python端使用opencv的GPU读取视频的小记

python中使用opencv的cuda开发经验

1.python使用GPU读取视频

如果要在python种使用GPU读取视频的话，需要在opencv编译的时候加入ffmpeg和nvcuvid。

(1)nvcuvdid编译

下载Video_Codec_SDK_11.1.5.zip文件，地址：
NVIDIA VIDEO CODEC SDK
复制nvcuid/cuviddec头文件

sudo cp ./Video_Codec_SDK_11.0.10/Interface/nvcuvid.h /usr/local/cuda/include
sudo cp ./Video_Codec_SDK_11.0.10/Interface/cuviddec.h /usr/local/cuda/include

即可在编译的时候获得，如下图红框所示：

有这个编译选项的时候采用调用opencv的GPU读流

2.GPU读流的操作

具体读流函数如下所示：

import cv2
defmain(file_path):
    cap = cv2.cudacodec.createVideoReader(file_path)whileTrue:
        ret, frame = cap.nextFrame()if ret isFalse:break
        cv2.imshow('image', frame)
        cv2.waitKey(1)
    cap.release()if __name__ =='__main__':
    file_path ='test.mp4'
    main(file_path)

opencv的gpu读取的视频图片的格式位GpuMat格式，并且为BGRA的格式，需要用自带的颜色转换cv2.cvtColor转换为BGR的格式，该函数在GPU中也有相应的函数可以直接转换，就不用再下载打cpu端进行操作。并且如果需要下载到CPU进行操作的话，就需要download，例如frame.download。

3.GpuMat的图像的copyTo

在python端如果进行GpuMat的拼接覆盖操作的话，必须用到copyTo操作，这个操作需要从原图之中扣出来一块区域，并且和原图指向同一个地址，这样子区域的改变才能够影响的原图，如果直接用=或者GpuMat赋值操作的话，则和原图的地址不同了，不能进行相应的操作。
具体的代码如下

import cv2
import numpy as np

defmain():# 创建两个GpuMat的矩阵
    gpu_frame1 = cv2.cuda_GpuMat()
    gpu_frame2 = cv2.cuda_GpuMat()# 将图片1上传到GPUGpuMat中
    image1 = cv2.imread('./1.png')
    image1 = cv2.resize(image1,(640,640))
    gpu_frame1.upload(image1)# 从图片1左上角获得一个320×320
    src_roi = gpu_frame1.rowRange(0,320).colRange(0,320)# 将图片2上传到GPUGpuMat中
    image2 = cv2.imread('./2.png')
    image2 = cv2.resize(image2,(320,320))
    gpu_frame2.upload(image2)# 将图片2覆盖到从图片1中获得的区域
    gpu_frame2.copyTo(src_roi)# 将两个图片下载到CPU端
    img1 = gpu_frame1.download()
    img2 = gpu_frame2.download()
    cv2.imwrite('1_1.jpg', img1)
    cv2.imwrite('1_2.jpg', img2)if __name__ =='__main__':
    main()

图片1
图片2
拼接后的图片1_1