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。
附件列表