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

TextureOffPtr<T, R> 是 OpenCV 的 CUDA 模块（opencv_cudev）中用于封装 CUDA 纹理对象 + ROI 偏移量的一个轻量级指针类。它允许在核函数中像访问普通纹理一样进行采样，同时自动考虑图像的偏移位置。

T：纹理元素类型（如 uchar, float）
R：底层指针类型，默认为 Texture2DLayeredPtr 或类似

主要功能

功能	描述
封装纹理对象	包含 `cudaTextureObject_t`
支持 ROI 偏移	提供 `(xoff, yoff)` 偏移信息
核函数参数传递	可作为泛型参数传入模板核函数
提供采样接口	使用 `tex(y, x)` 接口读取像素值

常用构造函数

__host__ TextureOffPtr(const cudaTextureObject_t tex_, const int yoff_, const int xoff_)

参数	类型	描述
`tex_`	`cudaTextureObject_t`	已创建好的 CUDA 纹理对象
`yoff_`	`int`	Y 方向偏移（ROI 起始行）
`xoff_`	`int`	X 方向偏移（ROI 起始列）

使用流程总结

步骤	内容
1. 创建 CUDA Array	`cudaMallocArray()` + `cudaMemcpy2DToArray()`
2. 配置资源描述符	`cudaResourceDesc`
3. 配置纹理描述符	`cudaTextureDesc`
4. 创建纹理对象	`cudaCreateTextureObject()`
5. 构造 TextureOffPtr	`TextureOffPtr<uchar>(texObj, dy, dx)`
6. 传入核函数	使用模板泛型 `template <typename TexPtr>`
7. 采样数据	在核函数中使用 `tex(y, x)`

优点与适用场景

优点	说明
轻量级封装	不影响性能
支持偏移	可处理 ROI 图像
易于集成	可作为泛型参数传入核函数
跨版本兼容	支持 OpenCV ≥ 4.6 所有版本

代码示例

#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>
#include <opencv2/cudev/ptr2d/texture.hpp> // TextureOffPtrusing namespace cv;
using namespace cudev;// 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 TextureOffPtr 进行图像缩放（最近邻插值）
template <typename TexPtr>
__global__ void resizeKernel(TexPtr tex, uchar* dst, int dst_cols, int dst_rows, size_t dst_step, float scale) {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;float src_y = y / scale;dst[y * dst_step + x] = tex(src_y, src_x); // 自动加偏移}
}void resizeWithTextureOffPtr(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));// 设置偏移量（假设无 ROI）int dx = 0;int dy = 0;// 使用 TextureOffPtr 封装纹理对象和偏移TextureOffPtr<uchar> texPtr(texObj, dy, dx);// 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>>>(texPtr, d_dst.data, d_dst.cols, d_dst.rows, d_dst.step, scale);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 GPUcv::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 TextureOffPtr 的缩放函数resizeWithTextureOffPtr(d_src, d_dst, scale);// 下载结果cv::Mat h_dst;d_dst.download(h_dst);// 显示图像cv::imshow("Original", h_src);cv::imshow("Resized (TextureOffPtr)", h_dst);cv::waitKey(0);return 0;
}