OpenCV支持的并行框架
OpenCV从4.5版本开始，新增了并行代码执行支持，以常见的图像像素遍历卷积计算为例，演示OpenCV中卷积计算并行代码执行与非并行的卷积计算代码执行，同时对比时间消耗。OpenCV并行框架支持下面几种方法启用并行加速，分别是：
1. Intel TBB (第三方库，需显式启用) 2. C=并行C/C++编程语言扩展 (第三方库，需显式启用) 3. OpenMP (编译器集成, 需显式启用) 4. APPLE GCD (苹果系统自动使用) 5. Windows RT并发(Windows RT自动使用) 6. Windows并发(运行时部分, Windows，MSVC++ >= 10自动使用) 7. Pthreads
在VS IDE中开启OpenMP，只需要右键点击项目，从属性中
这样就可以开启并行加速。
卷积并行实现与时间比较
OpenCV支持两种方式的并行代码实现，分别是：
parallel_for_ ParallelLoopBody
以3x3卷积为例，原始的代码实现如下：
start = (double)cv::getTickCount(); for (int row = 0; row < rows; row++) { for (int col = 1; col < cols - 1; col++) { int sum = src.at<uchar>(row, col) + src.at<uchar>(row - 1, col) + src.at<uchar>(row + 1, col) + src.at<uchar>(row, col - 1) + src.at<uchar>(row - 1, col - 1) + src.at<uchar>(row + 1, col - 1) + src.at<uchar>(row, col + 1) + src.at<uchar>(row - 1, col + 1) + src.at<uchar>(row + 1, col + 1); int pv = sum / 9; dst.at<uchar>(row, col) = pv; } }
parallel_for_ 3x3卷积的代码实现如下
double start = (double)cv::getTickCount(); parallel_for_(Range(0, rows * cols), [&](const Range &range) { for (int r = range.start; r < range.end; r++) { int i = r / cols, j = r % cols; double value = 0; for (int k = -sz; k <= sz; k++) { uchar *sptr = src.ptr(i + sz + k); for (int l = -sz; l <= sz; l++) { value += kernel.ptr<double>(k + sz)[l + sz] * sptr[j + sz + l]; } } dst.ptr(i)[j] = saturate_cast<uchar>(value); } }); double time = (((double)cv::getTickCount() - start)) / cv::getTickFrequency(); std::cout << "parallel_for_conv3x3 execute time: " << time * 1000 << " ms" << std::endl;
ParallelLoopBody 3x3卷积的代码实现如下
class parallelConvolution : public ParallelLoopBody { private: Mat m_src, &m_dst; Mat m_kernel; int sz; public: parallelConvolution(Mat src, Mat &dst, Mat kernel) : m_src(src), m_dst(dst), m_kernel(kernel) { sz = kernel.rows / 2; } virtual void operator()(const Range &range) const CV_OVERRIDE { for (int r = range.start; r < range.end; r++) { int i = r / m_src.cols, j = r % m_src.cols; double value = 0; for (int k = -sz; k <= sz; k++) { const uchar *sptr = m_src.ptr(i + sz + k); for (int l = -sz; l <= sz; l++) { value += m_kernel.ptr<double>(k + sz)[l + sz] * sptr[j + sz + l]; } } m_dst.ptr(i)[j] = saturate_cast<uchar>(value); } } };
调用方式如下：
start = (double)cv::getTickCount(); parallelConvolution obj(src, dst, kernel); parallel_for_(Range(0, rows * cols), obj); time = (((double)cv::getTickCount() - start)) / cv::getTickFrequency(); std::cout << "parallelConvolution conv3x3 execute time: " << time * 1000 << " ms" << std::endl;
运行结果如下：
我晕倒，不是说并行加速了吗，可是我得不到OpenCV官方教程上那样的明显加速的结果，因为教程上没有说明它到底是用了那个并行加速框架得到的。有时候 “尽信书不如无书”
对此，我自己也有一些原因分析，但是更希望大家留言分析一下相关原因，为什么没有加速效果？？
