cv::cuda::HostMem 類參考

一個帶引用計數的類，封裝了 CUDA 的特殊記憶體型別分配函式。 更多...

#include <opencv2/core/cuda.hpp>

cv::cuda::HostMem 協作圖

公共型別
列舉	AllocType {   PAGE_LOCKED = 1 ,   SHARED = 2 ,   WRITE_COMBINED = 4 }

公共成員函式
	HostMem (const HostMem &m)
	HostMem (HostMem::AllocType alloc_type=HostMem::AllocType::PAGE_LOCKED)
	HostMem (InputArray arr, HostMem::AllocType alloc_type=HostMem::AllocType::PAGE_LOCKED)
	從宿主記憶體建立並複製資料
	HostMem (int rows, int cols, int type, HostMem::AllocType alloc_type=HostMem::AllocType::PAGE_LOCKED)
	HostMem (Size size, int type, HostMem::AllocType alloc_type=HostMem::AllocType::PAGE_LOCKED)
	~HostMem ()
int	channels () const
HostMem	clone () const
	返回矩陣的深複製，即資料被複制
void	create (int rows, int cols, int type)
	分配新的矩陣資料，除非矩陣已具有指定的尺寸和型別。
void	create (Size size, int type)
GpuMat	createGpuMatHeader () const
	將 CPU 記憶體對映到 GPU 地址空間併為其建立不帶引用計數的 cuda::GpuMat 頭。
Mat	createMatHeader () const
	返回一個停用 HostMem 資料引用計數的矩陣頭。
int	depth () const
size_t	elemSize () const
size_t	elemSize1 () const
bool	empty () const
bool	isContinuous () const
HostMem &	operator= (const HostMem &m)
void	release ()
	減少引用計數並在需要時釋放記憶體。
HostMem	reshape (int cn, int rows=0) const
Size	size () const
size_t	step1 () const
void	swap (HostMem &b)
	與其它智慧指標交換
int	type () const

靜態公共成員函式
static MatAllocator *	getAllocator (HostMem::AllocType alloc_type=HostMem::AllocType::PAGE_LOCKED)

公共屬性
AllocType	alloc_type
int	cols
uchar *	data
const uchar *	dataend
uchar *	datastart
int	flags
int *	refcount
int	rows
size_t	step

詳細描述

一個帶引用計數的類，封裝了 CUDA 的特殊記憶體型別分配函式。

其介面也與 Mat 類似，但具有額外的記憶體型別引數。

• PAGE_LOCKED 設定頁面鎖定記憶體型別，通常用於從/到 GPU 的快速非同步資料上傳/下載。
• SHARED 指定零複製記憶體分配，如果支援，可以實現將宿主記憶體對映到 GPU 地址空間。
• WRITE_COMBINED 設定寫組合緩衝區，該緩衝區不被 CPU 快取。此類緩衝區用於在 GPU 僅讀取資料時向 GPU 提供資料。優點是更好地利用 CPU 快取。

注意

此類記憶體型別的分配大小通常受到限制。有關更多詳細資訊，請參閱 CUDA 2.2 Pinned Memory APIs 文件或 CUDA C Programming Guide。

成員列舉文件

AllocType

列舉 cv::cuda::HostMem::AllocType

列舉器
PAGE_LOCKED
SHARED
WRITE_COMBINED

建構函式 & 解構函式文件

HostMem() [1/5]

cv::cuda::HostMem::HostMem ( HostMem::AllocType alloc_type = HostMem::AllocType::PAGE_LOCKED )

顯式

Python
	cv.cuda.HostMem(	[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	行數, 列數, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	尺寸, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	arr[, alloc_type]	) ->	<cuda_HostMem 物件>

HostMem() [2/5]

cv::cuda::HostMem::HostMem

(

const HostMem &

m

)

Python
	cv.cuda.HostMem(	[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	行數, 列數, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	尺寸, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	arr[, alloc_type]	) ->	<cuda_HostMem 物件>

HostMem() [3/5]

cv::cuda::HostMem::HostMem	(	int	rows,
		int	cols,
		int	type,
		HostMem::AllocType	alloc_type = HostMem::AllocType::PAGE_LOCKED )

