資料結構

詳細描述

類
類	cv::cuda::BufferPool
	用於 CUDA 流的 BufferPool。更多...
類	cv::cuda::Event
結構體	cv::cuda::EventAccessor
	使從 cuda::Event 獲取 cudaEvent_t 的類。更多...
結構體	cv::cuda::GpuData
類	cv::cuda::GpuMat
	具有引用計數的 GPU 記憶體的基礎儲存類。更多...
類	cv::cuda::GpuMatND
類	cv::cuda::HostMem
	帶有引用計數，包裝來自 CUDA 的特殊記憶體型別分配函式的類。更多...
類	cv::cuda::Stream
	此類封裝了非同步呼叫的佇列。更多...
結構體	cv::cuda::StreamAccessor
	使從 cuda::Stream 獲取 cudaStream_t 的類。更多...

函式
void	cv::cuda::createContinuous (int rows, int cols, int type, OutputArray arr)
	建立連續矩陣。
GpuMat	cv::cuda::createGpuMatFromCudaMemory (int rows, int cols, int type, size_t cudaMemoryAddress, size_t step=Mat::AUTO_STEP)
	繫結過載以從現有 GPU 記憶體建立 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)
	確保矩陣的大小足夠大並且矩陣具有正確的型別。
void	cv::cuda::registerPageLocked (Mat &m)
	頁面鎖定矩陣記憶體並將其對映到裝置。
void	cv::cuda::setBufferPoolConfig (int deviceId, size_t stackSize, int stackCount)
void	cv::cuda::setBufferPoolUsage (bool on)
	BufferPool 管理（必須在 Stream 建立之前呼叫）
void	cv::cuda::unregisterPageLocked (Mat &m)
	取消矩陣記憶體對映並使其再次可分頁。
Stream	cv::cuda::wrapStream (size_t cudaStreamMemoryAddress)
	繫結過載以從儲存在現有 CUDA Runtime API 流指標 (cudaStream_t) 中的地址建立一個 Stream 物件。

函式文件

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>

建立連續矩陣。

引數

rows	行數。
cols	列數。
type	矩陣的型別。
arr	目標矩陣。僅當它具有正確的型別和區域（\(\texttt{rows} \times \texttt{cols}\)）時，此引數才會更改。

如果矩陣的元素連續儲存，即在每行末尾沒有間隙，則稱為連續矩陣。

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>

繫結過載以從現有 GPU 記憶體建立 GpuMat。

引數

rows	行數。
cols	列數。
type	矩陣的型別。
cudaMemoryAddress	裝置上已分配的 GPU 記憶體的地址。這不會分配矩陣資料。相反，它只是初始化指向指定的 cudaMemoryAddress 的矩陣頭，這意味著沒有資料被複制。此操作非常高效，可用於使用 OpenCV 函式處理外部資料。外部資料不會自動釋放，因此您應該小心處理。
step	每個矩陣行佔用的位元組數。該值應包括每行末尾的填充位元組（如果有）。如果引數缺失（設定為 Mat::AUTO_STEP），則假定沒有填充，並且實際步長計算為 cols*elemSize()。請參閱 GpuMat::elemSize。

注意

僅用於生成繫結的過載，未匯出或旨在從 C++ 內部使用。

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>

這是一個過載的成員函式，為方便起見而提供。它與上面的函式僅在於它接受的引數。

引數

size	2D 陣列大小：Size(cols, rows)。在 Size() 建構函式中，行數和列數按相反的順序排列。
type	矩陣的型別。
cudaMemoryAddress	裝置上已分配的 GPU 記憶體的地址。這不會分配矩陣資料。相反，它只是初始化指向指定的 cudaMemoryAddress 的矩陣頭，這意味著沒有資料被複制。此操作非常高效，可用於使用 OpenCV 函式處理外部資料。外部資料不會自動釋放，因此您應該小心處理。
step	每個矩陣行佔用的位元組數。該值應包括每行末尾的填充位元組（如果有）。如果引數缺失（設定為 Mat::AUTO_STEP），則假定沒有填充，並且實際步長計算為 cols*elemSize()。請參閱 GpuMat::elemSize。

注意

僅用於生成繫結的過載，未匯出或旨在從 C++ 內部使用。

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>

確保矩陣的大小足夠大並且矩陣具有正確的型別。

引數

rows	所需的最小行數。
cols	所需的最小列數。
type	所需的矩陣型別。
arr	目標矩陣。

如果矩陣已經具有正確的屬性，則該函式不會重新分配記憶體。

registerPageLocked()

void cv::cuda::registerPageLocked

(

Mat &

m

)

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

#include <opencv2/core/cuda.hpp>

頁面鎖定矩陣記憶體並將其對映到裝置。

引數

m

輸入矩陣。

setBufferPoolConfig()

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

Python
	cv.cuda.setBufferPoolConfig(	deviceId, stackSize, stackCount	) ->	無

#include <opencv2/core/cuda.hpp>

setBufferPoolUsage()

void cv::cuda::setBufferPoolUsage

(

bool

on

)

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

#include <opencv2/core/cuda.hpp>

BufferPool 管理（必須在 Stream 建立之前呼叫）

unregisterPageLocked()

void cv::cuda::unregisterPageLocked

(

Mat &

m

)

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

#include <opencv2/core/cuda.hpp>

取消矩陣記憶體對映並使其再次可分頁。

引數

m

輸入矩陣。

wrapStream()

Stream cv::cuda::wrapStream

(

size_t

cudaStreamMemoryAddress

)

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

#include <opencv2/core/cuda.hpp>

繫結過載以從儲存在現有 CUDA Runtime API 流指標 (cudaStream_t) 中的地址建立一個 Stream 物件。

引數

cudaStreamMemoryAddress

儲存在 CUDA Runtime API 流指標 (cudaStream_t) 中的記憶體地址。建立的 Stream 物件不執行任何分配或釋放，而只是包裝現有的原始 CUDA Runtime API 流指標。

注意

僅用於生成繫結的過載，未匯出或旨在從 C++ 內部使用。