尝试运行python脚本，其中我主要在gpu上使用opencv

所以我试过了所有的方法，我试过在ubuntu上，在windows上，试过了所有的在线解决方案，但我没有得到它；我错过了一些东西

我有这个代码，我试图在我的gpu上运行它，我主要使用windows；如果需要，我还可以访问ubuntu 16.04和18.04

import cv2

def shadow_removal (path) :
    or_img = cv2.imread(path)

    y_cb_cr_img1 = cv2.cvtColor(or_img, cv2.COLOR_BGR2YCrCb)
    # covert the BGR image to an YCbCr image
    y_cb_cr_img = cv2.cvtColor(or_img, cv2.COLOR_BGR2YCrCb)

    # copy the image to create a binary mask later
    binary_mask = np.copy(y_cb_cr_img)

    # get mean value of the pixels in Y plane
    y_mean = np.mean(cv2.split(y_cb_cr_img)[0])

    # get standard deviation of channel in Y plane
    y_std = np.std(cv2.split(y_cb_cr_img)[0])

    # classify pixels as shadow and non-shadow pixels
    for i in range(y_cb_cr_img.shape[0]):
        for j in range(y_cb_cr_img.shape[1]):

            if y_cb_cr_img[i, j, 0] < y_mean - (y_std / 3):
                # paint it white (shadow)
                binary_mask[i, j] = [255, 255, 255]
            else:
                # paint it black (non-shadow)
                binary_mask[i, j] = [0, 0, 0]

    # Using morphological operation
    # The misclassified pixels are
    # removed using dilation followed by erosion.
    kernel = np.ones((3, 3), np.uint8)
    erosion = cv2.erode(binary_mask, kernel, iterations=3)

    # sum of pixel intensities in the lit areas
    spi_la = 0

    # sum of pixel intensities in the shadow
    spi_s = 0

    # number of pixels in the lit areas
    n_la = 0

    # number of pixels in the shadow
    n_s = 0

    # get sum of pixel intensities in the lit areas
    # and sum of pixel intensities in the shadow
    for i in range(y_cb_cr_img.shape[0]):
        for j in range(y_cb_cr_img.shape[1]):
            if erosion[i, j, 0] == 0 and erosion[i, j, 1] == 0 and erosion[i, j, 2] == 0:
                spi_la = spi_la + y_cb_cr_img[i, j, 0]
                n_la += 1
            else:
                spi_s = spi_s + y_cb_cr_img[i, j, 0]
                n_s += 1

    # get the average pixel intensities in the lit areas
    average_ld = spi_la / n_la

    # get the average pixel intensities in the shadow
    average_le = spi_s / n_s

    # difference of the pixel intensities in the shadow and lit areas
    i_diff = average_ld - average_le

    # get the ratio between average shadow pixels and average lit pixels
    ratio_as_al = average_ld / average_le

    # added these difference
    for i in range(y_cb_cr_img.shape[0]):
        for j in range(y_cb_cr_img.shape[1]):
            if erosion[i, j, 0] == 255 and erosion[i, j, 1] == 255 and erosion[i, j, 2] == 255:
                y_cb_cr_img[i, j] = [y_cb_cr_img[i, j, 0] + i_diff, y_cb_cr_img[i, j, 1] + ratio_as_al,
                                    y_cb_cr_img[i, j, 2] + ratio_as_al]
            else:
                y_cb_cr_img[i, j] = y_cb_cr_img1[i,j]


    # # # covert the YCbCr image to the BGR image
    final_image = cv2.cvtColor(y_cb_cr_img, cv2.COLOR_YCR_CB2RGB)
    #dilation = cv2.dilate(final_image,kernel,iterations = 1)
    cv2.imwrite('im4.png', dilation)


    # blur = cv2.GaussianBlur(final_image,(5,5),cv2.BORDER_DEFAULT)

    return final_image

if __name__== "__main__":

    #shadow_removal(cv2.Umat('im1.png'))
    shadow_removal('im1.png')

导入cv2
def阴影_移除（路径）：
或_img=cv2.imread（路径）
y_cb_cr_img1=cv2.cvt颜色（或_img，cv2.COLOR_BGR2YCrCb）
#将BGR映像转换为YCbCr映像
y_cb_cr_img=cv2.cvt颜色（或_img，cv2.COLOR_BGR2YCrCb）
#稍后复制图像以创建二进制掩码
二进制掩码=np.copy（y\u cb\u cr\u img）
#获取Y平面上像素的平均值
y_平均值=np.平均值（cv2.分割（y_cb_cr_img）[0]）
#获得Y平面上通道的标准偏差
y_std=np.std（cv2.split（y_cb_cr_img）[0]）
#将像素分为阴影像素和非阴影像素
对于范围内的i（y_cb_cr_img.shape[0]）：
对于范围内的j（y_cb_cr_img.shape[1]）：
如果y_cb_cr_img[i，j，0]

非常感谢您的帮助，因为我已经坚持了一个星期了

---

对不起，如果我的问题问得不好，但我是这个论坛和整个领域的新手；我快发疯了

在numba中使用cuda目标进行矢量化，或在numba cuda.jit目标中。这里采用的方法不是如何在GPU上运行这样的代码。如果你想学习如何正确使用numba，有很多在线资源。在GPU上使用OpenCV最直接的方法是直接使用OpenCV（它具有GPU支持功能），而不是通过numba.Hi！谢谢你的回复！可以使用numba运行我的代码吗？我读过一些东西，比如说没有办法使用cuda运行opencv脚本；其他人谈到使用UMat，其他人谈到openCL；我真的迷路了；请你能给我一点指导…还有一件事，numba部分是我忘记删除的部分，我发布的尾声不应该在gpu上运行。我想知道如何在GPU上运行这段代码。上面有很多问题，因此提供了如何将OpenCV与CUDA结合使用的示例。是一个例子，这是一个使用C++而不是Python的例子；在numba矢量化和cuda目标或numba cuda.jit目标中使用cpp会容易得多。这里采用的方法不是如何在GPU上运行这样的代码。如果你想学习如何正确使用numba，有很多在线资源。在GPU上使用OpenCV最直接的方法是直接使用OpenCV（它具有GPU支持功能），而不是通过numba.Hi！谢谢你的回复！可以使用numba运行我的代码吗？我读过一些东西，比如说没有办法使用cuda运行opencv脚本；其他人谈到使用UMat，其他人谈到openCL；我真的迷路了；请你能给我一点指导…还有一件事，numba部分是我忘记删除的部分，我发布的尾声不应该在gpu上运行。我想知道如何在GPU上运行这段代码。上面有很多问题，因此提供了如何将OpenCV与CUDA结合使用的示例。是一个例子，这是一个使用C++而不是Python的例子；使用cpp更容易解决这个问题