OpenCV:如何将3通道GpuMat复制到另一GPU指针并拷回验证正确性?
OpenCV GpuMat数据拷贝至独立GPU指针及正确性验证实现
核心实现逻辑
要保证拷贝后独立GPU指针存储的GpuMat数据与原数据完全一致,核心是严格匹配OpenCV GpuMat的实际内存布局,不自行假设内存对齐规则,全流程步骤如下:
- 读取原3通道GpuMat的真实存储参数:尺寸、像素类型、实际内存步长(即每行数据占用的GPU内存字节数,包含对齐填充部分)
- 按计算得到的总显存大小,通过CUDA API分配独立的GPU显存块
- 执行GPU端到GPU端的内存拷贝,将原GpuMat的完整内存内容(含对齐填充字节)搬入独立显存块
- 验证阶段创建与原GpuMat参数完全一致的空目标GpuMat,将独立显存块的完整内容拷回该目标GpuMat的内部存储区
- 对原GpuMat和拷回得到的目标GpuMat做逐像素比对,零差异即说明拷贝操作正确
关键注意事项
- 计算总拷贝大小时,必须使用
GpuMat::step()返回的实际步长值,不能用图像宽度*通道数*单通道字节数自行推导,否则会丢失行对齐填充字节,导致数据不一致 - GPU指针间的拷贝必须使用
cudaMemcpy并指定cudaMemcpyDeviceToDevice拷贝方向,方向错误会触发CUDA运行时错误 - 独立分配的GPU显存需要在流程结束时调用
cudaFree释放,避免显存泄漏 - 该方法兼容非连续的ROI类GpuMat视图,因为拷贝过程严格匹配原对象的实际内存布局,不会破坏ROI对应的内存偏移关系
可运行参考示例
#include <opencv2/opencv.hpp> #include <opencv2/cudaimgproc.hpp> #include <cuda_runtime.h> #include <iostream> int main() { // 1. 初始化测试:加载主机端图像,创建3通道GpuMat cv::Mat host_img = cv::imread("test.jpg"); if (host_img.empty()) { std::cerr << "测试图像加载失败" << std::endl; return -1; } cv::cuda::GpuMat gpu_orig; gpu_orig.upload(host_img); // 2. 计算需要拷贝的总显存大小(基于GpuMat实际步长) size_t total_mem_size = gpu_orig.step * gpu_orig.rows; std::cout << "图像总占用显存:" << total_mem_size << " 字节,单步步长:" << gpu_orig.step << " 字节" << std::endl; // 3. 分配独立GPU指针,用于存储拷贝的图像数据 uchar* independent_gpu_ptr = nullptr; cudaError_t cuda_status = cudaMalloc(&independent_gpu_ptr, total_mem_size); if (cuda_status != cudaSuccess) { std::cerr << "独立GPU显存分配失败:" << cudaGetErrorString(cuda_status) << std::endl; return -1; } // 4. 从原GpuMat拷贝完整数据到独立GPU指针 cuda_status = cudaMemcpy( independent_gpu_ptr, gpu_orig.data, total_mem_size, cudaMemcpyDeviceToDevice ); if (cuda_status != cudaSuccess) { std::cerr << "Device到Device拷贝失败:" << cudaGetErrorString(cuda_status) << std::endl; cudaFree(independent_gpu_ptr); return -1; } // 5. 将独立GPU指针的数据拷回新的GpuMat,用于验证 cv::cuda::GpuMat gpu_copied_back( gpu_orig.rows, gpu_orig.cols, gpu_orig.type() ); cuda_status = cudaMemcpy( gpu_copied_back.data, independent_gpu_ptr, total_mem_size, cudaMemcpyDeviceToDevice ); if (cuda_status != cudaSuccess) { std::cerr << "独立GPU指针拷回GpuMat失败:" << cudaGetErrorString(cuda_status) << std::endl; cudaFree(independent_gpu_ptr); return -1; } // 6. 逐像素校验两份GpuMat的数据一致性 cv::cuda::GpuMat gpu_diff; cv::cuda::compare(gpu_orig, gpu_copied_back, gpu_diff, cv::CMP_NE); cv::Mat host_diff; gpu_diff.download(host_diff); int diff_pixel_count = cv::countNonZero(host_diff); if (diff_pixel_count == 0) { std::cout << "校验通过:独立GPU指针存储的数据与原GpuMat完全一致" << std::endl; } else { std::cout << "校验失败:共存在 " << diff_pixel_count << " 个像素点数据不一致" << std::endl; } // 7. 释放资源 cudaFree(independent_gpu_ptr); return 0; }
编译说明:需要使用带CUDA模块支持的OpenCV编译版本,链接时需要附加CUDA运行时库、OpenCV cudawarping/cudaimgproc模块库
内容的提问来源于stack exchange,提问作者Nicholas Jela
相关产品推荐
相关产品推荐

