CV-2020-实践:02 图像滤波的并行实现

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,

    lib-01-01.png

  • 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。

    lib-01-02.png

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

    lib-01-03.png

  • 用时比较

    lib-01-04.png

    • 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:

  1. OpenCV中OpenMP的使用
  2. 在Opencv环境下用C++实现均值滤波

评论

暂无评论