cv::cuda::GpuMat 類參考

具有引用計數的 GPU 記憶體基礎儲存類。 更多...

#include <opencv2/core/cuda.hpp>

cv::cuda::GpuMat 的協作圖

類
類	分配器

公開成員函式
	GpuMat (const GpuMat &m)
	複製建構函式
	GpuMat (const GpuMat &m, Range rowRange, Range colRange)
	為較大矩陣的一部分建立 GpuMat 頭
	GpuMat (const GpuMat &m, Rect roi)
	GpuMat (GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	預設建構函式
	GpuMat (InputArray arr, GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	從主機記憶體構建 GpuMat (阻塞呼叫)
	GpuMat (int rows, int cols, int type, GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	構造指定大小和型別的 GpuMat
	GpuMat (int rows, int cols, int type, Scalar s, GpuMat::Allocator *allocator=GpuMat::defaultAllocator())
	構造 GpuMat 並用指定值 _s 填充
	GpuMat (int rows, int cols, int type, void *data, size_t step=Mat::AUTO_STEP)
	指向使用者分配資料的 GpuMat 頭的建構函式
	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 ()
	解構函式 - 呼叫 release()
GpuMat &	adjustROI (int dtop, int dbottom, int dleft, int dright)
	在父級 GpuMat 中移動/調整當前 GpuMat ROI 的大小
void	assignTo (GpuMat &m, int type=-1) const
int	channels () const
	返回通道數
GpuMat	clone () const
	返回 GpuMat 的深複製，即複製資料
GpuMat	col (int x) const
	為指定列返回一個新的 GpuMat 頭
GpuMat	colRange (int startcol, int endcol) const
	... 針對指定的列範圍
GpuMat	colRange (Range r) const
void	convertTo (GpuMat &dst, int rtype) const
	將 GpuMat 轉換為另一種資料型別的繫結過載 (阻塞呼叫)
void	convertTo (GpuMat &dst, int rtype, double alpha, double beta, Stream &stream) const
	將 GpuMat 轉換為另一種帶縮放的資料型別的繫結過載 (非阻塞呼叫)
void	convertTo (GpuMat &dst, int rtype, Stream &stream) const
	將 GpuMat 轉換為另一種資料型別的繫結過載 (非阻塞呼叫)
void	convertTo (OutputArray dst, int rtype) const
	將 GpuMat 轉換為另一種資料型別 (阻塞呼叫)
void	convertTo (OutputArray dst, int rtype, double alpha, double beta, Stream &stream) const
	將 GpuMat 轉換為另一種帶縮放的資料型別 (非阻塞呼叫)
void	convertTo (OutputArray dst, int rtype, double alpha, double beta=0.0) const
	將 GpuMat 轉換為另一種帶縮放的資料型別 (阻塞呼叫)
void	convertTo (OutputArray dst, int rtype, double alpha, Stream &stream) const
	將 GpuMat 轉換為另一種帶縮放的資料型別的繫結過載 (阻塞呼叫)
void	convertTo (OutputArray dst, int rtype, Stream &stream) const
	將 GpuMat 轉換為另一種資料型別 (非阻塞呼叫)
void	copyTo (GpuMat &dst) const
	將 GpuMat 內容複製到裝置記憶體的繫結過載 (阻塞呼叫)
void	copyTo (GpuMat &dst, GpuMat &mask) const
	將標記有非零掩碼元素的 GpuMat 元素複製到 "m" 的繫結過載 (阻塞呼叫)
void	copyTo (GpuMat &dst, GpuMat &mask, Stream &stream) const
	將標記有非零掩碼元素的 GpuMat 元素複製到 "m" 的繫結過載 (非阻塞呼叫)
void	copyTo (GpuMat &dst, Stream &stream) const
	將 GpuMat 內容複製到裝置記憶體的繫結過載 (非阻塞呼叫)
void	copyTo (OutputArray dst) const
	將 GpuMat 內容複製到裝置記憶體 (阻塞呼叫)
void	copyTo (OutputArray dst, InputArray mask) const
	將標記有非零掩碼元素的 GpuMat 元素複製到 "m" (阻塞呼叫)
void	copyTo (OutputArray dst, InputArray mask, Stream &stream) const
	將標記有非零掩碼元素的 GpuMat 元素複製到 "m" (非阻塞呼叫)
void	copyTo (OutputArray dst, Stream &stream) const
	將 GpuMat 內容複製到裝置記憶體 (非阻塞呼叫)
void	create (int rows, int cols, int type)
	分配新的 GpuMat 資料，除非 GpuMat 已具有指定的大小和型別
void	create (Size size, int type)
void *	cudaPtr () const
int	depth () const
	返回元素型別
void	download (OutputArray dst) const
	從 GpuMat 執行資料下載 (阻塞呼叫)
void	download (OutputArray dst, Stream &stream) const
	從 GpuMat 執行資料下載 (非阻塞呼叫)
size_t	elemSize () const
	返回以位元組為單位的元素大小
size_t	elemSize1 () const
	返回以位元組為單位的元素通道大小
bool	empty () const
	如果 GpuMat 資料為 NULL，則返回 true
bool	isContinuous () const
void	locateROI (Size &wholeSize, Point &ofs) const
	在父級 GpuMat 中定位 GpuMat 頭
template<typename _Tp >
	operator PtrStep< _Tp > () const
template<typename _Tp >
	operator PtrStepSz< _Tp > () const
GpuMat	operator() (Range rowRange, Range colRange) const
	提取一個矩形子 GpuMat (這是 row、rowRange 等的通用形式)
GpuMat	operator() (Rect roi) const
GpuMat &	operator= (const GpuMat &m)
	賦值運算子
uchar *	ptr (int y=0)
	返回指向第 y 行的指標
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 (釋放) ()
	減少引用計數，當引用計數達到 0 時釋放資料
GpuMat	reshape (int cn, int rows=0) const
GpuMat	row (int y) const
	為指定行返回一個新的 GpuMat 頭
GpuMat	rowRange (int startrow, int endrow) const
	... 針對指定的行範圍
GpuMat	rowRange (Range r) const
GpuMat &	setTo (Scalar s)
	將部分 GpuMat 元素設定為 s (阻塞呼叫)
GpuMat &	setTo (Scalar s, InputArray mask)
	根據掩碼將部分 GpuMat 元素設定為 s (阻塞呼叫)
GpuMat &	setTo (Scalar s, InputArray mask, Stream &stream)
	根據掩碼將部分 GpuMat 元素設定為 s (非阻塞呼叫)
GpuMat &	setTo (Scalar s, Stream &stream)
	將部分 GpuMat 元素設定為 s (非阻塞呼叫)
Size	size () const
	返回 GpuMat 大小：寬度 == 列數，高度 == 行數
size_t	step1 () const
	返回 step/elemSize1()
void	swap (GpuMat &mat)
	與其他智慧指標交換
int	type () const
	返回元素型別
void	updateContinuityFlag (更新連續性標誌) ()
	內部使用方法：更新連續性標誌
void	upload (InputArray arr)
	執行資料上傳到 GpuMat (阻塞呼叫)
void	upload (InputArray arr, Stream &stream)
	執行資料上傳到 GpuMat (非阻塞呼叫)

