章 并行图像处理概述
1.1 计算机的构成
1.1.1 计算机硬件构成
1.1.2 显卡和GPU
1.1.3 显卡的发展史
1.2 并行计算
1.3 并行图像处理
1.3.1 并行图像处理的应用背景
1.3.2 并行图像处理的原理
1.3.3 并行图像处理的加速效果
1.4 并行图像处理硬件平台
1.5 并行图像处理软件平台
1.5.1 开发平台——Visual Studio
1.5.2 计算机视觉库——OpenCV
1.5.3 统一设备架构——CUDA
1.5.4 并行编程开发工具——TBB
1.5.5 跨平台编译工具——CMake
1.6 常用软硬件搭配方案
1.7 本书介绍
1.8 本章小结
参考文献
第2章 OpenCV及环境搭建
2.1 OpenCV的发展历程
2.2 开发平台——Visual Studio 2010
2.2.1 Visual Studio简介
2.2.2 安装Visual Studio 2010
2.3 搭建OpenCV 2.4.9
2.3.1 步OpenCV的下载和安装
2.3.2 第二步OpenCV的环境变量配置
2.3.3 第三步工程项目内包含目录的配置
2.3.4 第四步库目录的配置
2.3.5 第五步附加依赖项的配置
2.3.6 第六步清单项配置
2.3.7 第七步Release配置
2.3.8 第八步加入OpenCV动态链接库
2.3.9 第九步环境测试
2.4 OpenCV基本架构
2.5 OpenCV环境搭建中常见的问题及解决方案
2.5.1 无法启动程序
2.5.2 文件缺少MSVCP110D.dll
2.5.3 Cannot find or open the PDB file
2.5.4 文件缺少tbb_debug.dll
2.5.5 应用程序无法启动0xc000007b
2.5.6 找不到头文件
2.5.7 无法打开lib文件
2.5.8 指针越界cv::Exception
2.5.9 x86与x64类型冲突
2.6 本章小结
2.7 参考文献
第3章 OpenCV常用函数和应用实例
3.1 OpenCV常用函数
3.1.1 Mat类
3.1.2 imread函数
3.1.3 imshow函数
3.1.4 imwrite函数
3.2 反向算法
3.3 图像融合
3.3.1 覆盖型图像融合
3.3.2 线性图像混合
3.3.3 动画效果的线性混合
3.4 图像去噪
3.4.1 均值滤波
3.4.2 高斯滤波
3.4.3 非局部均值滤波
3.5 双目视觉测量物体深度
3.5.1 双目视觉原理
3.5.2 双目视觉标定
3.5.3 OpenCV实现
3.6 本章小结
3.7 参考文献
第4章 GPU和CUDA的介绍和应用
4.1 CUDA的介绍
4.2 GPU的内部结构
4.2.1 GPU内部结构的简单介绍
4.2.2 GPU的架构
4.2.3 常见GPU的挑选
4.3 并行处理介绍
4.4 CUDA环境搭建
4.4.1 CUDA的下载
4.4.2 CUDA的安装
4.4.3 CUDA在VS中的测试
4.4.4 CUDA项目的创建
4.5 CUDAC语言
4.5.1 C语言最小扩展集
4.5.2 运行时库
4.6 程序示例
4.6.1 Hello World实现
4.6.2 参数传递
4.6.3 同步函数
4.7 线程层次
4.7.1 核函数调用和线程层次介绍
4.7.2 矢量求和
4.7.3 数据较多的矢量求和
4.7.4 不同维度线程索引
4.8 GPU的存储器
4.8.1 寄存器
4.8.2 局部存储器
4.8.3 共享存储器
4.8.4 常数存储器
4.8.5 纹理存储器
4.8.6 全局存储器
4.8.7 页锁定存储器
4.8.8 可分页存储器
4.9 本章小结
参考文献
第5章 基于GPU的并行图像处理
5.1 CMake和TBB的安装
5.1.1 安装CMake
5.1.2 安装TBB
5.2 并行OpenCV库的生成
5.3 VS内的OpenCV环境搭建及环境测试
5.3.1 常用工程文件的配置
5.3.2 分别配置项目文件
5.4 GPU图像处理实例
5.4.1 反向算法
5.4.2 图像加法、减法
5.4.3 图像腐蚀、膨胀
5.4.4 非局部均值算法
5.5 本章小结
参考文献

本书适合于用CUDA和OpenCV搭建图像处理并行运算平台的初学者，详细讲述了OpenCV的基本使用方法和如何使用CUDA实现图像处理的加速。为了避免学习中遇到很多环境搭建的错误而放弃，本书详细介绍了作者在搭建开发环境中出现的所有错误，并给出了大量的解决方案(包括VS、OpenCV