OpenCV에서 CUDA를 사용해봅니다.

2024. 6. 29  최초작성

허프 변환을 GPU와 CPU에서 실행한 시간을 측정한 결과입니다. GPU를 사용했을때 짧은 시간이 걸리는 것을 볼 수 있습니다.

CPU 허프 변환 시간 : 0.031784772872924805 seconds

GPU 허프 변환 시간 : 0.003282308578491211 seconds

테스트에 사용한 전체 코드입니다. OpenCV에서 CUDA를 사용하도록 컴파일을 하는 것이 필요합니다. 다음 포스트를 참고하세요. 

Ubuntu 22.04에 CUDA 사용하는 OpenCV 설치하는 방법

https://webnautes.com/ubuntu-22-04e-cuda-sayonghaneun-opencv-seolcihaneun-bangbeob/ 

import cv2
import numpy as np
import time


# 큰 이미지를 사용해야 GPU를 사용한 효과를 확인할 수 있네요.
height, width = 4096, 4096 
image = np.zeros((height, width, 3), dtype=np.uint8)

# 허브 변환으로 검출하기위해 임의의 직선을 그려줍니다.
cv2.line(image, (0, 0), (width, height), (255, 255, 255), 10)
cv2.line(image, (width, 0), (0, height), (255, 255, 255), 10)

# 그레이 스케일로 변환합니다.
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 캐니 에지 디텍터로 에지를 검출합니다.
edges = cv2.Canny(gray_image, 50, 150, apertureSize=3)


# CPU에서 허프 변환 적용합니다.
start_cpu = time.time()
lines_cpu = cv2.HoughLines(edges, 1, np.pi / 180, 200)
end_cpu = time.time()
print(f"CPU 허프 변환 시간 : {end_cpu - start_cpu} seconds")


# CUDA가 가능한지 확인합니다.
if not cv2.cuda.getCudaEnabledDeviceCount():
    print("CUDA가 활성화된 장치가 없습니다.")
else:
    # 이미지를 GPU 메모리로 업로드합니다.
    gpu_image = cv2.cuda_GpuMat()
    gpu_image.upload(gray_image)

    # CUDA를 사용한 캐니 에지 디텍터로 에지를 검출합니다.
    gpu_edges = cv2.cuda.createCannyEdgeDetector(50, 150, 3)
    gpu_edge_output = gpu_edges.detect(gpu_image)

    # GPU에서 허프 변환 적용합니다.
    start_gpu = time.time()
    hough_detector = cv2.cuda.createHoughSegmentDetector(1, np.pi / 180, 200, 10)
    result_gpu = hough_detector.detect(gpu_edge_output)
    end_gpu = time.time()
    print(f"GPU 허프 변환 시간 : {end_gpu - start_gpu} seconds")

    # # 이미지에서 결과 보는것은 생략합니다.
    # result_image = image.copy()
    # if result_gpu is not None and not result_gpu.empty():
    #     lines = result_gpu.download()
    #     for line in lines:
    #         x1, y1, x2, y2 = line[0][0], line[0][1], line[1][0], line[1][1]
    #         cv2.line(result_image, (int(x1), int(y1)), (int(x2), int(y2)), (0, 0, 255), 2)

    # cv2.imshow('GPU 허프 변환 결과', result_image)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()