cv::cuda::GpuMat 类参考

具有引用计数的 GPU 内存基础存储类。 更多...

#include <opencv2/core/cuda.hpp>

cv::cuda::GpuMat 的协作图

类
类	分配器

公开成员函数
	GpuMat (const GpuMat &m)
	拷贝构造函数
	GpuMat (const GpuMat &m, Range rowRange, Range colRange)
	为较大矩阵的一部分创建 GpuMat 头
	GpuMat (const GpuMat &m, Rect roi)
	GpuMat (GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	默认构造函数
	GpuMat (InputArray arr, GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	从主机内存构建 GpuMat (阻塞调用)
	GpuMat (int rows, int cols, int type, GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	构造指定大小和类型的 GpuMat
	GpuMat (int rows, int cols, int type, Scalar s, GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	构造 GpuMat 并用指定值 _s 填充
	GpuMat (int rows, int cols, int type, void *data, size_t step=Mat::AUTO_STEP)
	指向用户分配数据的 GpuMat 头的构造函数
	GpuMat (Size size, int type, GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	GpuMat (Size size, int type, Scalar s, GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	GpuMat (Size size, int type, void *data, size_t step=Mat::AUTO_STEP)
	~GpuMat ()
	析构函数 - 调用 release()
GpuMat &	adjustROI (int dtop, int dbottom, int dleft, int dright)
	在父级 GpuMat 中移动/调整当前 GpuMat ROI 的大小
void	assignTo (GpuMat &m, int type=-1) const
int	channels () const
	返回通道数
GpuMat	clone () const
	返回 GpuMat 的深拷贝，即复制数据
GpuMat	col (int x) const
	为指定列返回一个新的 GpuMat 头
GpuMat	colRange (int startcol, int endcol) const
	... 针对指定的列范围
GpuMat	colRange (Range r) const
void	convertTo (GpuMat &dst, int rtype) const
	将 GpuMat 转换为另一种数据类型的绑定重载 (阻塞调用)
void	convertTo (GpuMat &dst, int rtype, double alpha, double beta, Stream &stream) const
	将 GpuMat 转换为另一种带缩放的数据类型的绑定重载 (非阻塞调用)
void	convertTo (GpuMat &dst, int rtype, Stream &stream) const
	将 GpuMat 转换为另一种数据类型的绑定重载 (非阻塞调用)
void	convertTo (OutputArray dst, int rtype) const
	将 GpuMat 转换为另一种数据类型 (阻塞调用)
void	convertTo (OutputArray dst, int rtype, double alpha, double beta, Stream &stream) const
	将 GpuMat 转换为另一种带缩放的数据类型 (非阻塞调用)
void	convertTo (OutputArray dst, int rtype, double alpha, double beta=0.0) const
	将 GpuMat 转换为另一种带缩放的数据类型 (阻塞调用)
void	convertTo (OutputArray dst, int rtype, double alpha, Stream &stream) const
	将 GpuMat 转换为另一种带缩放的数据类型的绑定重载 (阻塞调用)
void	convertTo (OutputArray dst, int rtype, Stream &stream) const
	将 GpuMat 转换为另一种数据类型 (非阻塞调用)
void	copyTo (GpuMat &dst) const
	将 GpuMat 内容复制到设备内存的绑定重载 (阻塞调用)
void	copyTo (GpuMat &dst, GpuMat &mask) const
	将标记有非零掩码元素的 GpuMat 元素复制到 "m" 的绑定重载 (阻塞调用)
