使用OpenMP的并行IplImage转换

Parallel IplImage transformation using OpenMP

本文关键字：IplImage 转换 并行 OpenMP 使用      更新时间：2023-10-16

我想使用OpenMP对IplImage进行一些转换。这是一个简单的变换，将图像颠倒过来。使用OpenMP的代码与不使用OpenMP相同。这其实并不重要。

void UpsideDownFilter::filter(IplImage* dstImage) {
uchar temp;
int j;
int i;
#pragma omp parallel shared(dstImage) private(j, i, temp)
{
    //        std::cout << omp_get_thread_num() << std::endl;
#pragma omp for schedule(static, 30) nowait
    for(j = 0; j < dstImage->height / 2; ++j) {
        for(i = 0; i < dstImage->widthStep; ++i) {
            temp = dstImage->imageData[i + j * dstImage->widthStep];
            dstImage->imageData[i + j * dstImage->widthStep] =
                dstImage->imageData[i + (dstImage->height - 1 - j) * 
                                    dstImage->widthStep];
            dstImage->imageData[i + (dstImage->height - 1 - j) * 
                                dstImage->widthStep] = temp;
        }
    }
}
}

我已经将#pragma omp-for推送到内部循环。当我不知道出了什么问题时，我已经做了所有其他神奇的事情（删除这个，添加那个）。这就是我从代码中调用该方法的方式：

for (vector<filter_ptr>::iterator it = filters.begin();
     it != filters.end(); ++it) {
    (*it)->filter(dstImage);
}

有人能告诉我我做错了什么吗？

由于我无法编译您的代码，我自己编写了代码，我认为这非常相似。你已经压平了你的2D矩阵，我不介意，但我不认为这会影响我认为你出了什么问题。

#include <vector>
typedef std::vector<std::vector<double> > matrix_t;
void flip(matrix_t& A, int const m, int n)
{
    int m_2 = m / 2;
    #pragma omp parallel for
    for (int i = 0; i < m_2; ++i) {
        for (int j = 0; j < n; ++j) {
            std::swap(A[i][j], A[m - (i + 1)][j]);
        }
    }
}
int
main()
{
    int n = 20000;
    matrix_t A (n, std::vector<double>(n, 1.0));
    flip(A, n, n);
    return 0;
}

在四核机器上，我也没有加速。

> g++ -O2 s18.cc && /usr/bin/time ./a.out && g++ -fopenmp -O2 s18.cc && /usr/bin/time ./a.out 
2.61user 2.18system 0:04.79elapsed 99%CPU (0avgtext+0avgdata 12805936maxresident)k
0inputs+0outputs (0major+800428minor)pagefaults 0swaps
7.67user 2.23system 0:04.71elapsed 210%CPU (0avgtext+0avgdata 12806512maxresident)k
0inputs+0outputs (0major+800481minor)pagefaults 0swaps

我认为没有加速的原因是程序内存受限。也就是说，程序的速度由向存储器发送数据和从存储器发送数据的速度控制。因此，无论你有多少核心，你都不能走得更快，因为它们不是限制因素。

相关文章：