快速开始

备注

阅读本篇前，请确保已按照 安装教程 准备好昇腾环境及 OpenCV ！

OpenCV 中昇腾算子入参列表和 cpu 及 cuda 算子保持一致，除了对昇腾必要的初始化、去初始化之外，用户无需学习 CANN API，仅需要将原来的接口添加 cann 包名（C++ 接口为使用 cann 命名空间），整体流程如下图所示：

图像处理

OpenCV 当前支持 20+ 昇腾算子，此处根据图像处理应用场景，选取 add， rotate 和 flip 算子的应用作示例代码， 更多算子见 OpenCV 官方文档。

使用 C++

备注

通过命令行传参 input 和 output 来指定输入和输出图像路径

// This file is part of OpenCV project.
// It is subject to the license terms in the LICENSE file found in the top-level directory
// of this distribution and at http://opencv.org/license.html.

#include <iostream>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/cann.hpp>
#include <opencv2/cann_interface.hpp>

int main(int argc, char* argv[])
{
    cv::CommandLineParser parser(argc, argv,
    "{@input|puppy.png|path to input image}"
    "{@output|output.png|path to output image}"
    "{help||show help}");
    parser.about("This is a sample for image processing with Ascend NPU. \n");
    if (argc != 3 || parser.has("help"))
    {
        parser.printMessage();
        return 0;
    }

    std::string imagePath = parser.get<std::string>(0);
    std::string outputPath = parser.get<std::string>(1);

    // 读取输入图像
    cv::Mat img = cv::imread(imagePath);
    // 生成高斯噪声
    cv::Mat gaussNoise(img.rows, img.cols, img.type());
    cv::RNG rng;
    rng.fill(gaussNoise, cv::RNG::NORMAL, 0, 25);

    // cann 初始化及指定设备
    cv::cann::initAcl();
    cv::cann::setDevice(0);

    cv::Mat output;
    // 添加高斯噪声到输入图像
    cv::cann::add(img, gaussNoise, output);
    // 旋转图像 (0, 1, 2, 分别代表旋转 90°, 180°, 270°)
    cv::cann::rotate(output, output, 0);
    // 翻转图像 (0, 正数, 负数, 分别代表沿 x, y, x 和 y 轴进行翻转)
    cv::cann::flip(output, output, 0);
    // 写入输出图像
    cv::imwrite(outputPath, output);

    // cann 去初始化
    cv::cann::resetDevice();
    cv::cann::finalizeAcl();
    return 0;
}

使用 Python

备注

通过命令行传参 input 和 output 来指定输入和输出图像路径

# This file is part of OpenCV project.
# It is subject to the license terms in the LICENSE file found in the top-level directory
# of this distribution and at http://opencv.org/license.html.

import numpy as np
import cv2
import argparse

parser = argparse.ArgumentParser(description='This is a sample for image processing with Ascend NPU.')
parser.add_argument('image', help='path to input image')
parser.add_argument('output', help='path to output image')
args = parser.parse_args()

# 读取输入图像
img = cv2.imread(args.image)
# 生成高斯噪声
gaussNoise = np.random.normal(0, 25,(img.shape[0], img.shape[1], img.shape[2])).astype(img.dtype)

# cann 初始化及指定设备
cv2.cann.initAcl()
cv2.cann.setDevice(0)

# 添加高斯噪声到输入图像
output = cv2.cann.add(img, gaussNoise)
# 旋转图像 (0, 1, 2, 分别代表旋转 90°, 180°, 270°)
output = cv2.cann.rotate(output, 0)
# 翻转图像 (0, 正数, 负数, 分别代表沿 x, y, x 和 y 轴进行翻转)
output = cv2.cann.flip(output, 0)
# 写入输出图像
cv2.imwrite(args.output, output)

# cann 去初始化
cv2.cann.finalizeAcl()

图像处理结果

本示例使用输入图像如图所示：

通过上述 Python 或 C++ 示例代码处理，得到的输出图像为：