OpenCV CUDA模块设备层-----用于CUDA 使用纹理内存的一个类模板TextureOff()

• 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

cv::cudev::TextureOff<T, P> 是 OpenCV 的 CUDA 模块（opencv_cudev） 中用于在 GPU 上使用纹理内存的一个类模板，它主要用于将图像数据绑定到 CUDA 纹理对象，并支持偏移量访问。

定义：

template <typename T, typename Ptr>
class TextureOff : public Texture<T>

• T：纹理中元素的类型（如 uchar, float）
• Ptr：指向图像数据的指针类型（如 GlobPtrSz）

这个类封装了从图像数据创建 CUDA 约束纹理对象的过程，并支持带有 ROI（Region of Interest）偏移量的访问。

主要功能

• 自动将图像数据上传到 CUDA Array
• 创建并管理 cudaTextureObject_t
• 支持带偏移量的纹理访问（offsetX(), offsetY()）
• 可以像普通纹理一样在核函数中使用

相关类和结构体

代码示例

注意：是cu文件

#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>

#include <iostream>

using namespace cv;
using namespace cuda;

// 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：使用纹理对象进行图像缩放
__global__ void resizeKernel(
    uchar* dst, int dst_cols, int dst_rows, size_t dst_step,
    float scale, cudaTextureObject_t texObj, int dx, int dy) {

    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) + dx;
        float src_y = (y / scale) + dy;

        // 使用纹理对象采样
        uchar val = tex2D<uchar>(texObj, src_x + 0.5f, src_y + 0.5f);
        dst[y * dst_step + x] = val;
    }
}

void resizeWithTextureOff(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));

    // 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>>>(
        d_dst.data, d_dst.cols, d_dst.rows, d_dst.step,
        scale, texObj, 0, 0);

    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 GPU
    cv::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 Texture 的缩放函数
    resizeWithTextureOff(d_src, d_dst, scale);

    // 下载结果
    cv::Mat h_dst;
    d_dst.download(h_dst);

    // 归一化显示
    cv::Mat h_dst_normalized;
    cv::normalize(h_dst, h_dst_normalized, 0, 255, cv::NORM_MINMAX, CV_8UC1);

    // 显示图像
    cv::imshow("Original", h_src);
    cv::imshow("Resized (Texture)", h_dst_normalized);
    cv::waitKey(0);

    return 0;
}

运行结果