Python
	cv.cuda.HostMem(	[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	行數, 列數, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	尺寸, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	arr[, alloc_type]	) ->	<cuda_HostMem 物件>

HostMem() [4/5]

cv::cuda::HostMem::HostMem	(	Size	size,
		int	type,
		HostMem::AllocType	alloc_type = HostMem::AllocType::PAGE_LOCKED )

Python
	cv.cuda.HostMem(	[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	行數, 列數, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	尺寸, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	arr[, alloc_type]	) ->	<cuda_HostMem 物件>

HostMem() [5/5]

cv::cuda::HostMem::HostMem ( InputArray arr, HostMem::AllocType alloc_type = HostMem::AllocType::PAGE_LOCKED )

顯式

Python
	cv.cuda.HostMem(	[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	行數, 列數, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	尺寸, 型別[, alloc_type]	) ->	<cuda_HostMem 物件>
	cv.cuda.HostMem(	arr[, alloc_type]	) ->	<cuda_HostMem 物件>

從宿主記憶體建立並複製資料

~HostMem()

cv::cuda::HostMem::~HostMem

(

)

成員函式文件

channels()

int cv::cuda::HostMem::channels

(

)

const

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

clone()

HostMem cv::cuda::HostMem::clone

(

)

const

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

返回矩陣的深複製，即資料被複制

create() [1/2]

void cv::cuda::HostMem::create	(	int	rows,
		int	cols,
		int	type )

Python
	cv.cuda.HostMem.create(	rows, cols, type	) ->	無

分配新的矩陣資料，除非矩陣已具有指定的尺寸和型別。

create() [2/2]

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

Python
	cv.cuda.HostMem.create(	rows, cols, type	) ->	無

createGpuMatHeader()

GpuMat cv::cuda::HostMem::createGpuMatHeader

(

)

const

將 CPU 記憶體對映到 GPU 地址空間併為其建立不帶引用計數的 cuda::GpuMat 頭。

這隻有在記憶體使用 SHARED 標誌分配且硬體支援時才能完成。筆記型電腦通常共享影片和 CPU 記憶體，因此可以對映地址空間，從而消除額外的複製。

createMatHeader()

Mat cv::cuda::HostMem::createMatHeader

(

)

const

Python
	cv.cuda.HostMem.createMatHeader(		) ->	retval

返回一個停用 HostMem 資料引用計數的矩陣頭。

depth()

int cv::cuda::HostMem::depth

(

)

const

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

elemSize()

size_t cv::cuda::HostMem::elemSize

(

)

const

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

elemSize1()

size_t cv::cuda::HostMem::elemSize1

(

)

const

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

empty()

bool cv::cuda::HostMem::empty

(

)

const

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

getAllocator()

static MatAllocator * cv::cuda::HostMem::getAllocator ( HostMem::AllocType alloc_type = HostMem::AllocType::PAGE_LOCKED )

static

isContinuous()

bool cv::cuda::HostMem::isContinuous

(

)

const

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

operator=()

HostMem & cv::cuda::HostMem::operator=

(

const HostMem &

m

)

release()

void cv::cuda::HostMem::release

(

)

減少引用計數並在需要時釋放記憶體。

reshape()

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

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

為相同資料建立另一個 HostMem 頭，具有不同的通道數和/或不同的行數

size()

Size cv::cuda::HostMem::size

(

)

const

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

step1()

size_t cv::cuda::HostMem::step1

(

)

const

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

swap()

void cv::cuda::HostMem::swap

(

HostMem &

b

)

Python
	cv.cuda.HostMem.swap(	b	) ->	無

與其它智慧指標交換

type()

int cv::cuda::HostMem::type

(

)

const

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

成員資料文件

alloc_type

AllocType cv::cuda::HostMem::alloc_type

cols

int cv::cuda::HostMem::cols

data

uchar* cv::cuda::HostMem::data

dataend

const uchar* cv::cuda::HostMem::dataend

datastart

uchar* cv::cuda::HostMem::datastart

flags

int cv::cuda::HostMem::flags

refcount

int* cv::cuda::HostMem::refcount

rows

int cv::cuda::HostMem::rows

step

size_t cv::cuda::HostMem::step

---

此類的文件是從以下檔案生成的

• opencv2/core/cuda.hpp