void	copyTo (GpuMat &dst, GpuMat &mask, Stream &stream) const
	将标记有非零掩码元素的 GpuMat 元素复制到 "m" 的绑定重载 (非阻塞调用)
void	copyTo (GpuMat &dst, Stream &stream) const
	将 GpuMat 内容复制到设备内存的绑定重载 (非阻塞调用)
void	copyTo (OutputArray dst) const
	将 GpuMat 内容复制到设备内存 (阻塞调用)
void	copyTo (OutputArray dst, InputArray mask) const
	将标记有非零掩码元素的 GpuMat 元素复制到 "m" (阻塞调用)
void	copyTo (OutputArray dst, InputArray mask, Stream &stream) const
	将标记有非零掩码元素的 GpuMat 元素复制到 "m" (非阻塞调用)
void	copyTo (OutputArray dst, Stream &stream) const
	将 GpuMat 内容复制到设备内存 (非阻塞调用)
void	create (int rows, int cols, int type)
	分配新的 GpuMat 数据，除非 GpuMat 已具有指定的大小和类型
void	create (Size size, int type)
void *	cudaPtr () const
int	depth () const
	返回元素类型
void	download (OutputArray dst) const
	从 GpuMat 执行数据下载 (阻塞调用)
void	download (OutputArray dst, Stream &stream) const
	从 GpuMat 执行数据下载 (非阻塞调用)
size_t	elemSize () const
	返回以字节为单位的元素大小
size_t	elemSize1 () const
	返回以字节为单位的元素通道大小
bool	empty () const
	如果 GpuMat 数据为 NULL，则返回 true
bool	isContinuous () const
void	locateROI (Size &wholeSize, Point &ofs) const
	在父级 GpuMat 中定位 GpuMat 头
template<typename _Tp >
	operator PtrStep< _Tp > () const
template<typename _Tp >
	operator PtrStepSz< _Tp > () const
GpuMat	operator() (Range rowRange, Range colRange) const
	提取一个矩形子 GpuMat (这是 row、rowRange 等的通用形式)
GpuMat	operator() (Rect roi) const
GpuMat &	operator= (const GpuMat &m)
	赋值操作符
uchar *	ptr (int y=0)
	返回指向第 y 行的指针
template<typename _Tp >
_Tp *	ptr (int y=0)
	上述方法的模板版本
const uchar *	ptr (int y=0) const
template<typename _Tp >
const _Tp *	ptr (int y=0) const
void	release (释放) ()
	减少引用计数，当引用计数达到 0 时释放数据
GpuMat	reshape (int cn, int rows=0) const
GpuMat	row (int y) const
	为指定行返回一个新的 GpuMat 头
GpuMat	rowRange (int startrow, int endrow) const
	... 针对指定的行范围
GpuMat	rowRange (Range r) const
GpuMat &	setTo (Scalar s)
	将部分 GpuMat 元素设置为 s (阻塞调用)
GpuMat &	setTo (Scalar s, InputArray mask)
	根据掩码将部分 GpuMat 元素设置为 s (阻塞调用)
GpuMat &	setTo (Scalar s, InputArray mask, Stream &stream)
	根据掩码将部分 GpuMat 元素设置为 s (非阻塞调用)
GpuMat &	setTo (Scalar s, Stream &stream)
	将部分 GpuMat 元素设置为 s (非阻塞调用)
Size	size () const
	返回 GpuMat 大小：宽度 == 列数，高度 == 行数
size_t	step1 () const
	返回 step/elemSize1()
void	swap (GpuMat &mat)
	与其他智能指针交换
int	type () const
	返回元素类型
void	updateContinuityFlag (更新连续性标志) ()
	内部使用方法：更新连续性标志
void	upload (InputArray arr)
	执行数据上传到 GpuMat (阻塞调用)
void	upload (InputArray arr, Stream &stream)
	执行数据上传到 GpuMat (非阻塞调用)

