jasmcaus/caer

Caer – 轻量级、GPU 加速的计算机视觉工具箱

它是什么 – Caer 是一个纯 Python 库，封装了快速的 GPU 核心，提供最常见的图像处理和视频处理操作（缩放、颜色转换、增强等），无需 OpenCV 或自定义 CUDA 代码的繁琐模板。它定位为研究导向的替代方案，具备类型检查、完善文档且易于扩展。

主要组件

模块	用途
caer	核心高效能函数（例如 resize、rotate）。
caer.color	颜色空间转换与工具。
caer.data	包含少数标准测试图像（例如 sunrise）。
caer.path	跨平台路径辅助函数。
caer.preprocessing	常见的图像前处理步骤。
caer.transforms	增强管线（翻转、裁剪等）。
caer.video	简易的视频读写工具。

为什么使用它

• 想要在经典计算机视觉操作上获得 GPU 加速，但不想自行编写 CUDA。
• 需要一个干净、类型检查的 API，能与 PyTorch / TensorFlow 流程顺利结合。
• 希望相较于完整的 OpenCV 构建，拥有更小的依赖体积。

安装

pip install --upgrade caer

此项目支持 Python 3.6 以上，并提供最常见平台的 wheel。详细的构建说明位于 INSTALL.md 文件，供需要自行编译的用户参考。

最小示例

import caer

# Load a bundled 640×427 test image
sunrise = caer.data.sunrise(rgb=True)

# Resize to 400×400 while keeping the aspect ratio
resized = caer.resize(
    sunrise,
    target_size=(400, 400),
    preserve_aspect_ratio=True,
)

README 会展示生成的图像，并指向包含更多示例的文件夹。

文档与社区

• 完整的 API 文档托管于 ReadTheDocs（caer.rtfd.io）。
• 问题追踪、讨论与贡献指南均通过 GitHub 提供。
• 此包采用 MIT 许可证，可用于开源和商业项目。

适用对象

• 需要快速、具 Python 风格的方式来原型化视觉管线，且不想引入庞大的 C++ 库的学生、业余者与研究人员。

以上信息皆直接取自该仓库的 README。