cliper.py

import cv2

# Verifica se o OpenCV tem suporte a CUDA
print("OpenCV foi compilado com suporte a CUDA?", 'YES' if cv2.cuda.getCudaEnabledDeviceCount() > 0 else 'NO')

# Se houver dispositivos CUDA disponíveis
if cv2.cuda.getCudaEnabledDeviceCount() > 0:
    # Exibe informações sobre o(s) dispositivo(s) CUDA
    for i in range(cv2.cuda.getCudaEnabledDeviceCount()):
        print(f"\nInformações do dispositivo CUDA {i}:")
        prop = cv2.cuda.getDeviceProperties(i)
        print(f"Nome: {prop.name}")
        print(f"Multiprocessadores: {prop.multiProcessorCount}")
        print(f"Clock rate: {prop.clockRate}")
        print(f"Memória total: {prop.totalGlobalMem / (1024 ** 3):.2f} GB")

    # Teste básico com GPU: carregar imagem e aplicar Canny Edge Detection na GPU
    img = cv2.imread('test_image.jpg')  # Substitua por um caminho válido
    if img is None:
        print("Erro ao carregar a imagem. Coloque uma imagem chamada 'test_image.jpg' no diretório.")
    else:
        # Envia a imagem para a GPU
        gpu_img = cv2.cuda_GpuMat()
        gpu_img.upload(img)

        # Aplica detecção de bordas Canny na GPU
        edges_gpu = cv2.cuda.Canny(gpu_img, 100, 200)

        # Baixa o resultado para CPU e mostra
        edges = edges_gpu.download()

        # Mostra as imagens
        cv2.imshow('Original', img)
        cv2.imshow('Edges (GPU)', edges)
        cv2.waitKey(0)
        cv2.destroyAllWindows()
else:
    print("Nenhum dispositivo CUDA disponível.")