先决条件

目标板要求＊

开发主机要求

在主机上验证NVIDIA支持包的安装

使用checkHardwareSupportPackageInstall函数验证主机系统与运行此示例兼容。

checkHardwareSupportPackageInstall ();

连接到NVIDIA硬件

NVIDIA GPU的GPU编码器支持包使用TCP/IP上的SSH连接来执行命令，同时在Jetson平台上构建和运行生成的CUDA代码。因此，必须将目标平台连接到与主机相同的网络中，或者使用以太网交叉电缆将单板直接连接到主机。有关如何设置和配置您的电路板，请参阅NVIDIA文档。

要与NVIDIA硬件通信，必须使用杰森(NVIDIA Jetson和NVIDIA DRIVE平台的MATLAB Coder支持包)函数。创建硬件活连接对象时，需要知道目标板的主机名或IP地址、用户名和密码。

hwobj =杰森(“主机”，“用户名”，“密码”）;

当不同目标有多个活动连接对象时，代码生成器将在为其创建最近活动对象的目标上执行远程构建。若要选择执行远程构建的硬件板，请使用setupCodegenContext ()各自活动硬件对象的方法。如果只创建了一个活动连接对象，则没有必要调用此方法。

hwobj.setupCodegenContext;

检查GPU环境

要验证运行此示例所需的编译器和库是否已正确设置，请使用coder.checkGpuInstall函数。

envCfg = code . gpuenvconfig (“杰森”）;envCfg。BasicCodegen = 1;envCfg。安静= 1;envCfg。HardwareObject = hwobj;coder.checkGpuInstall (envCfg);

的imtophat入口点函数

的imtophatDemo_gpu.m调用imtophat在内部。的imtophat函数对图像执行形态打开imopen(图像处理工具箱)函数。图像的结果从原始图像中减去。的imopen操作基本上是imerode(图像处理工具箱)操作之后imdilate(图像处理工具箱)．

这个例子显示在输入的灰度图像上。

原文= imread(“rice.png”）;imshow(原始)、标题(“顶帽过滤输入”）;

创建一个半径为12的圆盘形结构元素。邻居,Nhood作为imtophat函数的输入参数传递。

Se = strel(“磁盘”12);Nhood = se.Neighborhood;类型imtophatDemo_gpu

function [out] = imtophatDemo_gpu(img,Nhood,ocvFlag) %#codegen % Copyright 2019-2021 The MathWorks, Inc. code .gpu.kernelfun;这个例子使用OpenCV读取图像并显示输出图像。更新buildinfo链接到目标上可用的% OpenCV库。如果ocvFlag % OpenCV 4 flags opencv_compile_flags = ' ' ppg -config——cflags——libs opencv4 ";Opencv_link_flags = ' ' pkg-config——libs opencv4 ";OpenCV 3 flags opencv_compile_flags = ' ' ppg -config——cflags——libs OpenCV ";Opencv_link_flags = ' ' pkg-config——libs opencv ";结束coder.updateBuildInfo (addLinkFlags, opencv_link_flags);coder.updateBuildInfo (addCompileFlags, opencv_compile_flags);out = imtophat(img,Nhood); end

获取目标上的OpenCV版本

使用pkg-config帮助工具查询是否OpenCV 4。目标板上已安装X。本例使用该信息更新构建信息，以链接到目标上可用的适当OpenCV库。

试一试OpenCVver = strtrim(system(hwobj，——modversion opencv4));isOpenCV4 = 1;抓OpenCVver = strtrim(system(hwobj，modversion opencv));isOpenCV4 = 0;结束

在目标上生成和部署CUDA代码

这个例子使用了imtophatDemo_gpu.m作为代码生成的入口点函数。要生成CUDA可执行文件，请创建一个GPU代码配置对象。

cfg = code . gpuconfig (exe”）;

使用coder.hardware函数为Jetson平台创建配置对象并将其分配给硬件GPU代码配置对象的属性cfg．

cfg。硬件= code . Hardware (英伟达杰森的）;

自定义main_tophat.cu文件是调用imtophatDemo_gpu生成代码中的入口点函数。使用OpenCV接口将后处理步骤添加到主文件中。包含OpenCV库的Build FlagsimtophatDemo_gpu.m入口点函数。

cfg。CustomSource = fullfile(“main_tophat.cu”）;

要生成CUDA代码，请使用codegen函数并传递GPU代码配置对象和输入参数。在这一步中，CUDA代码在主机上生成，生成的文件被复制并构建在目标的工作区目录中。工作区目录作为属性可用，workspaceDir在硬件对象中，hwobj．

codegenarg游戏{原始,coder.Constant (Nhood) coder.Constant (isOpenCV4)}配置cfgimtophatDemo_gpu报告

在目标上运行应用程序

这个应用程序以灰度图像作为输入。将rice.png文件从主机复制到目标设备putFile命令。

imgLoc = which(“rice.png”）;hwobj.putFile (imgLoc hwobj.workspaceDir);

使用runApplication在目标硬件上启动应用程序的硬件对象的方法。

hwobj.runApplication (“imtophatDemo_gpu”，“rice.png”）;

Jetson TX2上的顶帽过滤图像

终止应用程序

使用killApplication硬件对象的方法来终止目标上正在运行的应用程序。

hwobj.killApplication (“imtophatDemo_gpu”）;