静态公开成员函数
static GpuMat::Allocator *	defaultAllocator ()
	默认分配器
static GpuMat::Allocator *	getStdAllocator (获取标准分配器) ()
static void	setDefaultAllocator (GpuMat::Allocator *allocator)

公开属性
分配器 *	allocator
	allocator
int	cols (列数)
uchar *	data (数据)
	指向数据的指针
const uchar *	dataend (数据结束)
uchar *	datastart (数据起始)
	在 locateROI 和 adjustROI 中使用的辅助字段
int	flags (标志)
int *	refcount
int	rows (行数)
	行数和列数
size_t	step (步长)
	连续行之间的距离（以字节为单位）；包括任何间隙

详细说明

具有引用计数的 GPU 内存基础存储类。

其接口与 Mat 接口匹配，但具有以下限制

• 不支持任意维度（仅支持 2D）
• 没有返回其数据引用的函数（因为 GPU 上的引用对 CPU 无效）
• 不支持表达式模板技术

请注意，后一种限制可能会导致重载的矩阵运算符引起内存分配。GpuMat 类可转换为 cuda::PtrStepSz 和 cuda::PtrStep，因此可以直接传递给内核。

注意

与 Mat 相比，在大多数情况下 GpuMat::isContinuous() == false。这意味着行会根据硬件对齐到一定大小。单行 GpuMat 始终是连续矩阵。

不建议保留已分配的静态或全局 GpuMat 变量，即不建议依赖其析构函数。此类变量与 CUDA 上下文的销毁顺序是不确定的。如果在 CUDA 上下文销毁后释放 GPU 内存，则释放函数会返回错误。

一些成员函数被描述为“阻塞调用”，而另一些被描述为“非阻塞调用”。阻塞函数与主机同步。保证在函数返回时 GPU 操作已完成。然而，非阻塞函数与主机异步。即使 GPU 操作未完成，这些函数也可能返回。

与阻塞版本相比，非阻塞函数接受 Stream 作为额外参数。如果传递了非默认流，则 GPU 操作可能会与其他流中的操作重叠。

另请参阅

Mat

构造函数与析构函数说明

GpuMat() [1/11]

cv::cuda::GpuMat::GpuMat ( GpuMat::Allocator * allocator = GpuMat::defaultAllocator() )

explicit (显式)

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

默认构造函数

GpuMat() [2/11]

cv::cuda::GpuMat::GpuMat	(	int	rows (行数),
		int	cols (列数),
		int	type,
		GpuMat::Allocator *	allocator = GpuMat::defaultAllocator() )

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

构造指定大小和类型的 GpuMat

GpuMat() [3/11]

cv::cuda::GpuMat::GpuMat	(	Size	size (大小),
		int	type,
		GpuMat::Allocator *	allocator = GpuMat::defaultAllocator() )

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

GpuMat() [4/11]

cv::cuda::GpuMat::GpuMat	(	int	rows (行数),
		int	cols (列数),
		int	type,
		Scalar	s,
		GpuMat::Allocator *	allocator = GpuMat::defaultAllocator() )

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

构造 GpuMat 并用指定值 _s 填充

GpuMat() [5/11]

cv::cuda::GpuMat::GpuMat	(	Size	size (大小),
		int	type,
		Scalar	s,
		GpuMat::Allocator *	allocator = GpuMat::defaultAllocator() )

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

GpuMat() [6/11]

cv::cuda::GpuMat::GpuMat

(

const GpuMat &

m

)

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

拷贝构造函数

GpuMat() [7/11]

cv::cuda::GpuMat::GpuMat	(	int	rows (行数),
		int	cols (列数),
		int	type,
		void *	data (数据),
		size_t	step = Mat::AUTO_STEP )

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

指向用户分配数据的 GpuMat 头的构造函数

GpuMat() [8/11]

cv::cuda::GpuMat::GpuMat	(	Size	size (大小),
		int	type,
		void *	data (数据),
		size_t	step = Mat::AUTO_STEP )

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

GpuMat() [9/11]

cv::cuda::GpuMat::GpuMat	(	const GpuMat &	m,
		Range	rowRange (行范围),
		Range	colRange )

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

为较大矩阵的一部分创建 GpuMat 头

GpuMat() [10/11]

cv::cuda::GpuMat::GpuMat	(	const GpuMat &	m,
		Rect	roi (感兴趣区域) )

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

GpuMat() [11/11]

cv::cuda::GpuMat::GpuMat ( InputArray arr (数组), GpuMat::Allocator * allocator = GpuMat::defaultAllocator() )

explicit (显式)

Python
	cv.cuda.GpuMat(	[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	rows, cols, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	size, type, s[, allocator]	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, rowRange, colRange	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	m, roi	) ->	<cuda_GpuMat object>
	cv.cuda.GpuMat(	arr[, allocator]	) ->	<cuda_GpuMat object>

从主机内存构建 GpuMat (阻塞调用)

