删除2篇文章

4ff6f15b · MaoXianxin · 45de806c · 45de806c · 45de806c · 4ff6f15b
3 changed file
--- a/OpenCV-Python成为官方OpenCV项目-2021-02-26.md
+++ b/OpenCV-Python成为官方OpenCV项目-2021-02-26.md
-**好消息！曾为非正式但又广为流行的OpenCV-Python软件包现已成为官方OpenCV项目了！**
-
-OpenCV-Python是Python的一个预编译的只支持CPU的OpenCV包，使用pip install opencv-python便可在Windows、Linux(x86_64和aarch64)以及MacOS(x86_64)上安装Python的OpenCV。
-
-此软件包包含预编译的OpenCV以及Python绑定，所以无需单独安装OpenCV。软件包的开发和维护者Olli-Pekka Heinisuo([https://github.com/skvark](https://github.com/skvark))同意将此方案转交给OpenCV成为官方项目。感谢Olli-Pekka Heinisuo和其他33名贡献者的工作。OpenCV团队目前正在针对最新的基于Apple M1的硬件提供支持。
-
-非常高兴opencv-python、opencv-python-headless、opencv-contrib-python和opencv-contrib-python-headless终于“回家”了！
-
-更多OpenCV-Python信息：
-
-[https://github.com/opencv/opencv-python](https://github.com/opencv/opencv-python)
-
-新闻链接：
-
-[https://opencv.org/opencv-python-is-now-an-official-opencv-project/](https://opencv.org/opencv-python-is-now-an-official-opencv-project/)
\ No newline at end of file
--- a/OpenCV中的并行计算parallel_for_(1)-2021-04-07.md
+++ b/OpenCV中的并行计算parallel_for_(1)-2021-04-07.md
-OpenCV中的parallel_for_为用户提供了快速并行化代码的途径。
-
-先来看一个用parallel_for_并行化矩阵相乘的简单例子。这个例子是对输入为128x128x32进行核为3x3x64的卷积操作。
-
-直接计算的代码如下：
-
-```
-void conv3x3(const Mat& inp, const Mat& weights, Mat& out)
-{
-    int out_cn = weights.size[0];
-    int inp_cn = weights.size[1];
-    int kh = weights.size[2], kw = weights.size[3];
-    int inp_h = inp.size[1], inp_w = inp.size[2];
-    int out_h = inp_h - kh + 1, out_w = inp_w - kw + 1;
-    int size[] = {out_cn, out_h, out_w};
-
-    CV_Assert( inp.size[0] == inp_cn && kw == 3 && kh == 3 );
-
-    out.create(3, size, CV_32F);
-
-    for( int oc = 0; oc < out_cn; oc++ )
-        for( int y = 0; y < out_h; y++ )
-        {
-            int iidx[] = { 0, y, 0 };
-            int widx[] = { oc, 0, 0, 0 };
-            int oidx[] = { oc, y, 0 };
-
-            const float* iptr0 = inp.ptr<float>(iidx);      // &inp[0, y, 0]
-            const float* wptr0 = weights.ptr<float>(widx);  // &weights[oc, 0, 0, 0]
-            float* optr = out.ptr<float>(oidx);             // &out[oc, y, 0]
-
-            for( int x = 0; x < out_w; x++ )
-            {
-                float sum = 0.f;
-                for( int ic = 0; ic < inp_cn; ic++ )
-                {
-                    const float* iptr = iptr0 + x + ic*(inp_h*inp_w);   // &inp[ic, y, x]
-                    const float* wptr = wptr0 + ic*(kw*kh);             // &weights[oc, ic, 0, 0]
-
-                    sum += iptr[0]*wptr[0] + iptr[1]*wptr[1] + iptr[2]*wptr[2] +
-                           iptr[inp_w]*wptr[3] + iptr[inp_w+1]*wptr[4] + iptr[inp_w+2]*wptr[5] +
-                           iptr[inp_w*2]*wptr[6] + iptr[inp_w*2+1]*wptr[7] + iptr[inp_w*2+2]*wptr[8];
-                }
-                optr[x] = sum;
-            }
-        }
-}
-```
-
-使用parallel_for_进行并行计算的代码如下：
-
-```
-void conv3x3_parallel(const Mat& inp, const Mat& weights, Mat& out)
-{
-    int out_cn = weights.size[0];
-    int inp_cn = weights.size[1];
-    int kh = weights.size[2], kw = weights.size[3];
-    int inp_h = inp.size[1], inp_w = inp.size[2];
-    int out_h = inp_h - kh + 1, out_w = inp_w - kw + 1;
-    int size[] = {out_cn, out_h, out_w};
-
-    CV_Assert( inp.size[0] == inp_cn && kw == 3 && kh == 3 );
-
-    out.create(3, size, CV_32F);
-
-    // 用parallel_for_按ch进行并行计算
-    parallel_for_(Range(0, out_cn), [&](const Range& r)
-    {
-    for( int oc = r.start; oc < r.end; oc++ )
-        for( int y = 0; y < out_h; y++ )
-        {
-            int iidx[] = { 0, y, 0 };
-            int widx[] = { oc, 0, 0, 0 };
-            int oidx[] = { oc, y, 0 };
-
-            const float* iptr0 = inp.ptr<float>(iidx);      // &inp[0, y, 0]
-            const float* wptr0 = weights.ptr<float>(widx);  // &weights[oc, 0, 0, 0]
-            float* optr = out.ptr<float>(oidx);             // &out[oc, y, 0]
-
-            for( int x = 0; x < out_w; x++ )
-            {
-                float sum = 0.f;
-                for( int ic = 0; ic < inp_cn; ic++ )
-                {
-                    const float* iptr = iptr0 + x + ic*(inp_h*inp_w);   // &inp[ic, y, x]
-                    const float* wptr = wptr0 + ic*(kw*kh);             // &weights[oc, ic, 0, 0]
-
-                    sum += iptr[0]*wptr[0] + iptr[1]*wptr[1] + iptr[2]*wptr[2] +
-                    iptr[inp_w]*wptr[3] + iptr[inp_w+1]*wptr[4] + iptr[inp_w+2]*wptr[5] +
-                    iptr[inp_w*2]*wptr[6] + iptr[inp_w*2+1]*wptr[7] + iptr[inp_w*2+2]*wptr[8];
-                }
-                optr[x] = sum;
-            }
-        }
-    });
-}
-```
-
-来运行一下
-
-```
-int main(int argc, char** argv)
-{
-    const int inp_h = 128, inp_w = 128, inp_cn = 32;
-    const int out_cn = 64;
-    const int kh = 3, kw = 3;
-
-    Mat inp, w, out_ref, out_curr;
-    gen_inp(inp_cn, inp_h, inp_w, inp);
-    gen_weights(out_cn, inp_cn, kh, kw, w);
-
-    conv3x3(inp, w, out_ref);
-    conv3x3(inp, w, out_curr);
-    double t = (double)getTickCount();
-    conv3x3(inp, w, out_curr);
-    t = (double)getTickCount() - t;
-
-    double t2 = (double)getTickCount();
-    conv3x3_parallel(inp, w, out_curr);
-    t2 = (double)getTickCount() - t2;
-
-    printf("conv3x3 time = %.1fms\n", t * 1000 / getTickFrequency());
-    printf("conv3x3_parallel time = %.1fms\n",  t2 * 1000 / getTickFrequency());
-
-    return 0;
-}    
-```
-
-conv3x3和conv3x3_parallel在我的笔记本电脑上运行时间对比如下：
-
-![](./imgs/7.png)
-
-对比conv3x3和conv3x3_parallel的内部实现，基本相同，只是conv3x3_parallel代码中多了一句用parallel_for_按照输出通道的数量进行并行计算。parallel_for_根据用户计算机上的并行框架在其内部完成了代码的并行化，非常简便易用！
-
-使用parallel_for_的一个前提条件是OpenCV需要与并行框架一起编译。OpenCV中支持以下并行框架，并按照下面的顺序选取进行处理：
-
- Intel TBB (第三方库，需显式启用)
- C=并行C/C++编程语言扩展 (第三方库，需显式启用)
- OpenMP (编译器集成, 需显式启用)
- APPLE GCD (苹果系统自动使用)
- Windows RT并发(Windows RT自动使用)
- Windows并发(运行时部分, Windows，MSVC++ >= 10自动使用)
- Pthreads 
-
-在刚发布的OpenCV 4.5.2版本，增加了支持并行框架的选择。特殊编译的OpenCV可以允许选择并行后端，并/或通过plugin动态载入。如：
-
-```
-# TBB plugin
-cd plugin_tbb
-cmake <opencv>/modules/core/misc/plugins/parallel_tbb
-cmake --build . --config Release
-
-# OpenMP plugin
-cd plugin_openmp
-cmake <opencv>/modules/core/misc/plugins/parallel_openmp
-cmake --build . --config Release
-```
-
-第二个条件是所要完成的计算任务是适宜并可以进行并行化的。简言之，可以分解成多个子任务并且没有内存依赖的就容易并行化。例如，对一个像素的处理并不与其他像素的处理冲突，计算机视觉相关的任务多数情况下容易进行并行化。
-
-参考资料：
-
-[1] [https://docs.opencv.org/master/d7/dff/tutorial_how_to_use_OpenCV_parallel_for_.html](https://docs.opencv.org/master/d7/dff/tutorial_how_to_use_OpenCV_parallel_for_.html)
-
-[2] [https://github.com/opencv/opencv/wiki/ChangeLog](https://github.com/opencv/opencv/wiki/ChangeLog)
-
-[3] [https://github.com/opencv/opencv/pull/19470](https://github.com/opencv/opencv/pull/19470)
\ No newline at end of file
--- a/README.md
+++ b/README.md
 # OpenCV_技术文章

