データ構造

詳細説明

クラス
class	cv::cuda::BufferPool
	CUDAストリームで使用するBufferPool。 続きを読む...
class	cv::cuda::Event
struct	cv::cuda::EventAccessor
	cuda::EventからcudaEvent_tを取得できるようにするクラス。 続き...
struct	cv::cuda::GpuData
class	cv::cuda::GpuMat
	参照カウント付きのGPUメモリの基底ストレージクラス。 続き...
class	cv::cuda::GpuMatND
class	cv::cuda::HostMem
	CUDAの特殊なメモリ型の確保関数をラップし、参照カウントを備えたクラス。 続き...
class	cv::cuda::Stream
	このクラスは非同期呼び出しのキューをカプセル化する。 続き...
struct	cv::cuda::StreamAccessor
	cuda::StreamからcudaStream_tを取得できるようにするクラス。 続き...

関数
void	cv::cuda::createContinuous (int rows, int cols, int type, OutputArray arr)
	連続した行列を生成する。
GpuMat	cv::cuda::createGpuMatFromCudaMemory (int rows, int cols, int type, size_t cudaMemoryAddress, size_t step=Mat::AUTO_STEP)
	既存のGPUメモリから GpuMat を生成するためのバインディング用オーバーロード。
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)
	行列のサイズが十分に大きく、かつ適切な型を持つことを保証する。
void	cv::cuda::registerPageLocked (Mat &m)
	行列のメモリをページロックし、デバイス向けにマッピングする。
void	cv::cuda::setBufferPoolConfig (int deviceId, size_t stackSize, int stackCount)
void	cv::cuda::setBufferPoolUsage (bool on)
	BufferPool の管理（Stream の生成前に呼び出す必要がある）
void	cv::cuda::unregisterPageLocked (Mat &m)
	行列のメモリのマッピングを解除し、再びページング可能にする。
Stream	cv::cuda::wrapStream (size_t cudaStreamMemoryAddress)
	既存のCUDA Runtime APIストリームポインタ (cudaStream_t) に格納されたアドレスから Stream オブジェクトを生成するためのバインディング用オーバーロード。

関数詳解

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>

連続した行列を作成する。

引数

rows	行数。
cols	列数。
type	行列の型。
arr	出力行列。この引数は、適切な型と領域 ( \(\texttt{rows} \times \texttt{cols}\) ) を持つ場合にのみ変更される。

行列は、その要素が連続して、すなわち各行の末尾に隙間なく格納されている場合に連続している(continuous)と呼ばれる。

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>

既存のGPUメモリからGpuMatを作成するためのバインディング用オーバーロード。

引数

rows	行数。
cols	列数。
type	行列の型。
cudaMemoryAddress	デバイス上に確保されたGPUメモリのアドレス。これは行列データの確保は行わない。代わりに、指定されたcudaMemoryAddressを指す行列ヘッダを初期化するだけであり、データはコピーされない。この操作は非常に効率的で、OpenCVの関数を使って外部データを処理するために利用できる。外部データは自動的には解放されないため、自分で管理する必要がある。
step	各行列の行が占めるバイト数。この値には、各行の末尾にあるパディングバイト（もしあれば）を含めるべきである。この引数が省略された場合（Mat::AUTO_STEP に設定された場合）、パディングはないものとみなされ、実際のステップは cols*elemSize() として計算される。GpuMat::elemSize を参照。

覚え書き

バインディング生成専用のオーバーロードであり、エクスポートされておらず、C++から内部的に使用することを意図したものではない。

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>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

引数

size	2D配列のサイズ: Size(cols, rows)。Size() コンストラクタでは、行数と列数は逆の順序で指定する。
type	行列の型。
cudaMemoryAddress	デバイス上に確保されたGPUメモリのアドレス。これは行列データの確保は行わない。代わりに、指定されたcudaMemoryAddressを指す行列ヘッダを初期化するだけであり、データはコピーされない。この操作は非常に効率的で、OpenCVの関数を使って外部データを処理するために利用できる。外部データは自動的には解放されないため、自分で管理する必要がある。
step	各行列の行が占めるバイト数。この値には、各行の末尾にあるパディングバイト（もしあれば）を含めるべきである。この引数が省略された場合（Mat::AUTO_STEP に設定された場合）、パディングはないものとみなされ、実際のステップは cols*elemSize() として計算される。GpuMat::elemSize を参照。

覚え書き

バインディング生成専用のオーバーロードであり、エクスポートされておらず、C++から内部的に使用することを意図したものではない。

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>

行列のサイズが十分に大きく、かつ行列が適切な型を持つことを保証する。

引数

rows	必要な最小の行数。
cols	必要な最小の列数。
type	必要な行列の型。
arr	出力行列。

行列がすでに適切な属性を持っている場合、この関数はメモリを再確保しない。

registerPageLocked()

void cv::cuda::registerPageLocked

(

Mat &

m

)

Python:
	cv.cuda.registerPageLocked(	m	) ->	None

#include <opencv2/core/cuda.hpp>

行列のメモリをページロックし、デバイスにマッピングする。

引数

m

入力行列。

setBufferPoolConfig()

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

Python:
	cv.cuda.setBufferPoolConfig(	deviceId, stackSize, stackCount	) ->	None

#include <opencv2/core/cuda.hpp>

setBufferPoolUsage()

void cv::cuda::setBufferPoolUsage

(

bool

on

)

Python:
	cv.cuda.setBufferPoolUsage(	on	) ->	None

#include <opencv2/core/cuda.hpp>

BufferPoolの管理（Streamの作成前に呼び出す必要がある）

unregisterPageLocked()

void cv::cuda::unregisterPageLocked

(

Mat &

m

)

Python:
	cv.cuda.unregisterPageLocked(	m	) ->	None

#include <opencv2/core/cuda.hpp>

行列のメモリのマッピングを解除し、再びページング可能にする。

引数

m

入力行列。

wrapStream()

Stream cv::cuda::wrapStream

(

size_t

cudaStreamMemoryAddress

)

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

#include <opencv2/core/cuda.hpp>

既存のCUDA Runtime APIストリームポインタ(cudaStream_t)に格納されたアドレスからStreamオブジェクトを作成するためのバインディング用オーバーロード。

引数

cudaStreamMemoryAddress

CUDA Runtime APIのストリームポインタ(cudaStream_t)に格納されたメモリアドレス。作成されたStreamオブジェクトは確保や解放を一切行わず、既存の生のCUDA Runtime APIストリームポインタを単にラップするだけである。

覚え書き

バインディング生成専用のオーバーロードであり、エクスポートされておらず、C++から内部的に使用することを意図したものではない。