- 操作系统：ubuntu22.04
- OpenCV版本：OpenCV4.9
- IDE:Visual Studio Code
- 编程语言：C++11
算法描述
TexturePtr<T, R> 是 OpenCV 的 opencv_cudev 模块中用于在 CUDA 核函数中访问纹理数据的一个封装类。它主要用于将一个已创建好的 cudaTextureObject_t 封装为可以在核函数中使用的纹理指针对象。
- T：纹理元素类型（如 uchar, float）
- R：底层纹理指针类型（如 Texture2DLayeredPtr）
构造函数说明
构造函数定义：
__host__ TexturePtr(const cudaTextureObject_t tex_)
| 参数 | 类型 | 描述 |
|---|---|---|
| tex_ | cudaTextureObject_t | 已经创建好的 CUDA 纹理对象 |
此构造函数仅封装一个纹理对象，不带偏移量信息，适用于不需要 ROI 偏移的场景。
使用流程简述
| 步骤 | 内容 |
|---|---|
| 1. 创建 CUDA Array | 使用 cudaMallocArray() 和 cudaMemcpy2DToArray() |
| 2. 配置资源描述符 | cudaResourceDesc |
| 3. 配置纹理描述符 | cudaTextureDesc |
| 4. 创建纹理对象 | cudaCreateTextureObject() |
| 5. 构造 TexturePtr | TexturePtr<uchar>(texObj) |
| 6. 传入核函数 | 使用模板泛型 template <typename TexPtr> |
| 7. 采样数据 | 在核函数中使用 tex(y, x) 接口 |
代码示例
#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>
#include <opencv2/cudev/ptr2d/texture.hpp> // TexturePtrusing namespace cv;
using namespace cudev;// CUDA 错误检查宏
#define CUDA_CHECK(call) \do { \cudaError_t err = call; \if (err != cudaSuccess) { \std::cerr << "CUDA error at " << __FILE__ << ":" << __LINE__ << ": " \<< cudaGetErrorString(err) << std::endl; \exit(EXIT_FAILURE); \} \} while (0)// 核函数：使用 TexturePtr 进行图像缩放（最近邻插值）
template <typename TexPtr>
__global__ void resizeKernel(TexPtr tex, uchar* dst, int dst_cols, int dst_rows, size_t dst_step, float scale) {int x = blockIdx.x * blockDim.x + threadIdx.x;int y = blockIdx.y * blockDim.y + threadIdx.y;if (x < dst_cols && y < dst_rows) {float src_x = x / scale;float src_y = y / scale;dst[y * dst_step + x] = tex(src_y, src_x); // 使用纹理采样}
}void resizeWithTexturePtr(cuda::GpuMat& d_src, cuda::GpuMat& d_dst, float scale) {int width = d_src.cols;int height = d_src.rows;// 创建 CUDA Array 并拷贝数据cudaChannelFormatDesc channel_desc = cudaCreateChannelDesc<uchar>();cudaArray* cu_array = nullptr;CUDA_CHECK(cudaMallocArray(&cu_array, &channel_desc, width, height));CUDA_CHECK(cudaMemcpy2DToArray(cu_array, 0, 0,d_src.data, d_src.step,width, height,cudaMemcpyDeviceToDevice));// 配置纹理资源描述符cudaResourceDesc res_desc = {};memset(&res_desc, 0, sizeof(res_desc));res_desc.resType = cudaResourceTypeArray;res_desc.res.array.array = cu_array;// 配置纹理描述符cudaTextureDesc tex_desc = {};memset(&tex_desc, 0, sizeof(tex_desc));tex_desc.addressMode[0] = cudaAddressModeClamp;tex_desc.addressMode[1] = cudaAddressModeClamp;tex_desc.filterMode = cudaFilterModePoint;tex_desc.readMode = cudaReadModeElementType;tex_desc.normalizedCoords = 0;// 创建纹理对象cudaTextureObject_t texObj = 0;CUDA_CHECK(cudaCreateTextureObject(&texObj, &res_desc, &tex_desc, NULL));// 使用 TexturePtr 封装纹理对象TexturePtr<uchar> texPtr(texObj);// 启动核函数dim3 block(16, 16);dim3 grid((d_dst.cols + block.x - 1) / block.x,(d_dst.rows + block.y - 1) / block.y);resizeKernel<<<grid, block>>>(texPtr, d_dst.data, d_dst.cols, d_dst.rows, d_dst.step, scale);CUDA_CHECK(cudaDeviceSynchronize());// 清理资源CUDA_CHECK(cudaDestroyTextureObject(texObj));CUDA_CHECK(cudaFreeArray(cu_array));
}int main() {// 加载图像（灰度图）cv::Mat h_src = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_GRAYSCALE);if (h_src.empty()) {std::cerr << "Failed to load image!" << std::endl;return -1;}// 上传到 GPUcv::cuda::GpuMat d_src, d_dst;d_src.upload(h_src);// 设置目标尺寸（放大两倍）float scale = 2.0f;d_dst.create(cvRound(h_src.rows * scale), cvRound(h_src.cols * scale), h_src.type());// 调用基于 TexturePtr 的缩放函数resizeWithTexturePtr(d_src, d_dst, scale);// 下载结果cv::Mat h_dst;d_dst.download(h_dst);// 显示图像cv::imshow("Original", h_src);cv::imshow("Resized (TexturePtr)", h_dst);cv::waitKey(0);return 0;
}
运行结果