~GpuMat()

cv::cuda::GpuMat::~GpuMat

(

)

析构函数 - 调用 release()

成员函数说明

adjustROI()

GpuMat & cv::cuda::GpuMat::adjustROI	(	int	dtop (顶部偏移),
		int	dbottom (底部偏移),
		int	dleft (左侧偏移),
		int	dright (右侧偏移) )

Python
	cv.cuda.GpuMat.adjustROI(	dtop, dbottom, dleft, dright	) ->	retval

在父级 GpuMat 中移动/调整当前 GpuMat ROI 的大小

assignTo()

void cv::cuda::GpuMat::assignTo	(	GpuMat &	m,
		int	type = -1 ) const

Python
	cv.cuda.GpuMat.assignTo(	m[, type]	) ->	None

channels()

int cv::cuda::GpuMat::channels

(

)

const

Python
	cv.cuda.GpuMat.channels(		) ->	retval

返回通道数

clone()

GpuMat cv::cuda::GpuMat::clone

(

)

const

Python
	cv.cuda.GpuMat.clone(		) ->	retval

返回 GpuMat 的深拷贝，即复制数据

col()

GpuMat cv::cuda::GpuMat::col

(

int

x

)

const

Python
	cv.cuda.GpuMat.col(	x	) ->	retval

为指定列返回一个新的 GpuMat 头

colRange() [1/2]

GpuMat cv::cuda::GpuMat::colRange	(	int	startcol,
		int	endcol ) const

Python
	cv.cuda.GpuMat.colRange(	startcol, endcol	) ->	retval
	cv.cuda.GpuMat.colRange(	r	) ->	retval

... 针对指定的列范围

colRange() [2/2]

GpuMat cv::cuda::GpuMat::colRange

(

Range

r

)

const

Python
	cv.cuda.GpuMat.colRange(	startcol, endcol	) ->	retval
	cv.cuda.GpuMat.colRange(	r	) ->	retval

convertTo() [1/8]

void cv::cuda::GpuMat::convertTo ( GpuMat & dst, int rtype ) const

内联

Python
	cv.cuda.GpuMat.convertTo(	rtype[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, stream[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype[, dst[, alpha[, beta]]]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, alpha, beta, stream[, dst]	) ->	dst

将 GpuMat 转换为另一种数据类型的绑定重载 (阻塞调用)

convertTo() [2/8]

void cv::cuda::GpuMat::convertTo ( GpuMat & dst, int rtype, double alpha, double beta, 流 (Stream) & stream ) const

内联

Python
	cv.cuda.GpuMat.convertTo(	rtype[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, stream[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype[, dst[, alpha[, beta]]]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, alpha, beta, stream[, dst]	) ->	dst

将 GpuMat 转换为另一种带缩放的数据类型的绑定重载 (非阻塞调用)

convertTo() [3/8]

void cv::cuda::GpuMat::convertTo ( GpuMat & dst, int rtype, 流 (Stream) & stream ) const

内联

Python
	cv.cuda.GpuMat.convertTo(	rtype[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, stream[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype[, dst[, alpha[, beta]]]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, alpha, beta, stream[, dst]	) ->	dst

将 GpuMat 转换为另一种数据类型的绑定重载 (非阻塞调用)

convertTo() [4/8]

void cv::cuda::GpuMat::convertTo	(	OutputArray	dst,
		int	rtype ) const

Python
	cv.cuda.GpuMat.convertTo(	rtype[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, stream[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype[, dst[, alpha[, beta]]]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, alpha, beta, stream[, dst]	) ->	dst

将 GpuMat 转换为另一种数据类型 (阻塞调用)

convertTo() [5/8]

void cv::cuda::GpuMat::convertTo	(	OutputArray	dst,
		int	rtype,
		double	alpha,
		double	beta,
		流 (Stream) &	stream ) const

Python
	cv.cuda.GpuMat.convertTo(	rtype[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, stream[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype[, dst[, alpha[, beta]]]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, alpha, beta, stream[, dst]	) ->	dst

