并行处理加速图像/事务处理

并行处理加速图像/事务处理

1.计算机环境:

	Windows10
	VS2017

2.OpenMP编程方式

	openMP非常容易上手，能够支持C、C++、Fortran语言，支持OpenMP的编译器有:Sun Studio，Intel Compiler，Microsoft Visual Studio，GCC,我是在VS2017工程下进行使用的。
	配置方式:在项目上右键->属性->配置属性->C/C++->语言->OpenMP支持里选择是

3.简单介绍

	这里介绍几个常用的语句，具体关于更高阶的，大家可以查询相关文档，或所提供的博客链接。

3.1 计算处理器核数

	//计算电脑的处理器数量
	const int coreNum = omp_get_num_procs();

3.2 #pragma omp parallel for
后面直接跟for循环，可以并行循环里面的内容，但是要注意，循环中的数据之间必须没有关联性，否则会出现访存错误或输出结果与实际所求不符。

#pragma omp parallel for
    for (int i=0;i<10;i++)
        std::cout<<i<<std::endl;

3.3 #pragma omp parallel sections
为解决3.2中的问题，OpenMP提供了#pragma omp parallel sections，此语句下面可以包含多个section子语句，子语句就是并行处理的内容。当然，有多少个核就可以写多少个section。

#pragma omp parallel sections
{
    #pragma omp section
    {
        function1();
    }
　　#pragma omp section
    {
        function2();
    }

3.4 我在处理图片时的使用心得
由于图片太大，我的计算机有4个核，因此我将图片分为4块，然后将其进行并行处理。伪代码如下:

	//①计算电脑的处理器数量
	const int coreNum = omp_get_num_procs();
	//②将图像分块 src:待处理的原图像 v:保存分割后的图像子块 corenum:处理器数量
	split(Mat src,vector<Mat> v,int corenum);
	//③图像分块处理
#pragma omp parallel for
		for (int i = 0; i < coreNum; i++)
			imgProcess(v[i], v[i]);
	//④图像合并
	merge(dest,v,corenum);

图像切片与合并:
OpenMP编程指南