opencv 和 parfor

一次遇到两个不熟悉的，因此在一起记一下。

OpenCV的全称是：Open Source Computer Vision Library。

OpenCv是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux,Windows和Mac OS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python\Ruby\

MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV是一个用于图像处理、分析、机器视觉方面的开源函数库.

该库的所有代码都经过优化，计算效率很高，因为，它更专注于设计成为一种用于实时系统的开源库。opencv采用C语言进行优化，而且，在多核机器上面，其运行速度会更快。它的一个目标是提供友好的机器视觉接口函数，从而使得复杂的机器视觉产品可以加速面世。该库包含了横跨工业产品检测、医学图像处理、安防、用户界面、摄像头标定、三维成像、机器视觉等领域的超过500个接口函数。
同时，由于计算机视觉与机器学习密不可分，该库也包含了比较常用的一些机器学习算法。或许，很多人知道，图像识别、机器视觉在安防领域有所应用。但，很少有人知道，在航拍图片、街道图片（例如google street view）中，要严重依赖于机器视觉的摄像头标定、图像融合等技术。
近年来，在入侵检测、特定目标跟踪、目标检测、人脸检测、人脸识别、人脸跟踪等领域，opencv可谓大显身手，而这些，仅仅是其应用的冰山一角。
如今，来自世界各地的各大公司、科研机构的研究人员，共同维护支持着opencv的开源库开发。这些公司和机构包括：微软，IBM，索尼、西门子、google、intel、斯坦福、MIT、CMU、剑桥。。。。

以上转自http://blog.csdn.net/carson2005/article/details/5822149

matlab并行之parafor

经常用matlab处理大型数据，有时某些数据处理起来可能要几天甚至更久。如果算法已经到最优，那么提高速度的最后方法就是从硬件下手了。在这个什么都开始并行的年代，matlab也提供了并行计算的功能，甚至能用GPU加速。matlab貌似在2010a开始支持并行计算，引入了一个工具箱，叫做parallel computing toolbox.它的使用方法，可以从matlab的帮助获得。

parfor 就是paralle+for，也就是并行的for循环，即，matlab会弄出几个虚拟的小pc，一个算i=1:30部分循环,一个算i=50:80部分循环,再来一个算i=90:120部分循环，等。也就是matlab将一个大循环分成小块，然后这些小块并行计算，最后再合在一起。但是parfor的前提是：循环的每次迭代独立，不相互依赖。如果下一次循环要依赖上一次循环的话，就不能使用parfor了。

关于提高的速度，用2核的话提高两倍，用4核的话提高了6被。

如何声明要开启的核（通常来讲就是你的PC有几个核就声明几个）？

首先在matlab命令行里输入： matlabpool open local 4

然后它会提示你一些消息，开启成功后就像以前一样操作就行。不想用了就再输入matlabpool close，关闭并行。

这些内容也可以写到函数里面去,比如

function yourFun()

....

　　matlabpool('open','local',4); %最后一个参数是你要开启的线程数

　　　　parfor i=1:N

　　　　...

　　　　end

　　matlabpool close

....

end

如果你的parfor怎么都通不了，或者速度变得更慢了，建议看matlab 帮助中的这一部分，看明白了，自然就有答案了：

一个使用parfor-loop的例子:

%example of parfor-loop

%本地worker数通常等于cpu的核数

matlabpool open local ;

parfor i=:

A(i) = sin(i**pi/);

end

plot(A);

matlabpool close;

以上转自 http://blog.csdn.net/yuzg86/article/details/7542056