将 GpuMat 转换为另一种带缩放的数据类型 (非阻塞调用)

convertTo() [6/8]

void cv::cuda::GpuMat::convertTo	(	OutputArray	dst,
		int	rtype,
		double	alpha,
		double	beta = 0.0 ) const

Python
	cv.cuda.GpuMat.convertTo(	rtype[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, stream[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype[, dst[, alpha[, beta]]]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, alpha, beta, stream[, dst]	) ->	dst

将 GpuMat 转换为另一种带缩放的数据类型 (阻塞调用)

convertTo() [7/8]

void cv::cuda::GpuMat::convertTo	(	OutputArray	dst,
		int	rtype,
		double	alpha,
		流 (Stream) &	stream ) const

Python
	cv.cuda.GpuMat.convertTo(	rtype[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, stream[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype[, dst[, alpha[, beta]]]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, alpha, beta, stream[, dst]	) ->	dst

将 GpuMat 转换为另一种带缩放的数据类型的绑定重载 (阻塞调用)

将 GpuMat 转换为另一种带缩放的数据类型 (非阻塞调用)

convertTo() [8/8]

void cv::cuda::GpuMat::convertTo	(	OutputArray	dst,
		int	rtype,
		流 (Stream) &	stream ) const

Python
	cv.cuda.GpuMat.convertTo(	rtype[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, stream[, dst]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype[, dst[, alpha[, beta]]]	) ->	dst
	cv.cuda.GpuMat.convertTo(	rtype, alpha, beta, stream[, dst]	) ->	dst

将 GpuMat 转换为另一种数据类型 (非阻塞调用)

copyTo() [1/8]

void cv::cuda::GpuMat::copyTo ( GpuMat & dst ) const

内联

Python
	cv.cuda.GpuMat.copyTo(	[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	stream[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask, stream[, dst]	) ->	dst

将 GpuMat 内容复制到设备内存的绑定重载 (阻塞调用)

此函数的调用图

copyTo() [2/8]

void cv::cuda::GpuMat::copyTo ( GpuMat & dst, GpuMat & mask ) const

内联

Python
	cv.cuda.GpuMat.copyTo(	[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	stream[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask, stream[, dst]	) ->	dst

将标记有非零掩码元素的 GpuMat 元素复制到 "m" 的绑定重载 (阻塞调用)

此函数的调用图

copyTo() [3/8]

void cv::cuda::GpuMat::copyTo ( GpuMat & dst, GpuMat & mask, 流 (Stream) & stream ) const

内联

Python
	cv.cuda.GpuMat.copyTo(	[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	stream[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask, stream[, dst]	) ->	dst

将标记有非零掩码元素的 GpuMat 元素复制到 "m" 的绑定重载 (非阻塞调用)

此函数的调用图

copyTo() [4/8]

void cv::cuda::GpuMat::copyTo ( GpuMat & dst, 流 (Stream) & stream ) const

内联

Python
	cv.cuda.GpuMat.copyTo(	[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	stream[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask, stream[, dst]	) ->	dst

将 GpuMat 内容复制到设备内存的绑定重载 (非阻塞调用)

此函数的调用图

copyTo() [5/8]

void cv::cuda::GpuMat::copyTo

(

OutputArray

dst

)

const

Python
	cv.cuda.GpuMat.copyTo(	[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	stream[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask, stream[, dst]	) ->	dst

将 GpuMat 内容复制到设备内存 (阻塞调用)

copyTo() [6/8]

void cv::cuda::GpuMat::copyTo	(	OutputArray	dst,
		InputArray	mask ) const

Python
	cv.cuda.GpuMat.copyTo(	[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	stream[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask, stream[, dst]	) ->	dst

将标记有非零掩码元素的 GpuMat 元素复制到 "m" (阻塞调用)

copyTo() [7/8]

void cv::cuda::GpuMat::copyTo	(	OutputArray	dst,
		InputArray	mask,
		流 (Stream) &	stream ) const

Python
	cv.cuda.GpuMat.copyTo(	[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	stream[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask, stream[, dst]	) ->	dst

