openmp在图像处理上面的运用

// openmptest的测试程序
 
 
 

  //
 
 
 

   
 
 
 

  #include "stdafx.h"
 
 
 

   
 
 
 

  void Test(int n){
 
 
 

      for (int i=0;i<10000;i++)
 
 
 

      {
 
 
 

          int j=0;
 
 
 

          j = j+1;
 
 
 

      }
 
 
 

      printf("%d",n);
 
 
 

  }
 
 
 

   
 
 
 

  int _tmain(int argc, _TCHAR* argv[])
 
 
 

  {
 
 
 

      for (int i=0;i<10;i++)
 
 
 

      {
 
 
 

          Test(i);
 
 
 

      }
 
 
 

      getchar();
 
 
 

      return 0;
 
 
 

  }

而开启openmp

代码
  

  // openmptest的测试程序
   

  //
 
  

   
 
  

  #include "stdafx.h"
 
  

   
 
  

  void Test(int n){
 
  

      for (int i=0;i<10000;i++)
 
  

      {
 
  

          int j=0;
 
  

          j = j+1;
 
  

      }
 
  

      printf("%d",n);
 
  

  }
 
  

   
 
  

  int _tmain(int argc, _TCHAR* argv[])
 
  

  {
 
  

      for (int i=0;i<10;i++)
 
  

      {
 
  

          Test(i);
 
  

      }
 
  

      getchar();
 
  

      return 0;
 
  

  }

速度更快。

在最简单的层次上，openmp提供了粗颗粒的并行算法。一直以来，我都在寻找图像处理的加速算法，但是由于图像处理的特性（大多为线性项目），所以很难有好的提速方法。但是对于批量的图像处理，采用我们这种方法将是非常好用的。

编写较为复杂的opencv 程序
 
  

   
   // openmptest的测试程序
  
   

   //
  
   

    
  
   

   #include "stdafx.h"
  
   

   #include <iostream>
  
   

   #include <opencv2/opencv.hpp>  
  
   

   #include "GoCvHelper.h"
  
   

   using namespace std;
  
   

   using namespace cv;
  
   

   using namespace GO;
  
   

    
  
   

   Mat Test(Mat src){
  
   

       Mat draw;
  
   

       Mat gray;
  
   

       cvtColor(src,gray,COLOR_BGR2GRAY);
  
   

       threshold(gray,gray,100,255,THRESH_OTSU);
  
   

       connection2(gray,draw);
  
   

       return draw;
  
   

   }
  
   

    
  
   

    
  
   

   int _tmain(int argc, _TCHAR* argv[])
  
   

   {    
  
   

       //时间记录
  
   

       const int64 start = getTickCount();
  
   

       vector<Mat> vectorMats;
  
   

       //文件目录
  
   

       char cbuf[100] = "F:/图片资源/纹理库brodatz/brodatzjpg";
  
   

       //获取所有文件
  
   

       getFiles(cbuf,vectorMats);
  
   

       //循环处理
  
   

      // #pragma omp parallel for
  
   

       for (int i=0;i<vectorMats.size();i++)
  
   

       {
  
   

           Mat dst = Test(vectorMats[i]);
  
   

       }
  
   

       
  
   

       //时间
  
   

       double duration = (cv::getTickCount() - start)/getTickFrequency();
  
   

       printf("共消耗时间%f",duration);
  
   

       waitKey();
  
   

       return 0;
  
   

   }

不用mp的是这么长时间

不看算法本身的效率，在解决这个问题的时候，这种方法还是相当好用的。