CV-2020-实践:02 图像滤波的并行实现
文章目录
CV-2020-实践:02 图像滤波的并行实现
使用OpenCV和OpenMP实现图像滤波的并行计算,基于mac的Xcode平台。
If the code and the comments disagree, then both are probably wrong. --Norm Schryer
1. OpenCV和OpenMP环境配置
- 在上一文中,我们已经分别配置好了OpenCV和OpenMP,而且也用代码分别进行测试无误。但是,我们还没有在一个项目中,同时导入他们俩,当我们按之前的设置进行配置时,会发现出现如下错误,

- 由于网上几乎没有包含OpenMP、OpenCV和Xcode三者的信息(唯一查到的一条还在StackOverflow,由于众所周知的原因,有些麻烦),最终只能自行研究。后来发现,是由于设置使用的是Clang-omp编译器(OpenMP配置时,我们设置的,Xcode自带的clang并不支持OpenMP),而这么配置使得OpenCV所需的一些库没能包含(如cstddef, cctype等)。
- 我们只要找到这些标准库的位置(可以在xcode中
#include<??>然后右键jump过去,就可以找到了,都在同一个位置),然后加入header search中就可以解决了,NICE。
2. 图像滤波并行与非并行实现
- 图像滤波是图像处理基础的内容,我们这里实现的是最为简单的$3\times3$均值滤波(也没有考虑边缘处理),大家可以自行完成。
-
非并行的滤波:
//3x3均值滤波的非并行手工实现 void mean_filter(Mat& src, Mat& dst){ dst = Mat::zeros(src.size(), src.type()); for(size_t i=1; i<src.rows-1; i++){ for (size_t j = 1; j < src.cols-1; j++){ dst.at<uchar>(i, j) = (src.at<uchar>(i - 1, j - 1) + src.at<uchar>(i - 1, j) + src.at<uchar>(i - 1, j + 1) + src.at<uchar>(i, j - 1) + src.at<uchar>(i, j) + src.at<uchar>(i, j + 1) + src.at<uchar>(i + 1, j - 1) + src.at<uchar>(i + 1, j) + src.at<uchar>(i + 1, j + 1)) / 9; } } } -
并行处理(2个线程)的滤波
//3x3均值滤波的并行手工实现 void mean_filter_parallel(Mat& src, Mat& dst){ dst = Mat::zeros(src.size(), src.type()); #pragma omp parallel for num_threads(2) for(size_t i=1; i<src.rows-1; i++){ for (size_t j = 1; j < src.cols-1; j++){ dst.at<uchar>(i, j) = (src.at<uchar>(i - 1, j - 1) + src.at<uchar>(i - 1, j) + src.at<uchar>(i - 1, j + 1) + src.at<uchar>(i, j - 1) + src.at<uchar>(i, j) + src.at<uchar>(i, j + 1) + src.at<uchar>(i + 1, j - 1) + src.at<uchar>(i + 1, j) + src.at<uchar>(i + 1, j + 1)) / 9; } } }
3. 比较和展示
- 我们这里使用的是mac的桌面图片High Sierra.jpg,大小为15.5MB,能更好地便于比较速度。
-
主函数:
#include<iostream> #include <omp.h> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> using namespace cv; using namespace std; void mean_filter(Mat& src, Mat& dst); void mean_filter_parallel(Mat& src, Mat& dst); int main(){ float start, end; //读入需要处理的图像 Mat src = imread("/Users/XXX/Documents/cv-lib/cv_2020_lib01/picture/high_sierra.jpg",0); //3x3均值滤波,非并行实现 Mat dst; start = cv::getTickCount(); mean_filter(src, dst); end = cv::getTickCount(); cout<<"3x3均值滤波(非并行)时间:"<<end-start<<endl; //3x3均值滤波,并行实现 Mat dst_parallel; start = cv::getTickCount(); mean_filter_parallel(src, dst_parallel); end = cv::getTickCount(); cout<<"3x3均值滤波(并行)时间:"<<end-start<<endl; //在窗口中展示图片 imshow("picture", src); imshow("picture-filter", dst); imshow("picture-filter-parallel",dst_parallel); //waitkey 5000ms waitKey(0); return 0; } - 图像效果

-
用时比较

- 这里我们取了5次的记录,可以发现并行的提速还是很明显的。
终于正式是开始了,大家可以完善滤波、尝试其他的滤波方式或图像处理方法,也可以调整并行方式,加油。
参考资料:
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论