CUDA笔记--2D高斯卷积实现

        先上代码为敬，如果错误，请指正； 

        代码参考了博文：CUDA 3D convolutionhttps://www.cnblogs.com/ijpq/p/15405106.html

__global__ void convolution_2D_basic_kernel(float *N, float *P,
	int Mask_Width, int Width, int Height){
	int i = blockIdx.x * blockDim.x + threadIdx.x;
	int j = blockIdx.y * blockDim.y + threadIdx.y;
	int n = size_kernel / 2;
	
	// 在共享存储器上分配一个TILE_SIZE*TILE_SIZE的二维数组；
	__shared__ float N_ds[TILE_SIZE][TILE_SIZE];
	
	// 左上角块内的一个元素
	int halo_index_left_x = (blockIdx.x - 1) * blockDim.x + threadIdx.x;
	int halo_index_top_y  = (blockIdx.y - 1) * blockDim.y + threadIdx.y;
	if (threadIdx.x >= blockDim.x - n && threadIdx.y >= blockDim.x - n) {
		N_ds[threadIdx.y - (blockDim.y - n)][threadIdx.x - (blockDim.x - n)] =
			(halo_index_left_x < 0 || halo_index_top_y < 0) 
				? 0 : N[halo_index_top_y][halo_index_left_x];
	}
	
	// 上方中间块内的一个元素
	if (threadIdx.y >= blockDim.x - n) {
		N_ds[threadIdx.y - (blockDim.y - n)][threadIdx.x] = halo_index_top_y < 0 ? 0 : N[halo_index_top_y][i];
	}
	
	// 右上角块内的一个元素
	int halo_index_right_x  = (blockIdx.x + 1) * blockDim.x + threadIdx.x;
	if (threadIdx.x < n && threadIdx.y >= blockDim.x - n) {
		N_ds[threadIdx.y - (blockDim.y - n)][n + blockDim.x + threadIdx.x] =
			(halo_index_right_x >= Width || halo_index_top_y < 0) 
				? 0 : N[halo_index_top_y][halo_index_right_x];		
	}
	
	// 左侧中间块内的一个元素
	if (threadIdx.x >= blockDim.x - n) {
		N_ds[threadIdx.y][threadIdx.x - (blockDim.x - n)] = halo_index_left_x < 0 ? 0 : N[j][halo_index_left_x];
	}
	// 内部元素块内的一个元素
	N_ds[threadIdx.y][threadIdx.x] = N[j][i];
	
	// 右侧中间块内的一个元素
	if (threadIdx.x < n) {
		N_ds[threadIdx.y][n + blockDim.x + threadIdx.x] = halo_index_right_x >= Width ? 0 : N[j][halo_index_right_x];
	}	
	
	int halo_index_bottom_y = (blockIdx.y + 1) * blockDim.y + threadIdx.y;	
	// 左下角块内的一个元素
	if (threadIdx.x >= blockDim.x - n && threadIdx.y < n) {
		N_ds[n + blockDim.y + threadIdx.y][threadIdx.x - (blockDim.x - n)] = 
			(halo_index_left_x < 0 || halo_index_bottom_y >= Height) 
				? 0 : N[halo_index_bottom_y][halo_index_left_x];
	}
	// 下方中间块内的一个元素
	if (threadIdx.y < n) {
		N_ds[n + blockDim.y + threadIdx.y][threadIdx.x] = halo_index_top_y >= Height ? 0 : N[halo_index_bottom_y][i];
	}
	// 右下角块内的一个元素
	if (threadIdx.x < n && threadIdx.y < n) {
		N_ds[n + blockDim.y + threadIdx.y][n + blockDim.x + threadIdx.x] =
             (halo_index_right_x >= Width || halo_index_bottom_y >= Height) 
				? 0 : N[halo_index_bottom_y][halo_index_right_x];
	}
	__syncthreads();
	float p_value = 0;
	for (int i = 0; i < size_kernel; i++) {
		for (int j = 0; j < size_kernel; j++) {
			p_value += N_ds[threadIdx.y + j][threadIdx.x + i] * M[j][i]
		}
	}
	P[j][i] = p_value;
}

        之前笔记中实现过了一维的卷积cuda代码： 

CUDA笔记-卷积计算_cuda卷积_黑山老妖的博客的博客-CSDN博客CUDA 3D convolution - ijpq - 博客园overview https://www.cnblogs.com/ijpq/p/15405106.htmlhttps://blog.csdn.net/liushao1031177/article/details/124044206        2D卷积代码，其实现思路和优化思路也是等同与一维卷积的；就是在待卷机区域向外延伸，将边缘数据放到块内存，将卷积核放到常量内存上；提高片上内存的访问次数，减少低速全局内存的访问次数；

        还需要注意边上8个块上数据的设置逻辑，如果看不懂的，从一维笔记里的2个块的设置思路；

        同理，三维度上的3D卷积也可以使用该思路写代码，只是到时候就要提前把边缘的26个块提前设置好，可以想象要有26个逻辑部分要写以后闲着没事可以补充上；