将标记有非零掩码元素的 GpuMat 元素复制到 "m" (非阻塞调用)

copyTo() [8/8]

void cv::cuda::GpuMat::copyTo	(	OutputArray	dst,
		流 (Stream) &	stream ) const

Python
	cv.cuda.GpuMat.copyTo(	[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	stream[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask[, dst]	) ->	dst
	cv.cuda.GpuMat.copyTo(	mask, stream[, dst]	) ->	dst

将 GpuMat 内容复制到设备内存 (非阻塞调用)

create() [1/2]

void cv::cuda::GpuMat::create	(	int	rows (行数),
		int	cols (列数),
		int	type )

Python
	cv.cuda.GpuMat.create(	rows, cols, type	) ->	None
	cv.cuda.GpuMat.create(	size, type	) ->	None

分配新的 GpuMat 数据，除非 GpuMat 已具有指定的大小和类型

create() [2/2]

void cv::cuda::GpuMat::create	(	Size	size (大小),
		int	type )

Python
	cv.cuda.GpuMat.create(	rows, cols, type	) ->	None
	cv.cuda.GpuMat.create(	size, type	) ->	None

cudaPtr()

void * cv::cuda::GpuMat::cudaPtr

(

)

const

Python
	cv.cuda.GpuMat.cudaPtr(		) ->	retval

defaultAllocator()

static GpuMat::Allocator * cv::cuda::GpuMat::defaultAllocator ( )

static (静态)

Python
	cv.cuda.GpuMat.defaultAllocator(		) ->	retval
	cv.cuda.GpuMat_defaultAllocator(		) ->	retval

默认分配器

depth()

int cv::cuda::GpuMat::depth

(

)

const

Python
	cv.cuda.GpuMat.depth(		) ->	retval

返回元素类型

download() [1/2]

void cv::cuda::GpuMat::download

(

OutputArray

dst

)

const

Python
	cv.cuda.GpuMat.download(	[, dst]	) ->	dst
	cv.cuda.GpuMat.download(	stream[, dst]	) ->	dst

从 GpuMat 执行数据下载 (阻塞调用)

此函数将数据从设备内存复制到主机内存。作为阻塞调用，它保证在函数返回时复制操作已完成。

download() [2/2]

void cv::cuda::GpuMat::download	(	OutputArray	dst,
		流 (Stream) &	stream ) const

Python
	cv.cuda.GpuMat.download(	[, dst]	) ->	dst
	cv.cuda.GpuMat.download(	stream[, dst]	) ->	dst

从 GpuMat 执行数据下载 (非阻塞调用)

此函数将数据从设备内存复制到主机内存。作为非阻塞调用，即使复制操作未完成，此函数也可能返回。

如果 stream 不是默认流，且 dst 是使用 HostMem::PAGE_LOCKED 选项分配的 HostMem，则复制操作可以与其他非默认流中的操作重叠。

elemSize()

size_t cv::cuda::GpuMat::elemSize

(

)

const

Python
	cv.cuda.GpuMat.elemSize(		) ->	retval

返回以字节为单位的元素大小

elemSize1()

size_t cv::cuda::GpuMat::elemSize1

(

)

const

Python
	cv.cuda.GpuMat.elemSize1(		) ->	retval

返回以字节为单位的元素通道大小

empty()

bool cv::cuda::GpuMat::empty

(

)

const

Python
	cv.cuda.GpuMat.empty(		) ->	retval

如果 GpuMat 数据为 NULL，则返回 true

getStdAllocator()

static GpuMat::Allocator * cv::cuda::GpuMat::getStdAllocator ( )

static (静态)

Python
	cv.cuda.GpuMat.getStdAllocator(		) ->	retval
	cv.cuda.GpuMat_getStdAllocator(		) ->	retval

isContinuous()

bool cv::cuda::GpuMat::isContinuous

(

)

const

Python
	cv.cuda.GpuMat.isContinuous(		) ->	retval

当且仅当 GpuMat 数据连续时（即连续行之间没有间隙时）返回 true

locateROI()

void cv::cuda::GpuMat::locateROI	(	Size &	wholeSize,
		点 (Point) &	ofs ) const

Python
	cv.cuda.GpuMat.locateROI(	wholeSize, ofs	) ->	None

在父级 GpuMat 中定位 GpuMat 头

operator PtrStep< _Tp >()

template<typename _Tp >

cv::cuda::GpuMat::operator PtrStep< _Tp >

(

)

const

operator PtrStepSz< _Tp >()

template<typename _Tp >

cv::cuda::GpuMat::operator PtrStepSz< _Tp >

(

)

const

operator()() [1/2]

