OpenCV中OpenMP的使用

 

vs2010中調用openMP,並添加頭文件#include<omp.h>

 

代碼來源：

作者：gnuhpc
出處：http://www.cnblogs.com/gnuhpc/

 

#include "stdafx.h"

#include "cv.h" 
#include "highgui.h" 
#include <stdio.h> 
#include <stdlib.h> 
#include <omp.h>

#pragma comment(lib,"opencv_core2410d.lib")              
#pragma comment(lib,"opencv_highgui2410d.lib")              
#pragma comment(lib,"opencv_imgproc2410d.lib")    

 

void EdgeOpenMP(IplImage *src,IplImage *dst,int thresh) 
{ 
    int height    = src->height; 
    int width     = src->width; 
    int step      = src->widthStep; 
    uchar *data1      = (uchar *)src->imageData; 
    uchar *data2      = (uchar *)dst->imageData;

    int i=step; 
    #pragma omp parallel for 
    for(i=step+1;i<height*width;i++){ 
         if(abs(data1[i]-data1[i-1])>thresh || abs(data1[i]-data1[i-step])>thresh) 
            data2[i]=255;/* 對於單通道，前后兩幀差分大於門限 
            或者對於多通道前后兩幀的一個指標差分大於門限，則視為邊緣*/ 
         else 
            data2[i]=0; 
    } 
}

void Edge(IplImage *src,IplImage *dst,int thresh) 
{ 
    int height    = src->height; 
    int width     = src->width; 
    int step      = src->widthStep; 
    uchar *data1      = (uchar *)src->imageData; 
    uchar *data2      = (uchar *)dst->imageData;

   int i=step; 
    for(i=step+1;i<height*width;i++){ 
         if(abs(data1[i]-data1[i-1])>thresh || abs(data1[i]-data1[i-step])>thresh) 
            data2[i]=255; 
         else 
            data2[i]=0; 
    } 
}


int main() 
{ 
  char filename[512]; 
  IplImage *src,*edge1,*edge2; 
  puts("File name:"); 
  gets(filename); 
  src = cvLoadImage(filename,CV_LOAD_IMAGE_GRAYSCALE ); 
  edge1=cvCloneImage(src); 
  edge2=cvCloneImage(src);

  cvNamedWindow("src", CV_WINDOW_AUTOSIZE); 
  cvMoveWindow("src", 100, 100); 
  cvShowImage( "src", src); 
  cvNamedWindow("Edge", CV_WINDOW_AUTOSIZE); 
  cvMoveWindow("Edge", 200, 100); 
  cvNamedWindow("EdgeOpenMP", CV_WINDOW_AUTOSIZE); 
  cvMoveWindow("EdgeOpenMP", 300, 100); 
  /* 以上都是准備一些窗口和圖形基本數據 */

  int tekrar=100;//運行次數 
  int thresh=30; 
  double start, end,t1, t2; 
  
  /* 計算沒有使用OpenMP優化的時間 */ 
  start= (double)cvGetTickCount();//記下開始的時鍾計數，以便計算函數或用戶代碼執行時間 
  for(int i=0;i<tekrar;i++) 
    Edge(src,edge1,thresh); 
  end= (double)cvGetTickCount();//記下結束的時鍾計數 
  t1= (end-start)/((double)cvGetTickFrequency()*1000.);//計算運行時間，以毫秒為單位 
  printf( "Run time without OpenMP = %g ms\n", t1 );

  /* 計算使用了OpenMP優化的時間 */ 
  start= (double)cvGetTickCount(); 
  for(int i=0;i<tekrar;i++) 
    EdgeOpenMP(src,edge2,thresh); 
  end= (double)cvGetTickCount(); 
  t2= (end-start)/((double)cvGetTickFrequency()*1000.); 
  printf( "Run time with OpenMP = %g ms\n", t2 );

  printf( "Performance ratio (%%) = %% %.1f \n", 100*(t1/t2-1) );

  cvShowImage( "Edge", edge1); 
  cvShowImage( "EdgeOpenMP", edge2); 
  cvWaitKey(); 
  cvDestroyWindow("Edge"); 
  cvDestroyWindow("EdgeOpenMP"); 
  cvReleaseImage(&src); 
  cvReleaseImage(&edge1); 
  cvReleaseImage(&edge2); 
}

