1.注意事项

编译的办法参见：

 

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 
    
     using namespace cv;using namespace cv::gpu;//自定义内核函数__global__ void swap_rb_kernel(const PtrStepSz
     
       src,PtrStep
      
        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
       
        & src,PtrStep
        
          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<<
         
          >>(src,dst); if(stream == 0) cudaDeviceSynchronize();}
         
        
       
      
     
    

 

 

//swap.cpp#include 
    
     #include 
     
      using namespace cv;using namespace cv::gpu;extern "C" void swap_rb_caller(const PtrStepSz
      
       & src,PtrStep
       
         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 
    
     #include 
     
      #include 
      
       #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。