opencv之并行计算多线程parallel_for_

目录

一、前言

二、加速案例

三、代码分析      

---

一、前言

        OpenCV提供了多线程处理的API。从OpenCV 4.5版本开始，它引入了对C++11标准的并行算法的支持。这意味着你可以使用多线程来加速你的OpenCV代码。在OpenCV中，利用parallel_for_接口实现并行加速。

二、加速案例

        先看一个案例,以下代码中，有两个函数：

• my_test1() 函数就是一个最常见的串行处理函数(默认随便将10000个数进行加减乘除);
• my_test2() 函数是利用parallel_for_实现并行处理。

注意：opencv使用的版本是4.5。

#include<opencv2/opencv.hpp>
using namespace cv;
#include <numeric> // std::iota 

const int g_num = 10000;

// 单线程
void my_test1(double* p_arr)
{
     for (size_t i = 0; i < g_num; i++)
     {
         int p_arr_i = p_arr[i];
         for (size_t j = 0; j < g_num; j++)
         {
              double num1 = p_arr_i * (j > 10 ? 10 : j);
              double num2 = std::pow(num1, 2);
              double num3 = std::sqrt(num2);
              p_arr[i] = num3;
              p_arr[i] = p_arr_i * num3;
              p_arr[i] = p_arr[i] / num3;
         }
     }
}


// 多线程 
void my_test2(double* p_arr)
{
     
     parallel_for_(Range(0, g_num), [&](const Range& r)
         {
             for (int oc = r.start; oc < r.end; oc++)
             {
                 // 类似于cuda核函数部分
                 int p_arr_i = p_arr[oc];
                 for (size_t j = 0; j < g_num; j++)
                 {
                     double num1 = p_arr_i * (j > 10 ? 10 : j);
                     double num2 = std::pow(num1, 2);
                     double num3 = std::sqrt(num2);
                     p_arr[oc] = num3;
                     p_arr[oc] = p_arr_i * num3;
                     p_arr[oc] = p_arr[oc] / num3;
                 }
             }
         });
 }
 
int main()
{
     double numbers[g_num];
     int st = 0;
     std::iota(numbers, numbers + g_num, st); // 100 101 102 103 
 
 
     double t = (double)getTickCount();
     my_test1(numbers);
     t = (double)getTickCount() - t;
 
     double t2 = (double)getTickCount();
     my_test2(numbers);
     t2 = (double)getTickCount() - t2;
 
     printf("my_test1 costs time = %.1fms\n", t * 1000 / getTickFrequency());
     printf("my_test2 costs time = %.1fms\n", t2 * 1000 / getTickFrequency());
 
 
     system("pause");
     return 0;
}

如下图，my_test2函数执行速度是my_test1的10倍！

三、代码分析      

 对于opencv这个多线程加速（其他加速框架，例如cuda也是同理），任务必须足够复杂再有加速效果，例如：数组中，每个像素+1这种简单的任务，还不如for循环单线程快。另外就是，opencv这个并行API：parallel_for_使用简单，无非就是把适合并行的“核函数”部分写到合适位置，例如：

parallel_for_(Range(0, g_num), [&](const Range& r)
        {
            for (int oc = r.start; oc < r.end; oc++)
            {
                // 代码中并行部分，类似于核函数部分
                int p_arr_i = p_arr[oc];
                for (size_t j = 0; j < g_num; j++)
                {
                    double num1 = p_arr_i * (j > 10 ? 10 : j);
                    double num2 = std::pow(num1, 2);
                    double num3 = std::sqrt(num2);
                    p_arr[oc] = num3;
                    p_arr[oc] = p_arr_i * num3;
                    p_arr[oc] = p_arr[oc] / num3;
                }
            }
        });

以下是串行处理代码，和上面并行代码对比，写法其实差不多。

for (size_t i = 0; i < g_num; i++)
     {
         int p_arr_i = p_arr[i];
         for (size_t j = 0; j < g_num; j++)
         {
              double num1 = p_arr_i * (j > 10 ? 10 : j);
              double num2 = std::pow(num1, 2);
              double num3 = std::sqrt(num2);
              p_arr[i] = num3;
              p_arr[i] = p_arr_i * num3;
              p_arr[i] = p_arr[i] / num3;
         }
     }