前提条件
- 电脑安装英伟达显卡；
- 安装英伟达驱动，版本建议10以上；
- 安装 cuda 和 cudnn；
- github 下载 opencv，opencv_contribute;本地 cmake 编译 opencv；
目标
- 在 cpp 中，使用自己写的 cuda 核函数；
写这篇文章的原因
最近在写 cuda 加速，然后发现，把核函数卸载 .cu 文件中，调用写在.cpp文件中，总会报出错，比如：
C2039 “atomicAdd”: 不是“`global namespace'”的成员
C2039 “atomicMin”: 不是“`global namespace'”的成员
C2664 “uchar1 cv::cudev::max(const uchar1 &,const uchar1 &)”: 无法将参数 1 从“const unsigned char”转换为“const uchar1 &”花费了一些时间，在网上查找，没有找到；于是想，写出来，记录自己的解决过程，帮助他人尽快找到答案；
//.cpp
//cuda 相关头文件
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include "cuda_device_runtime_api.h"
//标准库
#include
#include
//opencv 使用的头文件
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
// 引用一些opencv已经有的头文件；
#include "opencv2/cudaarithm.hpp"
//cpp万万不能引用
//#include "opencv2/cudev.hpp" ////.cu
#include
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include "cuda_device_runtime_api.h"
//使用 opencv 的形参类型
#include "opencv2/cudev.hpp" 起初，网上查到 “opencv2/cudev.hpp” 是opencv cuda 的基础头文件；于是自然引用到了 cpp 和 cu 文件中，一直报错，一个一个找，最终是因为 cpp 中引用“opencv2/cudev.hpp” 头文件，产生编译错误；
如果要使用 opencv 的 形参类型，比如 cv::cuda::PtrStep，cv::cuda::PtrStepSz 可以在 .cu 中引入 “opencv2/cudev.hpp” 头文件；
看 cuda 的 example，一般把 核函数A 和 核函数的调用AA 都放在 .cu文件中，.cpp 中再调用AA 就好。
代码 如下：
.cpp 文件
//.cpp
#include
#include
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include "cuda_runtime_api.h"
#include "opencv2/cudacodec.hpp" //
//#include "opencv2/cudaimgproc.hpp" //
//#include "opencv2/cudaobjdetect.hpp"
//#include "opencv2/cudaarithm.hpp"
using namespace cv;
using namespace std;
//初始化
cv::cuda::Stream sdr2hdrStream;
cv::cuda::GpuMat dev_src_yuv8_GPU(height * 3/2, width, CV_8UC1);
cv::cuda::GpuMat dev_src_RGB_32F_GPU(height, width, CV_32FC3);
Mat src = imread("lena.jpg");
Mat sc_yuv;
cvtColor(src, sc_yuv, COLOR_BGR2YUV_I420);
dev_src_yuv8_GPU.upload(sc_yuv, sdr2hdrStream);
cv::cuda::PtrStep psrc(dev_src_yuv8_GPU.data, dev_src_yuv8_GPU.step);
cv::cuda::PtrStep pdst(dev_src_RGB_32F_GPU.ptr(0), dev_src_RGB_32F_GPU.step);
yuv2rgb420pCudaGPUMat(psrc, pdst, width, height, sdr2hdrStream);
//等待 stream 执行完
sdr2hdrStream.waitForCompletion();
Mat ttttt;
dev_src_RGB_32F_GPU.download(ttttt);
cv::imwrite("tttt_dTmp_dst.png", ttttt * 255); .cu 文件
#include
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include "cuda_device_runtime_api.h"
#include "cuda_runtime_api.h"
#include "cuda_texture_types.h"
#include "opencv2/cudev.hpp" //cuda
// cuda threads
int hlg_threads = 16;
//核函数
__global__ void yuv2rgb420p_private_GPUMat(cv::cuda::PtrStep src, cv::cuda::PtrStep dst, int w, int h) {
int x = threadIdx.x + blockIdx.x * blockDim.x;
int y = threadIdx.y + blockIdx.y * blockDim.y;
if (x < w && y < h) {
//未优化前
//float y_ = (src(y,x) - 16) / 219.0;
//优化除法
float y_ = __fdividef((src(y, x) - 16), 219.0F);
float u_ = __fdividef((src(h + (y >> 2), x >> 1) - 128), 224.0F);
float v_ = __fdividef((src(((h * 5) >> 2) + (y >> 2), x >> 1) - 128), 224.0F);
//R
dst(y, x).x = __saturatef(__fmul_rn(1.4746F, v_) + y_);
//B
dst(y, x).z = __saturatef(__fmul_rn(1.8814F, u_) + y_);
//G
dst(y, x).y = __saturatef(__fmul_rn(1.4749F, y_) - __fmul_rn(0.3875F, dst(y, x).x) - __fmul_rn(0.0875F, dst(y, x).z));
}
}
//核函数 调用
void yuv2rgb420pCudaGPUMat(cv::cuda::PtrStep src, cv::cuda::PtrStep dst, int w, int h, cv::cuda::Stream& sdr2hdrStream_) {
int bx = (w + hlg_threads - 1) / hlg_threads;
int by = (h + hlg_threads - 1) / hlg_threads;
dim3 blocks(bx, by);
dim3 threads(hlg_threads, hlg_threads);
cudaStream_t s = cv::cuda::StreamAccessor::getStream(sdr2hdrStream_);
yuv2rgb420p_private_GPUMat << > > (src, dst, w, h);
}
核函数，可以优化的点有如下几个：
- 定义变量，使用时候，浮点数 写为 0.9F，而不是 0.9；避免 double 转换 float；
- 除法 使用 __fdividef，大概 20个时钟周期，比表达式 “9 / 5” ， 36 个时钟周期快一些；
- __saturatef，0--1 截断函数，小于0 为0，大于1 为 1 ；其他为输入值；
计划
- 计划写 cuda 纹理读取，texture 的使用；对比 纹理对象 cudaTextureObject_t 的使用；
- cuda 调用时候，多流 的使用；