运用OpenMP提速图像处理速度

一、算法测试

// openmptest的测试程序
# include  "stdafx.h"
void Test( int n){
     for ( int i = 0;i < 10000;i ++)
    {
         int j = 0;
        j  = j + 1;
    }
    printf( "%d",n);
}
int _tmain( int argc, _TCHAR * argv[])
{
     for ( int i = 0;i < 10;i ++)
    {
        Test(i);
    }
    getchar();
     return  0;
}

而开启openmp

// openmptest的测试程序

# include  "stdafx.h"
void Test( int n){
     for ( int i = 0;i < 10000;i ++)
    {
         int j = 0;
        j  = j + 1;
    }
    printf( "%d",n);
}
int _tmain( int argc, _TCHAR * argv[])
{
     for ( int i = 0;i < 10;i ++)
    {
        Test(i);
    }
    getchar();
     return  0;
}

结果

可以发现明显运算的顺序变化了，就是因为有并行的存在。

二、批量处理多张图片

编写较为复杂的opencv 程序

// openmptest的测试程序
# include  "stdafx.h"
# include  <iostream >
# include  <opencv2 /opencv.hpp >  
# include  "GoCvHelper.h"
using  namespace std;
using  namespace cv;
using  namespace GO;
Mat Test(Mat src){
    Mat draw;
    Mat gray;
    cvtColor(src,gray,COLOR_BGR2GRAY);
    threshold(gray,gray, 100, 255,THRESH_OTSU);
    connection2(gray,draw);
     return draw;
}
int _tmain( int argc, _TCHAR * argv[])
{    
     //时间记录
     const int64 start  = getTickCount();
    vector <Mat > vectorMats;
     //文件目录
     char cbuf[ 100]  =  "F:/图片资源/纹理库brodatz/brodatzjpg";
     //获取所有文件
    getFiles(cbuf,vectorMats);
     //循环处理
    // #pragma omp parallel for
     for ( int i = 0;i <vectorMats.size();i ++)
    {
        Mat dst  = Test(vectorMats[i]);
    }
    
     //时间
     double duration  = (cv : :getTickCount()  - start) /getTickFrequency();
    printf( "共消耗时间%f",duration);
    waitKey();
     return  0;
}

使用openmp的时间

不用mp的是这么长时间

三、处理视频类流数据

 进一步对openmp进行研究，发现它对于流数据也有很好支持：

# pragma omp parallel sections  
    {
        # pragma omp section  
        {
                GetHessianLambdas(camframe, 5,lambda1_Sigma5,lambda2_Sigma5);
        }
        # pragma omp section  
        {
                GetHessianLambdas(camframe, 7,lambda1_Sigma7,lambda2_Sigma7);
        }
    }

就直接可已将运算速度至少增加一倍。

四、多平台支持。

而且对于QT的支持也非常直接，直接采用

QMAKE_CXXFLAGS += -fopenmp
LIBS += -fopenmp

加入配置文件，连代码都不需要修改，非常方便。

来自为知笔记(Wiz)

附件列表