|||
常规的C++实现方法(假设图像为R8G8B8格式,每个像素4字节):
for(y = 0; y < HEIGHT; y ++) b = ((unsigned char *)(&p))[0]; mi = min(r, min(g, b)); if(((unsigned short)ma + (unsigned short)mi) > THRESHOLD * 2) |
用CUDA的实现方法:
1、每个像素一个线程,各像素并行计算,互不干扰。每个线程块256个线程。
2、包含kernel代码和host代码。kernel代码在GPU运行,host代码在CPU运行。
3、kernel运行时,原始图像数据和结果都是保存在显存中。host代码负责分配内存和复制数据。
源代码:
__global__ static void binarizeKernel(unsigned char *in, unsigned char *out) unsigned char b = ((unsigned char *)(&p))[0]; unsigned char mi = __min(r, __min(g, b)); out[offset] = (((unsigned short)ma + (unsigned short)mi) > THRESHOLD * 2) ? 255 : 0; extern "C" float binarizeCall(unsigned char *in, unsigned char *out, int w, int h) cudaMalloc((void **)&device_src, w * h * 3); unsigned int timer = 0; cudaMemcpy(device_src, in, w * h * 3, cudaMemcpyHostToDevice); cutStartTimer(timer); binarizeKernel<<<w * h / THREAD_N, THREAD_N>>>(device_src, device_dest); cutStopTimer(timer); cudaMemcpy(out, device_dest, w * h, cudaMemcpyDeviceToHost); float ms = cutGetTimerValue(timer); cudaFree(device_dest); return ms; |
运行速度比较(CPU用QX6600 2.4GHz单线程,GPU用Quadro FX5800,GT200核心)
图像大小1280×800(1M像素):CPU耗时5.5ms,GPU耗时0.16ms。
图像大小3264×2448(8M像素):CPU耗时41.2ms,GPU耗时0.83ms。
用ION平台的ATOM 230 CPU和集成GPU比较:
图像大小1280×800(1M像素):CPU耗时17.3ms,GPU耗时1.8~2.2ms。
结论:
1、GT200在做高度并行的图形处理运算时,速度可以达到2.4GHz CPU单线程时的30~50倍,即使是ION平台的集成GPU也比普通的CPU单线程时要快。
2、ION的ATOM CPU性能太差。