架构概览
Mini-OpenCV 采用三层架构设计，追求性能、模块化和易用性。
三层设计
层级职责
1. 应用层
用户交互的顶层 API：
| 组件 | 用途 |
|---|---|
ImageProcessor | 图像操作的主入口 |
PipelineProcessor | 链式多操作异步执行 |
2. 算子层
实现图像处理算法的 CUDA 内核：
| 类别 | 操作 | CUDA 技术 |
|---|---|---|
| 像素 | 反转、灰度、亮度 | 逐像素并行 |
| 卷积 | 高斯模糊、Sobel、自定义核 | 共享内存分块 |
| 直方图 | 计算、均衡化 | 原子操作 + 归约 |
| 几何 | 缩放、旋转、翻转、仿射 | 双线性插值 |
| 形态学 | 腐蚀、膨胀、开闭运算 | 自定义结构元素 |
| 阈值 | 全局、自适应、Otsu | 直方图驱动 |
| 色彩空间 | RGB/HSV/YUV 转换 | 矩阵运算 |
| 滤波 | 中值、双边、锐化 | 边缘保持滤波 |
3. 基础设施层
GPU 计算的核心工具：
| 组件 | 用途 |
|---|---|
DeviceBuffer | RAII GPU 内存管理 |
GpuImage | 带 GPU 内存的图像容器 |
CudaError | 错误处理和检查 |
ImageIO | 图像文件 I/O (JPEG, PNG, BMP) |
StreamManager | 异步执行的 CUDA 流池 |
数据流
内存模型
零拷贝优化
关键优化：
- 延迟分配: 首次使用时分配内存
- 缓冲区复用: 临时缓冲区的内存池
- 异步传输: 使用 CUDA 流重叠计算和传输
CUDA 流水线
多流执行实现操作重叠：
支持的 GPU 架构
| 架构 | 计算能力 | 示例 GPU |
|---|---|---|
| Turing | SM 75 | RTX 20 系列, T4 |
| Ampere | SM 80/86 | A100, RTX 30 系列 |
| Ada Lovelace | SM 89 | RTX 40 系列, L4 |
| Hopper | SM 90 | H100 |