电脑没有支持CUDA加速的硬件

如果你的电脑没有支持CUDA加速的硬件，可以考虑使用OpenCV提供的cv::UMat类进行加速处理。cv::UMat是一个通用的矩阵类，可以在CPU和GPU之间自动切换，以提高图像处理的速度。

以下是使用cv::UMat类对3072x2048的图像进行加速处理的示例代码：

cv::Mat inputImage = cv::imread("input.jpg");
cv::Mat outputImage;

// 将输入图像转换为cv::UMat类型
cv::UMat inputUmat = inputImage.getUMat(cv::ACCESS_READ);

// 定义旋转中心
cv::Point2f center(inputImage.cols / 2, inputImage.rows / 2);
// 定义旋转角度
double angle = 45;
// 定义缩放比例
double scale = 1;

// 计算旋转矩阵
cv::Mat rotateMat = cv::getRotationMatrix2D(center, angle, scale);

// 将旋转矩阵转换为cv::UMat类型
cv::UMat rotateMatUmat = rotateMat.getUMat(cv::ACCESS_READ);

// 加速warpAffine函数
cv::warpAffine(inputUmat, outputImage, rotateMatUmat, inputImage.size(), cv::INTER_LINEAR + cv::WARP_INVERSE_MAP, cv::BORDER_CONSTANT);

// 显示输入和输出图像
cv::imshow("input", inputImage);
cv::imshow("output", outputImage);
cv::waitKey(0);

在上述代码中，我们首先读取一张3072x2048的图像，然后将其转换为cv::UMat类型。接着，我们定义旋转中心、旋转角度和缩放比例，并使用cv::getRotationMatrix2D函数计算了旋转矩阵。然后，我们将旋转矩阵转换为cv::UMat类型，并使用cv::warpAffine函数，将输入图像inputUmat进行仿射变换得到输出图像outputImage。其中，我们使用了cv::INTER_LINEAR和cv::WARP_INVERSE_MAP两个加速标志，前者表示使用双线性插值算法进行图像采样，后者表示使用逆变换矩阵进行变换。最后，我们将输入和输出图像进行显示，然后等待用户按下任意键退出程序。

需要注意的是，使用cv::UMat类需要OpenCV版本3.0及以上。在使用cv::warpAffine函数之前，还需要确保系统内存充足，并且尽可能地减小图像的内存占用。可以使用cv::resize函数将图像缩小到适当的大小，以减小内存占用。