靜態公開成員函式
static GpuMat::Allocator *	defaultAllocator ()
	預設分配器
static GpuMat::Allocator *	getStdAllocator (獲取標準分配器) ()
static void	setDefaultAllocator (GpuMat::Allocator *allocator)

公開屬性
分配器 *	allocator
	allocator
int	cols (列數)
uchar *	data (資料)
	指向資料的指標
const uchar *	dataend (資料結束)
uchar *	datastart (資料起始)
	在 locateROI 和 adjustROI 中使用的輔助欄位
int	flags (標誌)
int *	refcount
int	rows (行數)
	行數和列數
size_t	step (步長)
	連續行之間的距離（以位元組為單位）；包括任何間隙

詳細說明

具有引用計數的 GPU 記憶體基礎儲存類。

其介面與 Mat 介面匹配，但具有以下限制

• 不支援任意維度（僅支援 2D）
• 沒有返回其資料引用的函式（因為 GPU 上的引用對 CPU 無效）
• 不支援表示式模板技術

請注意，後一種限制可能會導致過載的矩陣運算子引起記憶體分配。GpuMat 類可轉換為 cuda::PtrStepSz 和 cuda::PtrStep，因此可以直接傳遞給核心。

注意

與 Mat 相比，在大多數情況下 GpuMat::isContinuous() == false。這意味著行會根據硬體對齊到一定大小。單行 GpuMat 始終是連續矩陣。

不建議保留已分配的靜態或全域性 GpuMat 變數，即不建議依賴其解構函式。此類變數與 CUDA 上下文的銷燬順序是不確定的。如果在 CUDA 上下文銷燬後釋放 GPU 記憶體，則釋放函式會返回錯誤。

