Požadavky na výkon jednotlivých kroků strojového vidění jsou zpravidla velmi vysoké. V praktických aplikacích strojového vidění může být i desetina sekundy trvání jednoho kroku ve výsledku velkým problémem. Někdy může být dobrým řešením akcelerace algoritmů při práci s obrazem využití masivně paralelního výkonu současných grafických procesorů.

Hledání nejmenší opsané kružnice masivně paralelním algoritmem

Již déle než rok je v prostředí systému VisioLab k dispozici algoritmus pro GPU pro hledání vepsaných kružnic. Jeho hlavní předností je vysoký výkon s minimální zátěží pro CPU počítače. Nyní byl doplněn i krok pro hledání nejmenších kružnic, které lze opsat objektům libovolných tvarů. I když kód uvnitř fragmentového shaderu je značně složitější než v případě hledání vepsané kružnice, časová náročnost tohoto nového kroku je s tímto předchozím krokem prakticky srovnatelná.

Obrazový filtr pro potlačení statického pozadí obrazu

Krok pro detekci pohybu v obraze je k dispozici již docela dlouho. Novinkou je ale detektor pohybu v podobě obrazového filtru. Statické pozadí je možno vyplnit zvolenou barvou. Z obrazu kamery pak vidíme jen ty body, u kterých byla detekována zadaná blízkost oproti bodům pozadí. Pozadí je možno nechat vytvářet buď dynamicky, nebo lze jako pozadí vložit libovolný obrázek. Jako pozadí můžeme např. uložit aktuální obraz z kamery. Možnost zadat definované pevné pozadí přibyla i do původního kroku pro detekci pohybu.

V obou krocích je v případě dynamického pozadí obraz akumulován do snímku s body v plovoucí řádové čárce (tj. 4 byte na pixel). Tak lze docílit i velmi pomalou adaptaci pozadí a tedy jeho značnou setrvačnost a necitlivost na krátké změny.

Detekce hran na paprscích kruhového regionu

V některých aplikacích se může velmi hodit možnost detekce hranových bodů na obvodu objektu libovolného tvaru. Body jsou hledány na zadaném počtu čar uvnitř prstencového regionu vedoucích radiálně ze středu regionu.

_{Roman Cagaš}