Python API

VPI 公开了一个 Python API，它提供了一种使用该库的简化方法，从而加快了开发周期。资源管理在后台自动完成，使开发人员能够专注于图像处理管道的定义。

要求

• Ubuntu 20.04 或 22.04
• Python 3.9 或 3.10
• numpy >= 1.11.0
• pillow >= 3.1.2

编写图像模糊应用程序

将以下代码复制到名为 main.py 的文件中。注释解释了它的工作原理。

import sys
import vpi

import numpy as np
from PIL import Image
from argparse import ArgumentParser

# 2. 解析命令行参数
# -----------------------------------------------------------------------------
parser = ArgumentParser()
parser.add_argument('input',
 help='用作输入的图像')
args = parser.parse_args();

# 3. 加载输入并将其包装到 VPI 图像中。
# -----------------------------------------------------------------------------

# `Image.open` 返回一个 Pillow 图像，然后将其解释为
# 一个 numpy 数组。此数组最终被包装在适合的 VPI 图像中
# 供 VPI 算法使用。
try
 input = vpi.asimage(np.asarray(Image.open(args.input)))
except IOError
 sys.exit("输入文件未找到")
except
 sys.exit("输入文件错误")

# 4. 将其转换为灰度图像，并使用 5x5 盒式滤波器对其进行模糊处理
# 使用 ZERO 边界条件。
# -----------------------------------------------------------------------------

# 在如下所示的 python 上下文中启用 CUDA 后端会使
# VPI 算法默认使用 CUDA 执行。这可以被覆盖
# 如果需要，可以在调用算法时通过指定参数 `backend=` 来覆盖。
with vpi.Backend.CUDA
 # `image.convert` 将返回一个具有所需格式的新 VPI 图像，在
 # 本例中为 U8（灰度，8 位无符号像素）。
 # 返回新 VPI 图像的算法允许像这样的链式操作
 # 如下所示，因为转换的结果随后被过滤。
 # 最终结果最终存储在新的 `output` VPI 图像中。
 output = input.convert(vpi.Format.U8) \
 .box_filter(5, border=vpi.Border.ZERO)

# 5. 将结果保存到磁盘
# -----------------------------------------------------------------------------

# 下面启用的读取锁定上下文确保所有处理都已完成，并且
# 结果存储在 `output` 中。
with output.rlock_cpu() as outData
 # `outData` 是 `output` 的 numpy 数组视图（不是副本）
 # 内容，可通过主机 (cpu) 访问。
 # 然后将 numpy 数组转换为 Pillo 图像并保存
 # 到磁盘
 Image.fromarray(outData).save('tutorial_blurred_python.png')

测试应用程序

一切就绪后，按如下方式执行脚本

python3 main.py <图像文件名>

将 <图像文件名> 替换为磁盘上的某个图像。