一次遇到兩個不熟悉的，因此在一起記一下。

OpenCV的全稱是：Open Source Computer Vision Library。

OpenCv是一個基于（開源）發行的跨平臺計算機視覺庫，可以運行在Linux,Windows和Mac OS操作系統上。它輕量級而且高效——由一系列C函數和少量C++類構成，同時提供了Python\Ruby\

MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。

OpenCV是一個用于圖像處理、分析、機器視覺方面的開源函數庫.

該庫的所有代碼都經過優化，計算效率很高，因為，它更專注于設計成為一種用于實時系統的開源庫。opencv采用C語言進行優化，而且，在多核機器上面，其運行速度會更快。它的一個目標是提供友好的機器視覺接口函數，從而使得復雜的機器視覺產品可以加速面世。該庫包含了橫跨工業產品檢測、醫學圖像處理、安防、用戶界面、攝像頭標定、三維成像、機器視覺等領域的超過500個接口函數。
同時，由于計算機視覺與機器學習密不可分，該庫也包含了比較常用的一些機器學習算法。或許，很多人知道，圖像識別、機器視覺在安防領域有所應用。但，很少有人知道，在航拍圖片、街道圖片（例如google street view）中，要嚴重依賴于機器視覺的攝像頭標定、圖像融合等技術。
近年來，在入侵檢測、特定目標跟蹤、目標檢測、人臉檢測、人臉識別、人臉跟蹤等領域，opencv可謂大顯身手，而這些，僅僅是其應用的冰山一角。
如今，來自世界各地的各大公司、科研機構的研究人員，共同維護支持著opencv的開源庫開發。這些公司和機構包括：微軟，IBM，索尼、西門子、google、intel、斯坦福、MIT、CMU、劍橋。。。。

以上轉自http://blog.csdn.net/carson2005/article/details/5822149

?

matlab并行之parafor

經常用matlab處理大型數據，有時某些數據處理起來可能要幾天甚至更久。如果算法已經到最優，那么提高速度的最后方法就是從硬件下手了。在這個什么都開始并行的年代，matlab也提供了并行計算的功能，甚至能用GPU加速。matlab貌似在2010a開始支持并行計算，引入了一個工具箱，叫做parallel computing toolbox.它的使用方法，可以從matlab的幫助獲得。

parfor 就是paralle+for，也就是并行的for循環，即，matlab會弄出幾個虛擬的小pc，一個算i=1:30部分循環,一個算i=50:80部分循環,再來一個算i=90:120部分循環，等。也就是matlab將一個大循環分成小塊，然后這些小塊并行計算，最后再合在一起。但是parfor的前提是：循環的每次迭代獨立，不相互依賴。如果下一次循環要依賴上一次循環的話，就不能使用parfor了。

關于提高的速度，用2核的話提高兩倍，用4核的話提高了6被。

如何聲明要開啟的核（通常來講就是你的PC有幾個核就聲明幾個）？

首先在matlab命令行里輸入： matlabpool open local 4

然后它會提示你一些消息，開啟成功后就像以前一樣操作就行。不想用了就再輸入matlabpool close，關閉并行。

這些內容也可以寫到函數里面去,比如

function yourFun()

....

　　matlabpool('open','local',4); %最后一個參數是你要開啟的線程數

　　　　parfor i=1:N

　　　　...

　　　　end

　　matlabpool close

....

end

如果你的parfor怎么都通不了，或者速度變得更慢了，建議看matlab 幫助中的這一部分，看明白了，自然就有答案了：

一個使用parfor-loop的例子:

%example of parfor-loop

%本地worker數通常等于cpu的核數

matlabpool open local 2;parfor i=1:1024A(i) = sin(i*2*pi/1024);endplot(A);matlabpool close;

以上轉自 http://blog.csdn.net/yuzg86/article/details/7542056

?

轉載于:https://www.cnblogs.com/rong86/p/3800130.html

總結

以上是生活随笔為你收集整理的opencv 和 parfor的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。