GpuMat cv::cuda::GpuMat::operator()	(	Range	rowRange (行范围),
		Range	colRange ) const

提取一个矩形子 GpuMat (这是 row、rowRange 等的通用形式)

operator()() [2/2]

GpuMat cv::cuda::GpuMat::operator()

(

Rect

roi (感兴趣区域)

)

const

operator=()

GpuMat & cv::cuda::GpuMat::operator=

(

const GpuMat &

m

)

赋值操作符

ptr() [1/4]

uchar * cv::cuda::GpuMat::ptr

(

int

y = 0

)

返回指向第 y 行的指针

ptr() [2/4]

template<typename _Tp >

_Tp * cv::cuda::GpuMat::ptr

(

int

y = 0

)

上述方法的模板版本

ptr() [3/4]

const uchar * cv::cuda::GpuMat::ptr

(

int

y = 0

)

const

ptr() [4/4]

template<typename _Tp >

const _Tp * cv::cuda::GpuMat::ptr

(

int

y = 0

)

const

release()

void cv::cuda::GpuMat::release

(

)

Python
	cv.cuda.GpuMat.release(		) ->	None

减少引用计数，当引用计数达到 0 时释放数据

reshape()

GpuMat cv::cuda::GpuMat::reshape	(	int	cn,
		int	rows = 0 ) const

Python
	cv.cuda.GpuMat.reshape(	cn[, rows]	) ->	retval

为相同数据创建另一种 GpuMat 头，具有不同的通道数和/或不同的行数

row()

GpuMat cv::cuda::GpuMat::row

(

int

y

)

const

Python
	cv.cuda.GpuMat.row(	y	) ->	retval

为指定行返回一个新的 GpuMat 头

rowRange() [1/2]

GpuMat cv::cuda::GpuMat::rowRange	(	int	startrow,
		int	endrow ) const

Python
	cv.cuda.GpuMat.rowRange(	startrow, endrow	) ->	retval
	cv.cuda.GpuMat.rowRange(	r	) ->	retval

... 针对指定的行范围

rowRange() [2/2]

GpuMat cv::cuda::GpuMat::rowRange

(

Range

r

)

const

Python
	cv.cuda.GpuMat.rowRange(	startrow, endrow	) ->	retval
	cv.cuda.GpuMat.rowRange(	r	) ->	retval

setDefaultAllocator()

static void cv::cuda::GpuMat::setDefaultAllocator ( GpuMat::Allocator * allocator )

static (静态)

Python
	cv.cuda.GpuMat.setDefaultAllocator(	allocator	) ->	None
	cv.cuda.GpuMat_setDefaultAllocator(	allocator	) ->	None

setTo() [1/4]

GpuMat & cv::cuda::GpuMat::setTo

(

Scalar

s

)

Python
	cv.cuda.GpuMat.setTo(	s	) ->	retval
	cv.cuda.GpuMat.setTo(	s, stream	) ->	retval
	cv.cuda.GpuMat.setTo(	s, mask	) ->	retval
	cv.cuda.GpuMat.setTo(	s, mask, stream	) ->	retval

将部分 GpuMat 元素设置为 s (阻塞调用)

setTo() [2/4]

GpuMat & cv::cuda::GpuMat::setTo	(	Scalar	s,
		InputArray	mask )

Python
	cv.cuda.GpuMat.setTo(	s	) ->	retval
	cv.cuda.GpuMat.setTo(	s, stream	) ->	retval
	cv.cuda.GpuMat.setTo(	s, mask	) ->	retval
	cv.cuda.GpuMat.setTo(	s, mask, stream	) ->	retval

根据掩码将部分 GpuMat 元素设置为 s (阻塞调用)

setTo() [3/4]

