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：

[cpp] view plaincopyprint?

1. #include "stdafx.h"
2. #include<omp.h>
3. #include<iostream>
4. usingnamespace std;
5. //循环测试函数
6. void test()
7. {
8. for(int i=0;i<10000;i++)
9. {
10. }
11. }
12. int _tmain(int argc,_TCHAR* argv[])
13. {
14. cout<<"这是一个串行测试程序!\n";
15. double start = omp_get_wtime( );//获取起始时间
16. for(int i = 0; i < 10000; i++)
17. {
18. test();
19. }
20. double end = omp_get_wtime( );
21. cout<<"计算耗时为："<<end -start<<"\n";
22. cin>>end;
23. return 0;
24. }

#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）：

[cpp] view plaincopyprint?

1. #include "stdafx.h"
2. #include<omp.h>
3. #include <iostream>
4. using namespace std;
5. //循环测试函数
6. void test()
7. {
8. for(inti=0;i<10000;i++)
9. {
10. }
11. }
12. int _tmain(int argc, _TCHAR* argv[])
13. {
14. cout<<"这是一个并行测试程序!\n";
15. doublestart = omp_get_wtime( );//获取起始时间
16. #pragma ompparallel for
17. for(inti = 0; i < 10000; i++)
18. {
19. test();
20. }
21. doubleend = omp_get_wtime( );
22. cout<<"计算耗时为："<<end -start<<"\n";
23. cin>>end;
24. return0;
25. }

#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：

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