图像处理中使用多线程及图像分块实现加速运算

       很多图像处理算法，编写完毕、调试正确后，就是漫长的算法优化。有些算法处理效果很棒，但是运算非常耗时，还是无法集成进产品给用户用。本文介绍的基于多线程和图像分块实现加速运算，只是众多加速方法的一种，比较容易编写和实现。还有更底层的加速方法，如编写指令集加速运算（intel芯片的sse指令集或者arm芯片的neon指令集），即SIMD（Single Instruction Multiple Data，单指令多数据）技术，不过如果if条件判断比较多的话，编写会很头疼，本人目前在这方面代码量还不够，还写不出太多心得。

       对于一副图像，比如1000*800分辨率，我们在处理时，通常思路是从第1个像素开始，一直计算到最后一个像素。其实，目前不论手机还是个人电脑，处理器都是多核。那么完全可以将整副图像分成若干块，比如cpu为4核处理器，那么可以分成4块，每块图像大小为1000*200，这样程序可以创建4个线程，每个处理器执行一个线程，每个线程处理一个图像块。虽然这样操作后，运算速度不会显著提升4倍，因为线程创建、释放、上下文切换都要耗些时间。但运算速度还是将明显提升，一般4核 vs 1核，运算时间将降低一半。下面为完整代码，基本可以通用。

#include "stdafx.h"
#include 
#include 
#include "pthread.h"
#include 

using namespace cv;
using namespace std;

#ifndef uchar
#define uchar  unsigned char
#endif

#ifndef MAX 
#define MAX(x, y)  (((x) >= (y)) ? (x) : (y))
#endif

#ifndef MIN 
#define MIN(x, y)  (((x) >= (y)) ? (y) : (x))
#endif

#define CLAMP_XY(x, y) (((x) < 0) ? 0 : ((x) > (y) ? (y) : (x)))

#define AXJ_BLUE 	0
#define AXJ_GREEN	1
#define AXJ_RED 	2
#define BMPFORMAT_RGB32_R8G8B8A8	4

typedef struct __tag_bmpinfo
{
	unsigned int dwPixelFormat;
	int lWidth;
	int lHeight;
	int lPitch[3];
	unsigned char* pPlane[3];
}BMPINFO, *LPBMPINFO;

typedef struct __filter_info
{
	BMPINFO *pSrcBitmap;
	float intensity;

	int param0;
	int param1;
} FilterInfo, *PFilterInfo;

// 转黑白图像
void ConvertToBlackWhite(BMPINFO *pSrcBitmap)
{
	uchar lightness = 0, max_val = 0, min_val = 0;
	uchar * pSrcData = pSrcBitmap-> pPlane[0];
	int size = pSrcBitmap->lWidth * pSrcBitmap->lHeight;
	for (int i = 0; i < size; i++, pSrcData += 4)
	{
		max_val = MAX(MAX(pSrcData[AXJ_BLUE], pSrcData[AXJ_GREEN]), pSrcData[AXJ_RED]);
		min_val = MIN(MIN(pSrcData[AXJ_BLUE], pSrcData[AXJ_GREEN]), pSrcData[AXJ_RED]);
		lightness = (max_val + min_val + 1) / 2;
		pSrcData[AXJ_BLUE] = pSrcData[AXJ_GREEN] = pSrcData[AXJ_RED] = lightness;
	}
}

// 计算线程
void* ImageFilterThread(void *arg)
{
	FilterInfo *filter_info = (FilterInfo *)arg;
	BMPINFO *pSrcBitmap = filter_info->pSrcBitmap;
	int intensity = (int)CLAMP_XY(filter_info->intensity * 256, 256);

	uchar *dataCopy = (uchar *)malloc(pSrcBitmap->lPitch[0] * pSrcBitmap->lHeight);
	memcpy(dataCopy, pSrcBitmap->pPlane[0], pSrcBitmap->lPitch[0] * pSrcBitmap->lHeight);

	// 以彩色图像转黑白图像为例(印象里ps3就是这个算法)
	ConvertToBlackWhite(pSrcBitmap);

	// 输出结果
	uchar *src_data = dataCopy;
	uchar *dst_data = pSrcBitmap->pPlane[0];
	int size = pSrcBitmap->lWidth * pSrcBitmap->lHeight;
	for (int i = 0; i < size; i++, src_data += 4, dst_data += 4)
	{
		dst_data[0] = (src_data[0] * (256 - intensity) + dst_data[0] * intensity) >> 8;
		dst_data[1] = (src_data[1] * (256 - intensity) + dst_data[1] * intensity) >> 8;
		dst_data[2] = (src_data[2] * (256 - intensity) + dst_data[2] * intensity) >> 8;
	}

	free(dataCopy);
	dataCopy = NULL;

	return NULL;
}

// 分块计算
void ImageFilterCommon(BMPINFO *pSrcBitmap, int block_count)
{
	// 计算分块参数
	int block_src_height = pSrcBitmap->lHeight / block_count;
	int block_src_size = pSrcBitmap->lPitch[0] * block_src_height;

	pthread_t *block_thread = (pthread_t *)malloc(block_count * sizeof(pthread_t));
	BMPINFO *block_src_bmp  = (BMPINFO *)malloc(block_count * sizeof(BMPINFO));
	FilterInfo *filter_info_array = (FilterInfo *)malloc(block_count * sizeof(FilterInfo));

