为了加快某些操作,我将图像传输到GPU内存。经过一些处理后,我不得不裁剪一些区域:
image = cv2.UMat(image)
...
crop = image[y1:y2,x1:x2]
问题在于无法在GPU内存中切片图像。上面的代码会引发错误:" UMat对象不可订阅"。我找到的解决方案是将图像传回到numpy对象,而不是将其切片,然后传回GPU:
image = cv2.UMat(image)
...
image = image.get()
crop = image[y1:y2,x1:x2]
crop = cv2.UMat(crop)
...
但是上述解决方案看起来很昂贵,因为向/从GPU内存传输数据需要时间。我觉得有一种方法可以在GPU内存中裁剪图像。任何提示?
答案 0 :(得分:6)
在对UMat类源代码和测试进行一些研究之后,我找到了这个解决方案:
crop = cv2.UMat(image, [y0, y1], [x0, x1])
答案 1 :(得分:0)
def crop_umat(umat, height, width, left=0, top=0):
return cv.UMat(umat, [top, height+top], [left, width+left])