近日，摩尔线程宣布其自研统一系统架构MUSA已完成与开源计算机视觉库OpenCV的适配，并正式发布OpenCV-MUSA开源项目。该项目旨在为开发者和研究人员提供更加高效与便捷的工具，使其在开发基于全功能GPU的各类计算机视觉应用时，能够大幅提升开发效率，从而加速基于国产GPU的计算机视觉应用的开发与创新。
OpenCV作为计算机视觉领域最重要的开源库之一，为图像和视频处理的开发者和研究人员提供了强大而灵活的工具。凭借丰富的功能和高效的性能，OpenCV在自动驾驶、医疗影像、安防监控、机器人视觉、增强现实和图像识别等多个领域得到了广泛的应用。OpenCV为GPU加速提供了支持，通过引入OpenCL、CUDA等加速后端，极大地提升图像视频处理、线性代数计算等复杂任务的执行速度，满足了更大规模数据处理和更复杂算法的计算需求，为实时应用、深度学习、三维重建和高分辨率视频处理等领域提供卓越的性能和效率。
摩尔线程通过自主研发的MUSA统一系统架构和软件平台，致力于构建一个完善且易用的国产GPU应用生态。此次发布的OpenCV-MUSA开源项目，目的就在于将OpenCV的强大功能与MUSA架构的高性能计算能力相结合，让用户能够充分发挥摩尔线程全功能GPU的澎湃算力。
在现有OpenCV代码的基础上，摩尔线程新增了MUSA设备后端，并为多个算法模块提供了MUSA加速支持，同时对编译脚本也进行了适配。目前，OpenCV-MUSA已支持包括core、mudev、musaarithm、musawarping、musafeatures2d、musafilters、musaimgproc、musaobjdetect、musastereo、musabgsegm、photo、stitching、superres、videostab、xfeatures2d在内的多个模块。
目前，OpenCV-MUSA支持绝大部分cv::cuda命名空间下的数据结构及API，尤其是OpenCV中为GPU设计的核心图像数据结构GpuMat。开发者只需将现有C++代码中的命名空间cv::cuda替换为cv::musa，即可在MUSA设备上实现相同的功能。
摩尔线程诚邀广大的用户及开发者体验OpenCV-MUSA，并提供宝贵的反馈意见，以帮助OpenCV-MUSA功能和性能的持续改进与完善。我们期待与更多的开发者携手，共同打造MUSA软件生态的繁荣发展。未来，摩尔线程将陆续推出更多开源软件MUSA加速项目，进一步丰富和扩展技术平台，为开发者及社区提供更多强大的工具和支持，加速推动国产GPU应用的创新和发展。
OpenCV-MUSA开源地址：
https://github.com/MooreThreads/opencv
https://github.com/MooreThreads/opencv_contrib
