详细说明

类
类	cv::cuda::BufferPool
	BufferPool 用于与 CUDA 流一起使用。更多...

类	cv::cuda::Event

结构	cv::cuda::EventAccessor
	使用该类可从 cuda::Event 获取 cudaEvent_t。更多...

结构	cv::cuda::GpuData

类	cv::cuda::GpuMat
	具有引用计数的 GPU 内存的基本存储类。更多...

类	cv::cuda::GpuMatND

类	cv::cuda::HostMem
	使用该类可引用计数，封装 CUDA 的特殊内存类型分配函数。更多...

类	cv::cuda::Stream
	该类封装一个异步调用队列。更多...

结构	cv::cuda::StreamAccessor
	使用该类可从 cuda::Stream 获取 cudaStream_t。更多...

函数
void	cv::cuda::createContinuous (int rows, int cols, int type, OutputArray arr)
	创建连续矩阵。

GpuMat	cv::cuda::createGpuMatFromCudaMemory (int rows, int cols, int type, size_t cudaMemoryAddress, size_t step=Mat::AUTO_STEP)
	绑定重载，从现有 GPU 内存创建 GpuMat。

GpuMat	cv::cuda::createGpuMatFromCudaMemory (Size size, int type, size_t cudaMemoryAddress, size_t step=Mat::AUTO_STEP)

void	cv::cuda::ensureSizeIsEnough (int rows, int cols, int type, OutputArray arr)
	确保矩阵大小足够且类型正确。

void	cv::cuda::registerPageLocked (Mat &m)
	对矩阵内存进行页面锁定并将其映射到设备。

void	cv::cuda::setBufferPoolConfig （int deviceId、size_t stackSize、int stackCount）

void	cv::cuda::setBufferPoolUsage （bool on）
	BufferPool 管理（必须在 Stream 创建之前调用）

void	cv::cuda::unregisterPageLocked (Mat&m）
	取消映射矩阵的内存，并使其变为可分页的。

Stream	cv::cuda::wrapStream （size_t cudaStreamMemoryAddress）
	将绑定重载用于根据存储在现有 CUDA 运行时 API 流指针（cudaStream_t）中的地址创建一个 Stream 对象。

功能文档

◆ createContinuous()

void cv::cuda::createContinuous	(	int	rows,
		int	cols,
		int	type,
		OutputArray	arr
	)

Python
	cv.cuda.createContinuous(	rows, cols, type[, arr]	) ->	arr

#include <opencv2/core/cuda.hpp>

创建连续矩阵。

参数

rows	行计数。
cols	列计数。
type	矩阵类型。
arr	目标矩阵。只有当目标矩阵类型和区域正确时（\(\texttt{rows} \times \texttt{cols}\)），此参数才发生改变。

如果矩阵的元素存储连续，即每行的结尾处没有间隙，则称该矩阵为连续存储的。

◆ createGpuMatFromCudaMemory() [1/2]

GpuMat cv::cuda::createGpuMatFromCudaMemory	(	int	rows,
		int	cols,
		int	type,
		size_t	cudaMemoryAddress,
		size_t	step = `Mat::AUTO_STEP`
	)

内联

Python
	cv.cuda.createGpuMatFromCudaMemory(	rows, cols, type, cudaMemoryAddress[, step]	) ->	retval
	cv.cuda.createGpuMatFromCudaMemory(	size, type, cudaMemoryAddress[, step]	) ->	retval

#include <opencv2/core/cuda.hpp>

绑定重载，从现有 GPU 内存创建 GpuMat。

参数

rows	行计数。
cols	列计数。
type	矩阵类型。
cudaMemoryAddress	设备上分配的 GPU 内存地址。这不会分配矩阵数据。相反，它只会初始化指向指定的 cudaMemoryAddress 的矩阵头，这意味着不会复制任何数据。此操作非常高效，并且可用于使用 OpenCV 函数处理外部数据。外部数据不会自动释放，因此你应加以留心。
step	每个矩阵行所占用的字节数。该值应包含每行末尾的填充字节（如果有）。如果参数缺失（设置为 Mat::AUTO_STEP ），则不考虑填充，实际步长计算为 cols*elemSize()。见 GpuMat::elemSize。

