CUDA跟OpenCV的混合编程,注意OpenCV需要重新编译

来源:互联网 发布:网络推广思路 编辑:程序博客网 时间:2024/05/29 16:54

1.注意事项

编译的办法参见:

http://blog.csdn.net/wangyaninglm/article/details/39997113

 

以下是程序代码,网上搜的例子:

注意事项:32位工程添加64位的支持(主要取决于你编译的版本),配置好cuda的项目路径include


2.代码

//swap.cu#include "cuda_runtime.h"#include "device_launch_parameters.h"#include <opencv2/core/cuda_devptrs.hpp>using namespace cv;using namespace cv::gpu;//自定义内核函数__global__ void swap_rb_kernel(const PtrStepSz<uchar3> src,PtrStep<uchar3> dst){    int x = threadIdx.x + blockIdx.x * blockDim.x;    int y = threadIdx.y + blockIdx.y * blockDim.y;    if(x < src.cols && y < src.rows)    {        uchar3 v = src(y,x);        dst(y,x) = make_uchar3(v.z,v.y,v.x);    }}extern "C" void swap_rb_caller(const PtrStepSz<uchar3>& src,PtrStep<uchar3> dst,cudaStream_t stream){    dim3 block(32,8);    dim3 grid((src.cols + block.x - 1)/block.x,(src.rows + block.y - 1)/block.y);    swap_rb_kernel<<<grid,block,0,stream>>>(src,dst);    if(stream == 0)        cudaDeviceSynchronize();}


 

 

//swap.cpp#include <opencv2/gpu/gpu.hpp>#include <opencv2/gpu/stream_accessor.hpp>using namespace cv;using namespace cv::gpu;extern "C" void swap_rb_caller(const PtrStepSz<uchar3>& src,PtrStep<uchar3> dst,cudaStream_t stream);extern "C" void swap_rb(const GpuMat& src,GpuMat& dst,Stream& stream = Stream::Null()){CV_Assert(src.type() == CV_8UC3);dst.create(src.size(),src.type());cudaStream_t s = StreamAccessor::getStream(stream);swap_rb_caller(src,dst,s);}


 

//main.cpp#include <iostream>#include <opencv2/opencv.hpp>#include <opencv2/gpu/gpu.hpp>#pragma comment(lib,"opencv_gpu2410d.lib")#pragma comment(lib,"opencv_core2410d.lib")#pragma comment(lib,"opencv_highgui2410d.lib")using namespace cv;using namespace cv::gpu;extern "C" void swap_rb(const GpuMat& src,GpuMat& dst,Stream& stream = Stream::Null());int main(){Mat image = imread("lena.jpg");imshow("src",image);GpuMat gpuMat,output;gpuMat.upload(image);swap_rb(gpuMat,output);output.download(image);imshow("gpu",image);getchar();waitKey(0);return 0;}


 3.实现效果:

 

4.其他注意事项


假设有两个工程:CUDA工程TestCuda;C++工程CallCuda

 

1. 在CUDA工程TestCuda中,

 

(1).cpp文件(类成员函数定义)调用.cu文件下的函数

例如.cu文件下的函数void run_kernel(); 其前面必须用 extern “C” 修饰。

而.cpp文件(类成员函数定义)下的类成员函数,如,void cpp_run();

如果它想调用 run_kernel(),则首先可在.h文件(类定义)中的类定义的外面先声明.cu文件下的C函数,例如,extern “C” void run_kernel();


(2)CUDA工程属性-->常规中,选择配置类型为“静态库(.lib)”-->应用;

 

同时在工程属性下的库管理器-->常规项下的附加依赖项中,添加CUDA库:cudart.lib,curand.lib等;在附加库目录添加相应的库所在目录。


2.另外的C++工程CallCuda

 

在CallCuda工程属性下,找到附加依赖项,添加:CUDA库(cudart.lib等)和TestCuda生成的静态库(TestCuda.lib);以及添加附加库目录。

 

至此,该工程下的.cpp文件下的函数,就可以调用CUDA工程下的cpp_run()函数了,不过首先要实例化类。


1.将example.cu添加到工程中。在已有工程上右键单击,选择添加已有项。

2.添加编译规则。右键单击工程文件,选择“自定义生成规则”,在弹出的对话框中选择CUDA Build Rule x.x。

3.修改.cu文件的编译器。右键单击.cu文件,单击属性,修改编译规则,选择刚才添加的CUDA编译器。

4.添加包含目录。在项目属性-》C++->常规->附加包含目录中添加CUDA SDK的目录。例如"C:\Program Files\NVIDIA Corporation\NVIDIA GPU Computing SDK 3.2\C\common\inc";"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.0\include"

5.添加.lib文件。在链接器-》输入中添加cudart.lib cutil32D.lib

6.修改代码生成为多线程(/MT)方式。

7.Done. 
 
以上是工程配置。 

除此之外,还要把调用cuda代码的c++函数在.cu文件中用extern "C" 包含起来。并且在调用文件.cpp中用extern "C"声明该函数,然后调用。 

 

0 0
原创粉丝点击