際上，在做應用的時候，可以先找出人臉區域，然後在進行濾波操作，這樣更好。

附上所有代碼：

#include<opencv2/opencv.hpp>
#include<opencv2/cudaimgproc.hpp>
#include<iostream>

using namespace std;
using namespace cv;
void video_test_gpu();
void image_meanshift_gpu();
int main(int argc, char** argv)
{
	Mat image = imread("F:/test/face_image.jpg");
	imshow("input image", image);
	cuda::GpuMat image_gpu,dst;
	image_gpu.upload(image);
	//高斯雙邊模糊
	cuda::bilateralFilter(image_gpu, dst, 0, 100, 15, 4);
	Mat result;
	dst.download(result);
	imshow("result", result);
	//video_test_gpu(); //GPU-雙邊濾波視頻
	image_meanshift_gpu();//GPU-均值漂移
	waitKey(0);
	destroyAllWindows();
	return 0;
}

void video_test_gpu()
{
	VideoCapture cap(0);
	Mat frame,result;
	cuda::GpuMat frame_gpu,dst_gpu;
	while (true)
	{
		double t1 = getTickCount();
		cap.read(frame);
		frame_gpu.upload(frame);
		cuda::bilateralFilter(frame_gpu, dst_gpu, 0, 50, 10, 4);
		dst_gpu.download(result);
		double fps = getTickFrequency()/(getTickCount() - t1);
		putText(result, format("FPS:%.2f", fps), Point(50, 50), FONT_HERSHEY_PLAIN, 1.5, Scalar(0, 0, 255), 2, 8);
		imshow("video-result", result);
		if (char(waitKey(1)) == 27)
			break;
		
	}
	return;
}

void image_meanshift_gpu()
{
	Mat image = imread("F:/test/face_image.jpg");
	imshow("input image", image);
	cuda::GpuMat image_gpu, dst;
	image_gpu.upload(image);
	double t1 = getTickCount();
	cuda::cvtColor(image_gpu, image_gpu, COLOR_BGR2BGRA);//轉爲4通道，GPU只支持4通道
	//均值漂移濾波
	cuda::meanShiftFiltering(image_gpu, dst, 5, 80); //值越低，計算量越小
	double fps = getTickFrequency() / (getTickCount() - t1);
	Mat result;
	dst.download(result);
	putText(result, format("FPS:%.2f", fps), Point(50, 50), FONT_HERSHEY_PLAIN, 1.5, Scalar(0, 0, 255), 2, 8);
	imshow("meanShift result", result);
	video_test_gpu(); //GPU meanShift
	return;

}