GpuMat & cv::cuda::GpuMat::setTo	(	Scalar	s,
		InputArray	mask,
		流 (Stream) &	流 )

Python
	cv.cuda.GpuMat.setTo(	s	) ->	retval
	cv.cuda.GpuMat.setTo(	s, stream	) ->	retval
	cv.cuda.GpuMat.setTo(	s, mask	) ->	retval
	cv.cuda.GpuMat.setTo(	s, mask, stream	) ->	retval

根据掩码将部分 GpuMat 元素设置为 s (非阻塞调用)

setTo() [4/4]

GpuMat & cv::cuda::GpuMat::setTo	(	Scalar	s,
		流 (Stream) &	流 )

Python
	cv.cuda.GpuMat.setTo(	s	) ->	retval
	cv.cuda.GpuMat.setTo(	s, stream	) ->	retval
	cv.cuda.GpuMat.setTo(	s, mask	) ->	retval
	cv.cuda.GpuMat.setTo(	s, mask, stream	) ->	retval

将部分 GpuMat 元素设置为 s (非阻塞调用)

size()

Size cv::cuda::GpuMat::size

(

)

const

Python
	cv.cuda.GpuMat.size(		) ->	retval

返回 GpuMat 大小：宽度 == 列数，高度 == 行数

step1()

size_t cv::cuda::GpuMat::step1

(

)

const

Python
	cv.cuda.GpuMat.step1(		) ->	retval

返回 step/elemSize1()

swap()

void cv::cuda::GpuMat::swap

(

GpuMat &

mat

)

Python
	cv.cuda.GpuMat.swap(	mat	) ->	None

与其他智能指针交换

type()

int cv::cuda::GpuMat::type

(

)

const

Python
	cv.cuda.GpuMat.type(		) ->	retval

返回元素类型

updateContinuityFlag()

void cv::cuda::GpuMat::updateContinuityFlag

(

)

Python
	cv.cuda.GpuMat.updateContinuityFlag(		) ->	None

内部使用方法：更新连续性标志

upload() [1/2]

void cv::cuda::GpuMat::upload

(

InputArray

arr (数组)

)

Python
	cv.cuda.GpuMat.upload(	arr (数组)	) ->	None
	cv.cuda.GpuMat.upload(	arr, stream	) ->	None

执行数据上传到 GpuMat (阻塞调用)

此函数将数据从主机内存复制到设备内存。作为阻塞调用，它保证在函数返回时复制操作已完成。

upload() [2/2]

void cv::cuda::GpuMat::upload	(	InputArray	arr (数组),
		流 (Stream) &	流 )

Python
	cv.cuda.GpuMat.upload(	arr (数组)	) ->	None
	cv.cuda.GpuMat.upload(	arr, stream	) ->	None

执行数据上传到 GpuMat (非阻塞调用)

此函数将数据从主机内存复制到设备内存。作为非阻塞调用，即使复制操作未完成，此函数也可能返回。

如果 stream 不是默认流，且 dst 是使用 HostMem::PAGE_LOCKED 选项分配的 HostMem，则复制操作可以与其他非默认流中的操作重叠。

成员数据文档

allocator

Allocator* cv::cuda::GpuMat::allocator

allocator

cols

int cv::cuda::GpuMat::cols

data

uchar* cv::cuda::GpuMat::data

指向数据的指针

dataend

const uchar* cv::cuda::GpuMat::dataend

datastart

uchar* cv::cuda::GpuMat::datastart

在 locateROI 和 adjustROI 中使用的辅助字段

flags

int cv::cuda::GpuMat::flags

包含几个位域：

• 魔术签名 (magic signature)
• 连续性标志 (continuity flag)
• depth
• 通道数 (number of channels)

refcount

int* cv::cuda::GpuMat::refcount

指向引用计数器的指针；当 GpuMat 指向用户分配的数据时，指针为 NULL

rows

int cv::cuda::GpuMat::rows

行数和列数

step

size_t cv::cuda::GpuMat::step

连续行之间的距离（以字节为单位）；包括任何间隙

---

该类的文档由以下文件生成：

• opencv2/core/cuda.hpp