【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究

Sobel 算子常用于图像的边缘检测,计算公式如下
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第1张图片
OpenMP加速方法计算尺寸为2304X2304,8位灰度掌纹图像的梯度图(或自行选自其他图像),计算采用OpenMP带来的加速比。
图像信息:
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第2张图片
原图像:
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第3张图片
步骤:
(1)读取图像,转化为Mat矩阵,src为原图像
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第4张图片
原图像:
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第5张图片
(2)对原图像进行横向运算,找出纵向边缘
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第6张图片
Gx图像:
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第7张图片
(3)对原图像进行纵向运算,找出横向边缘
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第8张图片
Gy图像:
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第9张图片
(4)求G,判决门限选择50
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第10张图片
G图像:
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第11张图片
Threshold=70 Threshold=60
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第12张图片【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第13张图片
(5)比较运行时间
由于求Gx和Gy时,运算均与中心点(i,j)周围的8个点有关,不能private(tepe),又因为不是累加,不能用reduction,只是在最外围循环使用#pragma ompparallel for,比较时间后,时间并没有大幅度减少,可见并行运算对卷积形式的运算没有多少帮助。
在求G时,由于num变量只和i,j有关,所以可以使用private(num),运算时间相对于前两者运算时间减少的更多,但是不明显。
未并行运算时间:
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第14张图片
优化后:
【OpenCV】【openMP】使用openMP对sobel边缘检测算子加速研究_第15张图片
附程序:

#include     
#include    
#include   
#include   
#include   
#include   
#include 
//#include  
#include 
#include 
#include 
#include 
using namespace cv;
using namespace std;

#define width 2304
#define height  2304
//时间节点
clock_t t1, t2,t3,t4,t5,t6,tx,ty,txy;
int main()
{
	t1 = clock();//时间节点
	Mat src_Mat,Gx,Gy,Gxy;
	Mat src,dst,temp_G,temp_Gy,temp_Gxy;
	size_t image_size = width * height;
	Size re_size(512,512);
	unsigned char *Data = new unsigned char[image_size];
	FILE *file;
	fopen_s(&file,"palm.raw", "rb+");
	fread(Data, sizeof(unsigned char), image_size, file);
	fclose(file);
	cv::Mat temp(height, width, CV_8UC1, Data);    //单通道的Mat raw数据
	src = temp.clone();
	//初始化矩阵
	Gx = Mat::zeros(width, height, src.type());
	Gy = Mat::zeros(width, height, src.type());
	Gxy = Mat::zeros(width, height, src.type());
	resize(temp, temp, re_size, INTER_LINEAR);
	imshow("src_image", temp);

	int tepe=0;
	t2 = clock();//时间节点
#pragma ompparallel for //并行计算
	//Sobel横向边缘检测
	for (int i = 0; i < src.rows; i++) {
		for (int j = 0; j < src.cols; j++) {
			//原图像与横向矩阵相乘相加
			if ((i - 1 >= 0) && (j - 1 >= 0) && (i + 1) < src.rows && (j + 1) < src.cols) {
				tepe = src.at(i - 1, j - 1)*(-1) + src.at(i - 1, j)*(-2) +
					src.at(i - 1, j + 1)*(-1) + src.at(i + 1, j - 1) * 1 
					+ src.at(i + 1, j + 1) * 1 +
					src.at(i + 1, j) * 2;
				if (tepe > 255)
					tepe = 255;
				if (tepe < 0)
					tepe = 0;
				Gx.at(i, j) = (uchar)tepe;
			}
			else {//边缘赋值
				Gx.at(i, j) = src.at(i, j);
			}
			tepe = 0;
		}
	}
	tx = clock();//时间节点
	
	temp_G = Gx.clone();
	//裁剪图像为512*512,方便显示
	resize(temp_G, temp_G, re_size, INTER_LINEAR);
	imshow("Gx", temp_G);//显示图像

	t3 = clock();//时间节点
#pragma ompparallel for //并行计算
	//Sobel纵向边缘检测
	for (int i = 0; i < src.rows; i++) {
		for (int j = 0; j < src.cols; j++) {
			//原图像与纵向矩阵相乘相加
			if ((i - 1) >= 0 && (j - 1) >= 0 && (i + 1) < src.rows && (j + 1) < src.cols) {
				tepe = src.at(i - 1, j - 1)*(-1) + src.at(i, j - 1)*(-2) +
					src.at(i - 1, j + 1) * 1 + src.at(i + 1, j - 1)*(-1) +
					src.at(i + 1, j + 1) * 1 +
					src.at(i, j + 1) * 2;
				if (tepe > 255)
					tepe = 255;
				if (tepe < 0)
					tepe = 0;
				Gy.at(i, j) = (uchar)tepe;
			}
			else {//边缘赋值
				Gy.at(i, j) = src.at(i, j);
			}
			tepe = 0;
		}
	}
	ty = clock();//时间节点
	
	temp_G = Gy.clone();
	//裁剪图像为512*512,方便显示
	resize(temp_G, temp_G, re_size, INTER_LINEAR);
	imshow("Gy", temp_G);//显示图像

	t4 = clock();//时间节点
	double num;
	//计算G
	for (int i = 0; i < src.rows; i++){
#pragma ompparallel for private(num)//并行计算
		for (int j = 0; j < src.cols; j++) {
			//计算G
			num = sqrt(Gx.at(i, j)*Gx.at(i, j) + 
				Gy.at(i, j)*Gy.at(i, j));
			//阈值为50,二值化
			if (num < 50) {
				Gxy.at(i, j) = 0;
			}
			else {
				Gxy.at(i, j) = 255;
			}
			num = 0.0;			
		}
	}
	txy = clock();	//时间节点
	temp_G = Gxy.clone();
	//裁剪图像为512*512,方便显示
	resize(temp_G, temp_G, re_size, INTER_LINEAR);
	imshow("SobelDetect", temp_G);//显示图像
	t5 = clock();//时间节点
	//计算时间
	printf("t1 =%d\n", t1);
	printf("t2 =%d\n", t2);
	printf("t3 =%d\n", t3);
	printf("t4 =%d\n", t4);
	printf("t5 =%d\n", t5);
	//Gx运算所需时间
	printf("SobelDetect_rows time =%d\n", tx - t2);
	//Gy运算所需时间
	printf("SobelDetect_cols time =%d\n", ty - t3);
	//Gxy运算所需时间
	printf("SobelDetect_sqrt time =%d\n", txy - t4);
	//程序运行时间
	printf("Run time =%d\n", t5 - t1);
	waitKey();
	return 0;
}

大家如果有什么疑问,欢迎回复提问。

你可能感兴趣的:(数字图像处理,OpenCV)