使用OpenMP给程序加速（四）通过避免或消除人工依赖性实现并行性

使用OpenMP优化for循环进行并行处理需要for的每次训话是彼此独立的。看下面的实例伪代码：

用相邻图像中的加权平均像素（包括该图像）来替换每个图像像素，便可通过模糊的方式来弱化图像。以下伪代码介绍了 3x3 模糊模板：
1）

- for each pixel in (imageIn) 

1.   sum = value of pixel 
2.   // compute the average of 9 pixels from imageIn 
3.   for each neighbor of (pixel) 
4.     sum += value of neighbor 
5.   // store the resulting value in imageOut 
6.   pixelOut = sum / 9 

2）另一个常见的例子是循环内部的指针发生偏移：
ptr = &someArray[0] 

1. for (i = 0; i < N; i++) 
2. { 
3.   Compute (ptr);   
4.   ptr++; 
5. } 

3）下面是用OpenCV编写的横向合并两张图片的测试源代码：

IplImage *pImgOne = cvLoadImage("Result45678.jpg");

IplImage *pImgTwo = cvLoadImage("R009_9.jpg");

 if (pImgOne==NULL || pImgTwo==NULL)
 {
  printf("Load Pic failed!/r/n");
  return;
 }

 int iWidthResult = pImgOne->width + pImgTwo->width;
 int iHightResult = pImgOne->height;
 IplImage *pImgResult = cvCreateImage(cvSize(iWidthResult,iHightResult), pImgOne->depth, pImgOne->nChannels);

 

char *pResult = pImgResult->imageData;
   char *pOne = pImgOne->imageData;
   char *pTwo = pImgTwo->imageData;

   for(int i=0; i<iHightResult-1; i++)
   {
    memcpy(pResult, pOne, pImgOne->widthStep);
    pResult += pImgOne->widthStep;
    pOne += pImgOne->widthStep;
    memcpy(pResult, pTwo, pImgTwo->widthStep);
    pResult += pImgTwo->widthStep;
    pTwo += pImgTwo->widthStep;
   }

 

这个三个例子都不能简单的利用OpenMP进行for并行优化。但我们可以人工消除并行依赖。

对于1）和3）我们可以采用分块处理，充分机器的多核优势！使每个处理器单独的处理每个数据块。

为了有效地实现模糊运算线程化，可以考虑将图像细分为子图像，或固定大小的数据块。模糊算法支持独立地对数据块进行计算。以下伪代码阐释了图像模块化的使用方法：

// Decompose the image into non-overlapping blocks. 

 

 

 

1. blockList = Decompose (image, xRes, yRes) 
2.  
3. foreach (block in blockList) 
4. { 
5. BlurBlock (block, imageIn, imageOut) 
6. } 

同理，横向复制每行图像的程序3）也可以采用分块处理。

int iBlockSize = 512;//分块的大小与机器的处理器个数有关，笔者本机4核处理器，图像的总高度为2048，512=2048/4呵呵！
   int iEveryBlockH = iHightResult/iBlockSize;

 

 

 

 

 

 

 

 

   #pragma omp parallel  for
   for (int i=0; i<iBlockSize; i++)
   {
    JointPicForMP(pImgOne, pImgTwo, pImgResult, i, iEveryBlockH);
   }

 

  void JointPicForMP(IplImage *pImgOne, IplImage *pImgTwo, IplImage *pImgResult, int iIndex, int iHight)
{
 char *pResult = pImgResult->imageData + iIndex * pImgResult->widthStep * iHight;
 char *pOne = pImgOne->imageData + iIndex * pImgOne->widthStep * iHight;
 char *pTwo = pImgTwo->imageData + iIndex * pImgTwo->widthStep * iHight;

 for (int i=0; i<iHight-1; i++)
 {
  memcpy(pResult, pOne, pImgOne->widthStep);
  pResult += pImgOne->widthStep;
  pOne += pImgOne->widthStep;
  memcpy(pResult, pTwo, pImgTwo->widthStep);
  pResult += pImgTwo->widthStep;
  pTwo += pImgTwo->widthStep;
 }
}

 

对于程序2）可以这样修改即可应用并行处理。

1. ptr = &someArray[0] 
2. for (i = 0; i < N; i++) 
3. { 
4.   Compute (ptr[i]); 
5. }