一些成員函式被描述為“阻塞呼叫”，而另一些被描述為“非阻塞呼叫”。阻塞函式與主機同步。保證在函式返回時 GPU 操作已完成。然而，非阻塞函式與主機非同步。即使 GPU 操作未完成，這些函式也可能返回。

與阻塞版本相比，非阻塞函式接受 Stream 作為額外引數。如果傳遞了非預設流，則 GPU 操作可能會與其他流中的操作重疊。

另請參閱

Mat

建構函式與解構函式說明

GpuMat() [1/11]

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

explicit (顯式)

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>

預設建構函式

GpuMat() [2/11]

cv::cuda::GpuMat::GpuMat	(	int	rows (行數),
		int	cols (列數),
		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>

構造指定大小和型別的 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 (行數),
		int	cols (列數),
		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>

構造 GpuMat 並用指定值 _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>

複製建構函式

GpuMat() [7/11]

cv::cuda::GpuMat::GpuMat	(	int	rows (行數),
		int	cols (列數),
		int	type,
		void *	data (資料),
		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>

指向使用者分配資料的 GpuMat 頭的建構函式

GpuMat() [8/11]

cv::cuda::GpuMat::GpuMat	(	Size	size (大小),
		int	type,
		void *	data (資料),
		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 (行範圍),
		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>

為較大矩陣的一部分建立 GpuMat 頭

GpuMat() [10/11]

cv::cuda::GpuMat::GpuMat	(	const GpuMat &	m,
		Rect	roi (感興趣區域) )

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 (陣列), GpuMat::Allocator * allocator = GpuMat::defaultAllocator() )

explicit (顯式)

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>

從主機記憶體構建 GpuMat (阻塞呼叫)

~GpuMat()

cv::cuda::GpuMat::~GpuMat

(

)

解構函式 - 呼叫 release()

成員函式說明

adjustROI()

GpuMat & cv::cuda::GpuMat::adjustROI	(	int	dtop (頂部偏移),
		int	dbottom (底部偏移),
		int	dleft (左側偏移),
		int	dright (右側偏移) )

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

在父級 GpuMat 中移動/調整當前 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

返回通道數

clone()

GpuMat cv::cuda::GpuMat::clone

(

)

const

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

返回 GpuMat 的深複製，即複製資料

col()

GpuMat cv::cuda::GpuMat::col

(

int

x

)

const

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

為指定列返回一個新的 GpuMat 頭

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

... 針對指定的列範圍

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

內聯

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

將 GpuMat 轉換為另一種資料型別的繫結過載 (阻塞呼叫)

convertTo() [2/8]

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

內聯

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

將 GpuMat 轉換為另一種帶縮放的資料型別的繫結過載 (非阻塞呼叫)

convertTo() [3/8]

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

內聯

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

將 GpuMat 轉換為另一種資料型別的繫結過載 (非阻塞呼叫)

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

將 GpuMat 轉換為另一種資料型別 (阻塞呼叫)

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

將 GpuMat 轉換為另一種帶縮放的資料型別 (非阻塞呼叫)

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

將 GpuMat 轉換為另一種帶縮放的資料型別 (阻塞呼叫)

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

將 GpuMat 轉換為另一種帶縮放的資料型別的繫結過載 (阻塞呼叫)

將 GpuMat 轉換為另一種帶縮放的資料型別 (非阻塞呼叫)

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

將 GpuMat 轉換為另一種資料型別 (非阻塞呼叫)

copyTo() [1/8]

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

內聯

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

將 GpuMat 內容複製到裝置記憶體的繫結過載 (阻塞呼叫)

此函式的呼叫圖

copyTo() [2/8]

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

內聯

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

將標記有非零掩碼元素的 GpuMat 元素複製到 "m" 的繫結過載 (阻塞呼叫)

此函式的呼叫圖

copyTo() [3/8]

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

內聯

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

將標記有非零掩碼元素的 GpuMat 元素複製到 "m" 的繫結過載 (非阻塞呼叫)

此函式的呼叫圖

copyTo() [4/8]

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

內聯

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

將 GpuMat 內容複製到裝置記憶體的繫結過載 (非阻塞呼叫)

此函式的呼叫圖

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

將 GpuMat 內容複製到裝置記憶體 (阻塞呼叫)

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

將標記有非零掩碼元素的 GpuMat 元素複製到 "m" (阻塞呼叫)

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

將標記有非零掩碼元素的 GpuMat 元素複製到 "m" (非阻塞呼叫)

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

將 GpuMat 內容複製到裝置記憶體 (非阻塞呼叫)

create() [1/2]

void cv::cuda::GpuMat::create	(	int	rows (行數),
		int	cols (列數),
		int	type )