	// 前n-1块
	int i = 0;
	for (i = 0; i < block_count - 1; i++)
	{
		memset(&block_src_bmp[i], 0, sizeof(BMPINFO));
		memset(&filter_info_array[i], 0, sizeof(FilterInfo));

		block_src_bmp[i].dwPixelFormat = BMPFORMAT_RGB32_R8G8B8A8;
		block_src_bmp[i].lWidth = pSrcBitmap->lWidth;
		block_src_bmp[i].lHeight = block_src_height;
		block_src_bmp[i].lPitch[0] = pSrcBitmap->lPitch[0];
		block_src_bmp[i].pPlane[0] = pSrcBitmap->pPlane[0] + block_src_size * i;

		filter_info_array[i].pSrcBitmap = &block_src_bmp[i];
		filter_info_array[i].intensity = 0.8f;

		pthread_create(&block_thread[i], NULL, ImageFilterThread, &filter_info_array[i]);
	}

	// 最后一块
	i = block_count - 1;
	memset(&block_src_bmp[i], 0, sizeof(BMPINFO));
	memset(&filter_info_array[i], 0, sizeof(FilterInfo));

	block_src_bmp[i].dwPixelFormat = BMPFORMAT_RGB32_R8G8B8A8;
	block_src_bmp[i].lWidth = pSrcBitmap->lWidth;
	block_src_bmp[i].lHeight = pSrcBitmap->lHeight - block_src_height * i;
	block_src_bmp[i].lPitch[0] = pSrcBitmap->lPitch[0];
	block_src_bmp[i].pPlane[0] = pSrcBitmap->pPlane[0] + block_src_size * i;

	filter_info_array[i].pSrcBitmap = &block_src_bmp[i];
	filter_info_array[i].intensity = 0.8f;

	pthread_create(&block_thread[i], NULL, ImageFilterThread, &filter_info_array[i]);

	// 阻塞主线程, 等待分块计算完成
	for (i = 0; i < block_count; i++)
	{
		pthread_join(block_thread[i], NULL);
	}

	// todo 结果合成
	// 类似于调色这样的计算, 不需要将各个块合成整幅图像
	// 但如果涉及空间计算, 每个块间需要有重叠部分, 此时需要针对算法特点, 编写合成方法

	// 释放资源
	free(block_src_bmp);
	block_src_bmp = NULL;

	free(filter_info_array);
	filter_info_array = NULL;

	free(block_thread);
	block_thread = NULL;
}

int main()
{
	const char* fileName = "test.png";
	Mat src = imread(fileName);
	imshow("src", src);

	BMPINFO srcbmp = { 0 }, texbmp = { 0 }, texbmp2 = { 0 }, lutbmp = { 0 };
	srcbmp.dwPixelFormat = BMPFORMAT_RGB32_R8G8B8A8;
	srcbmp.lWidth = src.cols;
	srcbmp.lHeight = src.rows;
	srcbmp.lPitch[0] = srcbmp.lWidth * 4;
	srcbmp.pPlane[0] = (unsigned char*)malloc(srcbmp.lPitch[0] * srcbmp.lHeight);

	uchar *pTempData = src.data;
	uchar *pdata = srcbmp.pPlane[0];
	for (int i = 0; i < src.rows * src.cols; i++, pdata += 4, pTempData += 3)
	{
		pdata[0] = pTempData[0];
		pdata[1] = pTempData[1];
		pdata[2] = pTempData[2];
		pdata[3] = 255;
	}

	///////////////////////////////////////////////////////
	clock_t startTime = clock();
	ImageFilterCommon(&srcbmp, 4);
	printf("the time is.... %d ms\n", clock() - startTime);
	///////////////////////////////////////////////////////

	Mat dst(cv::Size(srcbmp.lWidth, srcbmp.lHeight), src.type());
	pTempData = dst.data;
	pdata = srcbmp.pPlane[0];
	for (int i = 0; i < dst.rows * dst.cols; i++, pdata += 4, pTempData += 3)
	{
		pTempData[0] = pdata[0];
		pTempData[1] = pdata[1];
		pTempData[2] = pdata[2];
	}
	imshow("dst", dst);

	cv::waitKey();
	return 0;
}

    

    

       

       完整工程下载链接：http://download.csdn.net/detail/u013085897/9831338，第一次上传三个多小时后都没有显示，以为失败了，于是又上传了一次，结果今天早晨都显示出来了，然后想删掉一份，又无法删除。csdn的这个审核机制有点坑，无法及时删除资源，也挺坑的，不知道是基于什么考虑。