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。

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。

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...