-企业技术文章精选，**觉得不错的话别忘了点个Star哈**。
+**觉得不错的话别忘了点个Star哈**。

-计划每天更新，欢迎大家一起来完善，也欢迎大家成为贡献者，有什么问题可以直接私信我或者提Issue
-
-**该页底部可以扫码入群，欢迎来群里和我直接交流:**
+**欢迎大家一起来协作，该页底部可以扫码入群，来群里和我直接交流吧！！！**

 ### 2021-05-26

 [微信二维码引擎OpenCV开源！3行代码让你拥有微信扫码能力-2021-01-31](./微信二维码引擎OpenCV开源！3行代码让你拥有微信扫码能力-2021-01-31.md)

-[OpenCV-Python成为官方OpenCV项目-2021-02-26](./OpenCV-Python成为官方OpenCV项目-2021-02-26.md)
-
 ### 2021-05-25

 [用OpenCV实现条形码识别-2021-04-22](./用OpenCV实现条形码识别-2021-04-22.md)

-[OpenCV中的并行计算parallel_for_(1)-2021-04-07](./OpenCV中的并行计算parallel_for_(1)-2021-04-07.md)
-
 [OpenCV 4.5.2 发布-2021-04-06](./OpenCV 4.5.2 发布-2021-04-06.md)

 [用OpenCV实现超轻量的NanoDet目标检测模型-2021-03-17](./用OpenCV实现超轻量的NanoDet目标检测模型-2021-03-17.md)