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

分配新的 GpuMat 資料，除非 GpuMat 已具有指定的大小和型別

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 (靜態)

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

預設分配器

depth()

int cv::cuda::GpuMat::depth

(

)

const

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

返回元素型別

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

從 GpuMat 執行資料下載 (阻塞呼叫)

此函式將資料從裝置記憶體複製到主機記憶體。作為阻塞呼叫，它保證在函式返回時複製操作已完成。

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

從 GpuMat 執行資料下載 (非阻塞呼叫)

此函式將資料從裝置記憶體複製到主機記憶體。作為非阻塞呼叫，即使複製操作未完成，此函式也可能返回。

如果 stream 不是預設流，且 dst 是使用 HostMem::PAGE_LOCKED 選項分配的 HostMem，則複製操作可以與其他非預設流中的操作重疊。

elemSize()

size_t cv::cuda::GpuMat::elemSize

(

)

const

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

返回以位元組為單位的元素大小

elemSize1()

size_t cv::cuda::GpuMat::elemSize1

(

)

const

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

返回以位元組為單位的元素通道大小

empty()

bool cv::cuda::GpuMat::empty

(

)

const

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

如果 GpuMat 資料為 NULL，則返回 true

getStdAllocator()

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

static (靜態)

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

isContinuous()

bool cv::cuda::GpuMat::isContinuous

(

)

const

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

當且僅當 GpuMat 資料連續時（即連續行之間沒有間隙時）返回 true

locateROI()

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

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

在父級 GpuMat 中定位 GpuMat 頭

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 (行範圍),
		Range	colRange ) const

提取一個矩形子 GpuMat (這是 row、rowRange 等的通用形式)

operator()() [2/2]

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

(

Rect

roi (感興趣區域)

)

const

operator=()

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

(

const GpuMat &

m

)

賦值運算子

ptr() [1/4]

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

(

int

y = 0

)

返回指向第 y 行的指標

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

減少引用計數，當引用計數達到 0 時釋放資料

reshape()

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

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

為相同資料建立另一種 GpuMat 頭，具有不同的通道數和/或不同的行數

row()

GpuMat cv::cuda::GpuMat::row

(

int

y

)

const

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

為指定行返回一個新的 GpuMat 頭

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

... 針對指定的行範圍

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 (靜態)

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

將部分 GpuMat 元素設定為 s (阻塞呼叫)

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

根據掩碼將部分 GpuMat 元素設定為 s (阻塞呼叫)

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

根據掩碼將部分 GpuMat 元素設定為 s (非阻塞呼叫)

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

將部分 GpuMat 元素設定為 s (非阻塞呼叫)

size()

Size cv::cuda::GpuMat::size

(

)

const

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

返回 GpuMat 大小：寬度 == 列數，高度 == 行數

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

與其他智慧指標交換

type()

int cv::cuda::GpuMat::type

(

)

const

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

返回元素型別

updateContinuityFlag()

void cv::cuda::GpuMat::updateContinuityFlag

(

)

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

內部使用方法：更新連續性標誌

upload() [1/2]

void cv::cuda::GpuMat::upload

(

InputArray

arr (陣列)

)

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

執行資料上傳到 GpuMat (阻塞呼叫)

此函式將資料從主機記憶體複製到裝置記憶體。作為阻塞呼叫，它保證在函式返回時複製操作已完成。

upload() [2/2]

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

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

執行資料上傳到 GpuMat (非阻塞呼叫)

此函式將資料從主機記憶體複製到裝置記憶體。作為非阻塞呼叫，即使複製操作未完成，此函式也可能返回。

如果 stream 不是預設流，且 dst 是使用 HostMem::PAGE_LOCKED 選項分配的 HostMem，則複製操作可以與其他非預設流中的操作重疊。

成員資料文件

allocator

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

allocator

cols

int cv::cuda::GpuMat::cols

data

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

指向資料的指標

dataend

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

datastart

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

在 locateROI 和 adjustROI 中使用的輔助欄位

flags

int cv::cuda::GpuMat::flags

包含幾個位域：

• 魔術簽名 (magic signature)
• 連續性標誌 (continuity flag)
• depth
• 通道數 (number of channels)

refcount

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

指向引用計數器的指標；當 GpuMat 指向使用者分配的資料時，指標為 NULL

rows

int cv::cuda::GpuMat::rows

行數和列數

step

size_t cv::cuda::GpuMat::step

連續行之間的距離（以位元組為單位）；包括任何間隙

---

該類的文件由以下檔案生成：

• opencv2/core/cuda.hpp