注释: 仅用于生成绑定关系的重载，未导出或供从 C++ 内部使用。

◆ createGpuMatFromCudaMemory() [2/2]

GpuMat cv::cuda::createGpuMatFromCudaMemory	(	Size	size,
		int	type,
		size_t	cudaMemoryAddress,
		size_t	step = `Mat::AUTO_STEP`
	)

内联

Python
	cv.cuda.createGpuMatFromCudaMemory(	rows, cols, type, cudaMemoryAddress[, step]	) ->	retval
	cv.cuda.createGpuMatFromCudaMemory(	size, type, cudaMemoryAddress[, step]	) ->	retval

#include <opencv2/core/cuda.hpp>

这是一个重载成员函数，为提高便捷性而提供了。它与上述函数的不同之处仅在于接受的参数。

参数

size	2D 数组大小： Size(cols, rows)。在 Size() 构造函数中，行数和列数按相反的顺序排列。
type	矩阵类型。
cudaMemoryAddress	设备上分配的 GPU 内存地址。这不会分配矩阵数据。相反，它只会初始化指向指定的 cudaMemoryAddress 的矩阵头，这意味着不会复制任何数据。此操作非常高效，并且可用于使用 OpenCV 函数处理外部数据。外部数据不会自动释放，因此你应加以留心。
step	每个矩阵行所占用的字节数。该值应包含每行末尾的填充字节（如果有）。如果参数缺失（设置为 Mat::AUTO_STEP ），则不考虑填充，实际步长计算为 cols*elemSize()。见 GpuMat::elemSize。

注释: 仅用于生成绑定关系的重载，未导出或供从 C++ 内部使用。

◆ ensureSizeIsEnough()

void cv::cuda::ensureSizeIsEnough	(	int	rows,
		int	cols,
		int	type,
		OutputArray	arr
	)

Python
	cv.cuda.ensureSizeIsEnough(	rows, cols, type[, arr]	) ->	arr

#include <opencv2/core/cuda.hpp>

确保矩阵大小足够且类型正确。

参数

rows	所需的最小行数。
cols	所需的最小列数。
type	所需的矩阵类型。
arr	目标矩阵。

如果矩阵已具有适当的属性，则该函数不重新分配内存。

◆ registerPageLocked()

void cv::cuda::registerPageLocked ( Mat & m )

Python
	cv.cuda.registerPageLocked(	m	) ->	无

#include <opencv2/core/cuda.hpp>

对矩阵内存进行页面锁定并将其映射到设备。

参数

m 输入矩阵。

◆ setBufferPoolConfig()

void cv::cuda::setBufferPoolConfig	(	int	deviceId,
		size_t	stackSize,
		int	stackCount
	)

Python
	cv.cuda.setBufferPoolConfig(	deviceId、stackSize、stackCount	) ->	无

#include <opencv2/core/cuda.hpp>

◆ setBufferPoolUsage()

void cv::cuda::setBufferPoolUsage ( bool on )

Python
	cv.cuda.setBufferPoolUsage(	on	) ->	无

#include <opencv2/core/cuda.hpp>

BufferPool 管理（必须在 Stream 创建之前调用）

◆ unregisterPageLocked()

void cv::cuda::unregisterPageLocked ( Mat & m )

Python
	cv.cuda.unregisterPageLocked(	m	) ->	无

#include <opencv2/core/cuda.hpp>

取消映射矩阵的内存，并使其变为可分页的。

参数

m 输入矩阵。

◆ wrapStream()

Stream cv::cuda::wrapStream ( size_t cudaStreamMemoryAddress )

Python
	cv.cuda.wrapStream(	cudaStreamMemoryAddress	) ->	retval

#include <opencv2/core/cuda.hpp>

将绑定重载用于根据存储在现有 CUDA 运行时 API 流指针（cudaStream_t）中的地址创建一个 Stream 对象。

参数

cudaStreamMemoryAddress 存储在 CUDA 运行时 API 流指针（cudaStream_t）中的内存地址。创建的 Stream 对象不会执行任何分配或释放，只包装已有的原始 CUDA 运行时 API 流指针。

注释: 仅用于生成绑定关系的重载，未导出或供从 C++ 内部使用。