OpenCV中OpenMP的使用
vs2010中调用openMP,并添加头文件#include<omp.h>
代码来源：
作者：gnuhpc
出处：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;/* 对于单通道，前后两帧差分大于门限
或者对于多通道前后两帧的一个指标差分大于门限，则视为边缘*/
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);
/* 以上都是准备一些窗口和图形基本数据 */
int tekrar=100;//运行次数
int thresh=30;
double start, end,t1, t2;
/* 计算没有使用OpenMP优化的时间 */
start= (double)cvGetTickCount();//记下开始的时钟计数，以便计算函数或用户代码执行时间
for(int i=0;i<tekrar;i++)
Edge(src,edge1,thresh);
end= (double)cvGetTickCount();//记下结束的时钟计数
t1= (end-start)/((double)cvGetTickFrequency()*1000.);//计算运行时间，以毫秒为单位
printf( "Run time without OpenMP = %g ms\n", t1 );
/* 计算使用了OpenMP优化的时间 */
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);
}
这是我的结果：
这里的测试结果：
http://blog.csdn.net/augusdi/article/details/8808226
在cpp文件中添加如下代码：
- #include "stdafx.h"
- #include<omp.h>
- #include<iostream>
- usingnamespace std;
- //循环测试函数
- void test()
- {
- for(int i=0;i<10000;i++)
- {
- }
- }
- int _tmain(int argc,_TCHAR* argv[])
- {
- cout<<"这是一个串行测试程序!\n";
- double start = omp_get_wtime( );//获取起始时间
- for(int i = 0; i < 10000; i++)
- {
- test();
- }
- double end = omp_get_wtime( );
- cout<<"计算耗时为："<<end -start<<"\n";
- cin>>end;
- return 0;
- }
#include "stdafx.h"
#include<omp.h>
#include<iostream>
usingnamespace std;
//循环测试函数
void test()
{
for(int i=0;i<10000;i++)
{
}
}
int _tmain(int argc,_TCHAR* argv[])
{
cout<<"这是一个串行测试程序!\n";
double start = omp_get_wtime( );//获取起始时间
for(int i = 0; i < 10000; i++)
{
test();
}
double end = omp_get_wtime( );
cout<<"计算耗时为："<<end -start<<"\n";
cin>>end;
return 0;
}
以上代码中红色字体为添加的代码，以上程序是一个典型的串行程序，经过随机运行10次，其平均耗时约0.283273s（具体所耗时间跟测试计算机有密切的关系，测试电脑CPU采用Core I7 2630QM，4核）。
下面将其转换成并行程序，只需要在for循环加上#pragma omp parallel for即可，如下代码（注意红色部分）：
- #include "stdafx.h"
- #include<omp.h>
- #include <iostream>
- using namespace std;
- //循环测试函数
- void test()
- {
- for(inti=0;i<10000;i++)
- {
- }
- }
- int _tmain(int argc, _TCHAR* argv[])
- {
- cout<<"这是一个并行测试程序!\n";
- doublestart = omp_get_wtime( );//获取起始时间
- #pragma ompparallel for
- for(inti = 0; i < 10000; i++)
- {
- test();
- }
- doubleend = omp_get_wtime( );
- cout<<"计算耗时为："<<end -start<<"\n";
- cin>>end;
- return0;
- }
#include "stdafx.h"
#include<omp.h>
#include <iostream>
using namespace std;
//循环测试函数
void test()
{
for(inti=0;i<10000;i++)
{
}
}
int _tmain(int argc, _TCHAR* argv[])
{
cout<<"这是一个并行测试程序!\n";
doublestart = omp_get_wtime( );//获取起始时间
#pragma ompparallel for
for(inti = 0; i < 10000; i++)
{
test();
}
doubleend = omp_get_wtime( );
cout<<"计算耗时为："<<end -start<<"\n";
cin>>end;
return0;
}
同样，也经过10次随机的运行，其平均耗时约为0.06358044s，两种不同运行方式的比较结果如下表所示：
| 次数 |
串行 |
并行 |
| 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 |
两种运行方式的结果如下图所示：
从上面的分析结果可见，采用OpenMP并行所耗时间仅为串行的22.44%，节约近4.5倍的时间。
相关程序源码下载地址： http://download.csdn.net/detail/xwebsite/3843187