 

這是我的結果：


這里的測試結果：
http://blog.csdn.net/augusdi/article/details/8808226
  在cpp文件中添加如下代碼：

#include "stdafx.h"

#include<omp.h>

#include<iostream>

usingnamespace std;


//循環測試函數
void test()
{
for(int i=0;i<10000;i++)
{

}
}


int _tmain(int argc,_TCHAR* argv[])
{
cout<<"這是一個串行測試程序!\n";
double start = omp_get_wtime( );//獲取起始時間

for(int i = 0; i < 10000; i++)
{
test();
}

double end = omp_get_wtime( );

cout<<"計算耗時為："<<end -start<<"\n";

cin>>end;

return 0;
}

#include "stdafx.h"

#include<omp.h>

#include<iostream>

usingnamespace std;


//循環測試函數
void test()
{
for(int i=0;i<10000;i++)
{

}
}


int _tmain(int argc,_TCHAR* argv[])
{
cout<<"這是一個串行測試程序!\n";
double start = omp_get_wtime( );//獲取起始時間

for(int i = 0; i < 10000; i++)
{ 
test();
}

double end = omp_get_wtime( );

cout<<"計算耗時為："<<end -start<<"\n";

cin>>end;

return 0;
}

       以上代碼中紅色字體為添加的代碼，以上程序是一個典型的串行程序，經過隨機運行10次，其平均耗時約0.283273s（具體所耗時間跟測試計算機有密切的關系，測試電腦CPU采用Core I7 2630QM，4核）。

       下面將其轉換成並行程序，只需要在for循環加上#pragma omp parallel for即可，如下代碼（注意紅色部分）：

#include "stdafx.h"

#include<omp.h>

#include <iostream>

using namespace std;


//循環測試函數
void test()
{
for(inti=0;i<10000;i++)
{

}
}

int _tmain(int argc, _TCHAR* argv[])
{
cout<<"這是一個並行測試程序!\n";

doublestart = omp_get_wtime( );//獲取起始時間


#pragma ompparallel for
for(inti = 0; i < 10000; i++)
{
test();
}


doubleend = omp_get_wtime( );

cout<<"計算耗時為："<<end -start<<"\n";

cin>>end;

return0;
}

#include "stdafx.h"

#include<omp.h>

#include <iostream>

using namespace std;


//循環測試函數
void test()
{
for(inti=0;i<10000;i++)
{

}
}

int _tmain(int argc, _TCHAR* argv[])
{
cout<<"這是一個並行測試程序!\n";

doublestart = omp_get_wtime( );//獲取起始時間


#pragma ompparallel for
for(inti = 0; i < 10000; i++) 
{
test();
}


doubleend = omp_get_wtime( );

cout<<"計算耗時為："<<end -start<<"\n";

cin>>end;

return0;
}

       同樣，也經過10次隨機的運行，其平均耗時約為0.06358044s，兩種不同運行方式的比較結果如下表所示：

 

次數	串行	並行
1	0.283382	0.0746704
2	0.283654	0.0686404
3	0.283212	0.0536631
4	0.280234	0.0517737
5	0.283041	0.0717588
6	0.283126	0.0524264
7	0.281881	0.0580316
8	0.283301	0.0730386
9	0.284545	0.0745088
10	0.286353	0.0572926
平均值	0.283273	0.06358044

 

       兩種運行方式的結果如下圖所示：

 

       從上面的分析結果可見，采用OpenMP並行所耗時間僅為串行的22.44%，節約近4.5倍的時間。

相關程序源碼下載地址： http://download.csdn.net/detail/xwebsite/3843187