每像素查找表答案

【问题标题】：Per-pixel lookup-table每像素查找表
【发布时间】：2020-09-21 07:37:29
【问题描述】：

我想知道是否有另一种方法可以在 Opencv 中创建逐像素查找表。我现在所拥有的适用于小分辨率（每秒约 4 帧），但在高分辨率（小于每秒 1 帧）上运行缓慢。

我读到我可以使用 CUDA，但不知道如何使用它。如果这是唯一能有人指出我正确方向的方法吗？谢谢。

In header file:
    Mat_<Vec<uchar,256>> _GB;
    Mat_<Vec<uchar,256>> _GG;
    Mat_<Vec<uchar,256>> _GR;
…
Mat VideoProcessor::CamCalib(Mat _tempFrame)
{

    Mat_<Vec3b> _frame = _tempFrame;

    for( int i = 0; i < _tempFrame.rows; ++i)
        for( int j = 0; j < _tempFrame.cols; ++j )
        {
            _frame(i,j)[0] = _GB(i,j)[ _frame(i,j)[0] ];
            _frame(i,j)[1] = _GG(i,j)[ _frame(i,j)[1] ];
            _frame(i,j)[2] = _GR(i,j)[ _frame(i,j)[2] ];
        }

    _tempFrame = _frame;

    return _tempFrame;
}

【问题讨论】：

为什么要这样做？为每个像素的每个组件创建一个大小为 256 的表似乎非常昂贵！例如，对于 1080p 图像，您需要为仅占用 6 Mio 的图片分配和填充 1.5 Gio 的内存！话虽如此，请注意您可以使用多线程来加速此代码（例如，使用 OpenMP）。
我只会使用 cuda 来改进你需要做的任何计算

标签： c++ algorithm performance opencv lookup

【解决方案1】：

做了一些微调。（在帖子末尾添加了校正前后的图像）

(1) 假设所有 4 个象限的镜头球面形状相同，我能够进一步将帧速率提高到 9fps，以实现 1920x1080 分辨率。

(2) 强制减少线程，将 CPU 使用率从 100% 降低到 80%

(3) 使用更少的内存，查找表大小为原来的1/4

注意：必须处于“发布”模式才能使 openMP 正常运行！再次感谢杰罗姆！

Mat VideoProcessor::CamCalib(Mat _tempFrame)
{

    Mat_<Vec3b> _frame = _tempFrame;
    int nrows = _tempFrame.rows-1;
    int ncols = _tempFrame.cols-1;

#pragma omp parallel for num_threads(2)
    for( int i = 0; i < _tempFrame.rows/2; ++i)
        for( int j = 0; j < _tempFrame.cols/2; ++j )
        {
            _frame(i,j)[0] = _GB(i,j)[_frame(i,j)[0]];
            _frame(i,j)[1] = _GG(i,j)[_frame(i,j)[1]];
            _frame(i,j)[2] = _GR(i,j)[_frame(i,j)[2]];

            _frame(nrows-i,j)[0] = _GB(i,j)[_frame(nrows-i,j)[0]];
            _frame(nrows-i,j)[1] = _GG(i,j)[_frame(nrows-i,j)[1]];
            _frame(nrows-i,j)[2] = _GR(i,j)[_frame(nrows-i,j)[2]];

            _frame(i,ncols-j)[0] = _GB(i,j)[_frame(i,ncols-j)[0]];
            _frame(i,ncols-j)[1] = _GG(i,j)[_frame(i,ncols-j)[1]];
            _frame(i,ncols-j)[2] = _GR(i,j)[_frame(i,ncols-j)[2]];

            _frame(nrows-i,ncols-j)[0] = _GB(i,j)[_frame(nrows-i,ncols-j)[0]];
            _frame(nrows-i,ncols-j)[1] = _GG(i,j)[_frame(nrows-i,ncols-j)[1]];
            _frame(nrows-i,ncols-j)[2] = _GR(i,j)[_frame(nrows-i,ncols-j)[2]];
        }

    _tempFrame = _frame;

    return _tempFrame;
}

Before and After correction

【讨论】：

【解决方案2】：

谢谢杰罗姆，我听从了你的建议。一个简单的实现，性能提高了 25%。对我来说，由于我正在使用软件镜头校正进行实时图像捕获，因此内存不如速度那么昂贵。

这是我添加的内容：

在 Pro 文件中添加： QMAKE_CXXFLAGS += -openmp

在 CPP 文件中添加： #include "omp.h" ... 并在方法中的“for循环”之前添加： #pragma omp parallel for

【讨论】：