1.注意事项
编译的办法参见：
http://blog.csdn.net/wangyaninglm/article/details/39997113
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
代码语言：javascript复制//swap.cu
#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include <opencv2/core/cuda_devptrs.hpp>
using namespace cv;
using namespace cv::gpu;
//自定义内核函数
__global__ void swap_rb_kernel(const PtrStepSz<uchar3> src,PtrStep<uchar3> 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<uchar3>& src,PtrStep<uchar3> 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<<<grid,block,0,stream>>>(src,dst);
if(stream == 0)
cudaDeviceSynchronize();
}//swap.cpp
#include <opencv2/gpu/gpu.hpp>
#include <opencv2/gpu/stream_accessor.hpp>
using namespace cv;
using namespace cv::gpu;
extern "C" void swap_rb_caller(const PtrStepSz<uchar3>& src,PtrStep<uchar3> 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 <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/gpu/gpu.hpp>
#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 FilesNVIDIA CorporationNVIDIA GPU Computing SDK 3.2Ccommoninc";"C:Program FilesNVIDIA GPU Computing ToolkitCUDAv4.0include"
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。
