jasmcaus/caer

Caer – 輕量級、GPU 加速的電腦視覺工具箱

它是什麼 – Caer 是一個純 Python 函式庫，封裝了快速的 GPU 核心，提供最常見的影像處理與影片處理操作（縮放、色彩轉換、增強等），不需要 OpenCV 或自訂 CUDA 程式碼的繁雜樣板。它定位為研究導向的替代方案，具備型別檢查、完善文件且易於擴充。

主要組件

模組	用途
caer	核心高效能函式（例如 resize、rotate）。
caer.color	色彩空間轉換與工具。
caer.data	包含少數標準測試影像（例如 sunrise）。
caer.path	跨平台路徑輔助函式。
caer.preprocessing	常見的影像前處理步驟。
caer.transforms	增強管線（翻轉、裁切等）。
caer.video	簡易的影片讀寫工具。

為何使用它

• 想要在經典電腦視覺操作上獲得 GPU 加速，但不想自行編寫 CUDA。
• 需要一個乾淨、型別檢查的 API，能與 PyTorch / TensorFlow 流程順利結合。
• 希望相較於完整的 OpenCV 建置，擁有更小的相依性體積。

安裝

pip install --upgrade caer

此專案支援 Python 3.6 以上，並提供最常見平台的 wheel。詳細的建置說明位於 INSTALL.md 檔案，供需要自行編譯的使用者參考。

最小範例

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 會展示產生的影像，並指向包含更多示範的資料夾。

文件與社群

• 完整的 API 文件託管於 ReadTheDocs（caer.rtfd.io）。
• 問題追蹤、討論與貢獻指南皆透過 GitHub 提供。
• 此套件採用 MIT 授權，可用於開源與商業專案。

適用對象

• 需要快速、具 Python 風格的方式來原型化視覺管線，且不想引入龐大的 C++ 函式庫的學生、業餘者與研究人員。

以上資訊皆直接取自該儲存庫的 README。