CUDA编程之GPU图像数据结构的设计

这篇具有很好参考价值的文章主要介绍了CUDA编程之GPU图像数据结构的设计。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

第1章 GPU图像数据结构

参考OpenCV中Mat和GpuMat的设计，对当前Image类设计了GPU版本，即GPUImage。

1.1. GPU图像头

设计图像头。

struct GPUImageHeader
{
   
	int32_t nWidth = 0;    //宽度
	int32_t nHeight = 0;	//高度
	int16_t nChannel = 0;  //通道数
	int32_t nRefCount = 0;  //引用计数
	void* pImage = nullptr;
};

其中指针指向的是GPU上的地址。引用计数用来实现浅拷贝以及显存的自动释放管理。不像OpenCV和Nppi，分通道和深度的做法。GPUImage的nChannel可以理解为通道*深度。

1.2. GPU图像数据结构接口

GPUImage用来管理CudaMalloc申请的显存，在GBox设备上，使用CudaMallocManaged来申请的GPU和CPU共用的地址。绑定功能暂不实现。

class BASE_EXPORT GPUImage
{
   
public:
	GPUImage();
	GPUImage(int nW, int nH, int nD); //create
	~GPUImage();

	GPUImage(const GPUImage& m);
	GPUImage& operator=(const GPUImage& m);

	void Create(int nW, int nH, int nC);  //使用默认的内存布局
	void Release();

	//增加一个和常规图像的互
	GPUImage(Image& m);
	bool ToImage(Image& m);
	bool FromImage(Image& m);

	//Get
	void* Ptr();
	int Width();
	int Height();
	int Depth();
	Rect Rect();

private:
	GPUImageHeader* m_pHeader = nullptr;
};

1.2.1. 图像创建操作

图像创建操作：

void GPUImage::Create(int nW, int nH, int nC)
{
   
	if (DebugCmd)
		std::cout << "void Matrix::Create(int nW, int nH, int nC)" << std::endl;

	//释放当前
	Release();

	m_pHeader = new GPUImageHeader();
	m_pHeader->nWidth = nW;
	m_pHeader->nHeight = nH;
	m_pHeader->nChannel = nC;

	size_t memSize = m_pHeader->nWidth * m_pHeader->nHeight * m_pHeader->nChannel + 31;
	auto ret = cudaMalloc((void**)&(m_pHeader->pImage), memSize);
	//如果ret不对，要抛异常
	if (ret != cudaSuccess)
		throw std::exception("GPUImage::FromImage(Image& m) error");

	META_ATOMIC_ADD(&m_pHeader->nRefCount, 1);
	if (DebugCmd)
		std::cout << "m_Image.nRefCount:" << m_pHeader->nRefCount << std::endl;
}

采用cudamalloc申请图像空间。

1.2.2. 图像释放操作

图像释放操作：

void GPUImage::Release()
{
   
	if (DebugCmd)
		std::cout << "Release()" << std::endl;

	if (m_pHeader)
	{
   
		assert(m_pHeader->nRefCount > 0);
		if (META_ATOMIC_ADD(&m_pHeader->nRefCount, -1) == 1)
		{
   
			if (m_pHeader->pImage)
			{
   
				auto ret = cudaFree(m_pHeader->pImage);
				//如果ret不对，要抛异常
				if (ret != cudaSuccess)
					throw std::exception("GPUImage::FromImage(Image& m) error");
			}
			m_pHeader->pImage = nullptr;

			delete m_pHeader;
			m_pHeader = nullptr;
			if (DebugCmd)
				std::cout << "Release::m_pHeader:delete" << std::endl;
		}
		else
		{
   
			if (DebugCmd)
				std::cout << "Release::m_Image.nRefCount:" << m_pHeader->nRefCount << std::endl;
		}
	}
	else
	{
   
		if (DebugCmd)
			std::cout << "m_pHeader == nullptr" << std::endl;
	}
}

释放时要判断引用计数，只有降为0，才进行显存的释放。

1.2.3. 图像拷贝构造和赋值构造

图像拷贝构造：

GPUImage::GPUImage(const GPUImage& m)
{
   
	if (DebugCmd)
		std::cout << "Matrix(const Matrix& m)" << std::endl;
	if (m.m_pHeader)
	{
   
		META_ATOMIC_ADD(&m.m_pHeader->nRefCount, 1);
		m_pHeader = m.m_pHeader;
		if (DebugCmd)
			std::cout << "m_Image.nRefCount:" << m_pHeader->nRefCount << std::endl;
	}
	else
	{
   
		m_pHeader = nullptr;
		if (DebugCmd)
			std::cout << "m_Image.nRefCount:0,m_pHeader == nullptr" << std::endl;
	}
}

拷贝时，并不申请显存，而是将引用计算加1。
赋值构造：

GPUImage& GPUImage::operator=(const GPUImage& m)
{
   
	if (DebugCmd)
		std::cout << "Matrix& operator=(const Matrix& m)" << std::endl;
	if (this->m_pHeader != m.m_pHeader)
	{
   
		if (m.m_pHeader)
		{
   
			META_ATOMIC_ADD(&m.m_pHeader->nRefCount, 1);
			Release();  //释放当前
			m_pHeader = m.m_pHeader;
			if (DebugCmd)
				std::cout << "m_Image.nRefCount:" << m_pHeader->nRefCount << std::endl;
		}
		else
		{
   
			m_pHeader = nullptr;
			if (DebugCmd)
				std::cout << "m_Image.nRefCount:0,m_pHeader == nullptr" << std::endl;
		}
	}
	else
	{
   
		if (DebugCmd)
			std::cout << "this->m_pHeader == m.m_pHeader" << std::endl;
	}

	return *this;
}

赋值构造时，要释放被赋值图像，,然后把赋值图像引用计数加1。

1.3. GPU图像数据结构引用计数测试

将上述DebugCmd打开，测试如下代码：文章来源地址https://www.toymoban.com/news/detail-667454.html

void test1(MetaCore::GPUImage imA)
{
   
    std::cout << "期望引用计数会减1" << std::endl;
    return;
}
void test2(MetaCore::GPUImage& imB)
{
   
    std::cout << "期望不发生任何事情" << std::endl;
    return;
}
MetaCore::GPUImage test3()