数据结构

详细描述

类
类	cv::cuda::BufferPool
	用于 CUDA 流的 BufferPool。更多...
类	cv::cuda::Event
结构体	cv::cuda::EventAccessor
	使从 cuda::Event 获取 cudaEvent_t 的类。更多...
结构体	cv::cuda::GpuData
类	cv::cuda::GpuMat
	具有引用计数的 GPU 内存的基础存储类。更多...
类	cv::cuda::GpuMatND
类	cv::cuda::HostMem
	带有引用计数，包装来自 CUDA 的特殊内存类型分配函数的类。更多...
类	cv::cuda::Stream
	此类封装了异步调用的队列。更多...
结构体	cv::cuda::StreamAccessor
	使从 cuda::Stream 获取 cudaStream_t 的类。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)
	绑定重载以从现有 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)
	确保矩阵的大小足够大并且矩阵具有正确的类型。
void	cv::cuda::registerPageLocked (Mat &m)
	页面锁定矩阵内存并将其映射到设备。
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)
	取消矩阵内存映射并使其再次可分页。
Stream	cv::cuda::wrapStream (size_t cudaStreamMemoryAddress)
	绑定重载以从存储在现有 CUDA Runtime API 流指针 (cudaStream_t) 中的地址创建一个 Stream 对象。

函数文档

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	行数。
cols	列数。
type	矩阵的类型。
arr	目标矩阵。仅当它具有正确的类型和区域（\(\texttt{rows} \times \texttt{cols}\)）时，此参数才会更改。

如果矩阵的元素连续存储，即在每行末尾没有间隙，则称为连续矩阵。

createGpuMatFromCudaMemory() [1/2]

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

inline

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

#include <opencv2/core/cuda.hpp>

绑定重载以从现有 GPU 内存创建 GpuMat。

参数

rows	行数。
cols	列数。
type	矩阵的类型。
cudaMemoryAddress	设备上已分配的 GPU 内存的地址。这不会分配矩阵数据。相反，它只是初始化指向指定的 cudaMemoryAddress 的矩阵头，这意味着没有数据被复制。此操作非常高效，可用于使用 OpenCV 函数处理外部数据。外部数据不会自动释放，因此您应该小心处理。
step	每个矩阵行占用的字节数。该值应包括每行末尾的填充字节（如果有）。如果参数缺失（设置为 Mat::AUTO_STEP），则假定没有填充，并且实际步长计算为 cols*elemSize()。请参阅 GpuMat::elemSize。

注意

仅用于生成绑定的重载，未导出或旨在从 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 )

inline

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

#include <opencv2/core/cuda.hpp>

这是一个重载的成员函数，为方便起见而提供。它与上面的函数仅在于它接受的参数。

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	矩阵的类型。
cudaMemoryAddress	设备上已分配的 GPU 内存的地址。这不会分配矩阵数据。相反，它只是初始化指向指定的 cudaMemoryAddress 的矩阵头，这意味着没有数据被复制。此操作非常高效，可用于使用 OpenCV 函数处理外部数据。外部数据不会自动释放，因此您应该小心处理。
step	每个矩阵行占用的字节数。该值应包括每行末尾的填充字节（如果有）。如果参数缺失（设置为 Mat::AUTO_STEP），则假定没有填充，并且实际步长计算为 cols*elemSize()。请参阅 GpuMat::elemSize。

注意

仅用于生成绑定的重载，未导出或旨在从 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>

确保矩阵的大小足够大并且矩阵具有正确的类型。

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。

如果矩阵已经具有正确的属性，则该函数不会重新分配内存。

registerPageLocked()

void cv::cuda::registerPageLocked

(

Mat &

m

)

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

#include <opencv2/core/cuda.hpp>

页面锁定矩阵内存并将其映射到设备。

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>

取消矩阵内存映射并使其再次可分页。

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>

绑定重载以从存储在现有 CUDA Runtime API 流指针 (cudaStream_t) 中的地址创建一个 Stream 对象。

参数

cudaStreamMemoryAddress

存储在 CUDA Runtime API 流指针 (cudaStream_t) 中的内存地址。创建的 Stream 对象不执行任何分配或释放，而只是包装现有的原始 CUDA Runtime API 流指针。

注意

仅用于生成绑定的重载，未导出或旨在从 C++ 内部使用。