使用 Matlab 并行计算工具箱工具优化图像采集答案

【问题标题】：Optimizing image acquisition with Matlab parallel computing toolbox tools使用 Matlab 并行计算工具箱工具优化图像采集
【发布时间】：2012-08-10 22:59:39
【问题描述】：

使用单个 matlab 工作者，我可以轻松地使用我的相机（使用 matlab imaq 工具箱）实现最大每秒帧数 (fps)。这个简单的代码做到了：

matlabpool(1)
start(vid)
pause(1); % give matlab time to initialize the camera
for j=1:frames
     data = getsnapshot(vid);
end

但是，一旦我尝试即时进行一些图像处理，有效率就会下降 50%。由于我在 matlabpool 中还有 5 个工作人员（还有一个 gpu），我可以优化这一点，以便抓取的每个帧都由不同的工作人员处理吗？例如：

for j=1:frames
data = getsnapshot(vid);
      <do some analysis with worker mod((j),5)+2  i.e. worker 2 to 6 >  
end

问题是“数据”是从相机连续获取的，分析需要大约 2 轮循环，所以如果每次都有不同的工作人员（或核心）处理，最大 fps 可以是再次获取...

【问题讨论】：

我很困惑。为什么你只有一个 matlabpool(1)？
那只是将代码限制为一个worker，证明一个核心足以处理相机，因此其余的应该处理......
您还对处理后的图像做什么？如果您在图形中显示它们，那么您必须考虑是否可以从多个工作人员更新 GUI..
过时不是删除问题的理由。通常有人在很长一段时间内都坚持使用过时的版本，您也可以随时使用此问题/答案来指明更好的解决方案。

标签： image-processing parallel-processing video-capture matlab

【解决方案1】：

在我看来，这里的工作流程本质上是连续的..

您可以做的最好的事情是矢量化/并行化您的图像处理功能（因此您仍然可以一张一张地抓取图像，但您将处理分布在多个内核上）

【讨论】：

使用各种标准函数处理图像：阈值（即 'image=image.*(image>threshold)' ）、带滤波器的 conv2 和使用简单的局部最大值查找器的峰值检测。目前我使用的处理代码非常快，但如果我使用多个内核（我已经使用 matlabpool(1) 进行了检查），则不会提高速度。使用 gpu 可能会有所帮助，但是每次将变量转换为 gdouble 等都是有代价的。所以，我问是否可能的解决方案是分析每个事件（或图像）以不同的核心连续到达？或者 core1 的 image1，core2 的 image2 等等......
@wavepacket：我只是在这里集思广益，但如果您存储传入的图像，也许您可以有一个缓冲区/队列。它将使用timer 对象以一定的间隔不断填充。将其视为在后台运行。另一方面，您的代码将并行处理此图像队列；您一次从队列中获取一个图像，将每个图像分派给一个工作人员，该工作人员应该将结果放在另一个处理图像队列中。
@wavepacket：[...]。最后，您可以使用第二个计时器按顺序显示图像（假设负责的工作人员已完成，否则等待下一次迭代），其间隔与所需的帧速率 (FPS) 相匹配。同样，这只是一个想法，不确定是否可以实现:) HTH

【解决方案2】：

我想我找到了解决方案：

for i=1:frames

     for sf=1:6; % I got 6 cores
         m(:,:,sf) = getsnapshot(vid);
     end

     spmd 
         result=f(m(:,:,labindex));
     end
end

我设法通过 GPU 并行化获得更好的结果...

【讨论】：