目標(biāo)

本教程的目標(biāo)是展示如何使用OpenCV的parallel_for_框架輕松實(shí)現(xiàn)代碼并行化。為了說明這個(gè)概念，我們將編寫一個(gè)程序，利用幾乎所有的CPU負(fù)載來繪制Mandelbrot集合。完整的教程代碼可見原文。如果想了解更多關(guān)于多線程的信息，請(qǐng)參考本教程中提及的參考書或課程。

預(yù)備條件

首先是搭建OpenCV并行框架。在OpenCV3.2中，可以按此順序使用以下并行框架：

1. 英特爾線程構(gòu)建模塊（第三方庫，應(yīng)該明確啟用）

2. C =并行C / C ++編程語言擴(kuò)展（第三方庫，應(yīng)該明確啟用）

3. OpenMP（集成的編譯器，應(yīng)明確啟用）

4. APPLE GCD（系統(tǒng)層面，自動(dòng)使用（僅適用APPLE））

5. Windows RT并發(fā)（系統(tǒng)層面，自動(dòng)使用（僅適用Windows RT））

6. Windows并發(fā)（部分運(yùn)行時(shí)間，自動(dòng)使用（僅適用Windows  -  MSVC ++> = 10））

7. Pthreads (如果適用)

正如前面所述，OpenCV庫可以使用多個(gè)并行框架。有些并行庫為第三方提供的庫，建立時(shí)應(yīng)明確地用CMake（如TBB，C =）啟用，其余均為自動(dòng)可用的平臺(tái)（例如APPLE GCD），但是，無論是直接使用并行框架還是利用CMake啟用并行框架并重建庫，首先要做的是啟用并行框架。

第二個(gè)（弱）預(yù)備條件與任務(wù)相關(guān)，因?yàn)椴皇撬腥蝿?wù)的計(jì)算都可以/適合以并行方式來運(yùn)行。為了盡量保持簡單，可以將任務(wù)分解為與存儲(chǔ)器無關(guān)的多個(gè)元素，從而使其更加容易實(shí)現(xiàn)并行化。在計(jì)算機(jī)視覺處理過程中，由于大多數(shù)時(shí)間里一個(gè)像素的處理不依賴于其它像素的狀態(tài)，所以往往更加容易實(shí)現(xiàn)并行化。

簡單的示例：繪制Mandelbrot集合

這個(gè)例子中將展示如何繪制Mandelbrot集合，將普通的順序代碼實(shí)現(xiàn)并行化計(jì)算。

理論

Mandelbrot集合的名稱是數(shù)學(xué)家阿德里恩·多迪（Adrien Douady）為悼念數(shù)學(xué)家蒙德布羅特（Mandelbrot），以他的名字來命名的。它在數(shù)學(xué)界之外，作為分形類的一個(gè)例子，在圖像表示領(lǐng)域非常著名。Mandelbrot集合為一組自相似的重復(fù)圖案在不同尺度下重復(fù)顯示結(jié)果。為了進(jìn)一步深入介紹，可以參考Wikipedia article。在這里，僅介紹利用公式繪制Mandelbrot集合（選自維基百科的文章）。

Mandelbrot集合是在復(fù)平面中一組值C沿著0軌跡的二次迭代映射的邊界。

即，復(fù)數(shù)c作為Mandelbrot集的一部分，從 Z0 = 0開始重復(fù)進(jìn)行迭代，當(dāng)n趨近于無窮大時(shí)，Zn的絕對(duì)值的邊界值，它可以表示為：

偽代碼

生成Mandelbrot集合的簡單的算法被稱為“逃逸時(shí)間算法”。為渲染圖像中的每個(gè)像素，根據(jù)復(fù)數(shù)值是否在邊界范圍之內(nèi)，利用遞推關(guān)系進(jìn)行測試。經(jīng)過數(shù)次迭代之后，不屬于Mandelbrot集合的像素將快速逃逸，留下來的將是屬于Mandelbrot集合的像素。隨著計(jì)算時(shí)間的增加，迭代后的高階值將產(chǎn)生一個(gè)更詳細(xì)的圖像。在這里使用實(shí)現(xiàn)“逃逸”所需要的迭代次數(shù)來描繪圖像中的像素值。

將偽代碼和理論相關(guān)聯(lián)之后，得到：

在上圖中，復(fù)數(shù)的實(shí)部在x軸上，復(fù)數(shù)的虛部在y軸上。通過對(duì)圖形局部放大，可以看到整個(gè)形狀均重復(fù)可見。

代碼實(shí)現(xiàn)

逃逸時(shí)間算法的實(shí)現(xiàn)

在這里，我們使用了std::complex模板類來表示復(fù)數(shù)。利用這個(gè)函數(shù)來進(jìn)行測試，以檢查像素是否在集合之中，并返回“逃逸”迭代。

順序的Mandelbrot實(shí)現(xiàn)

在此程序中，通過依次遍歷渲染圖像中的像素來進(jìn)行測試，以檢查像素是否屬于Mandelbrot集合。

需要做的另一件事是把像素坐標(biāo)轉(zhuǎn)換Mandelbrot集合空間：

最后，將灰度值分配給像素，使用以下規(guī)則：

當(dāng)?shù)螖?shù)達(dá)到最大值時(shí)，像素為黑色（假定像素在Mandelbrot集合中）；

否則根據(jù)逃脫“逃逸迭代”和縮放尺度，為像素分配一個(gè)灰度值，以適應(yīng)灰度范圍。

使用線性縮放轉(zhuǎn)換不足以感知的灰度變化。為了克服這個(gè)問題，使用一個(gè)平方根轉(zhuǎn)換來提升感知度（引用了Jeremy D. Frens博客中的內(nèi)容）：

綠色曲線對(duì)應(yīng)于簡單的線性縮放轉(zhuǎn)換，藍(lán)色曲線對(duì)應(yīng)于平方根轉(zhuǎn)換，可以從中觀察到的最低值如何沿著斜坡正向上升。

并行Mandelbrot實(shí)現(xiàn)

在順序的Mandelbrot實(shí)現(xiàn)中，每個(gè)像素被獨(dú)立計(jì)算。為了優(yōu)化計(jì)算，我們可以利用現(xiàn)代處理器的多核架構(gòu)并行執(zhí)行多個(gè)像素的計(jì)算，利用OpenCV的CV :: parallel_for_框架可以輕松實(shí)現(xiàn)。

第一件事是聲明一個(gè)繼承CV :: ParallelLoopBody的自定義類，覆蓋virtual void operator ()(const cv::Range& range) const。

 operator ()表示將通過一個(gè)獨(dú)立的線程來處理像素的子集，這種拆分是自動(dòng)完成的，以平均分配計(jì)算負(fù)荷，為此必須將像素索引坐標(biāo)轉(zhuǎn)換成2D [行，列]坐標(biāo)。還要注意的是，必須保持圖像的mat對(duì)象引用值，以便能夠適時(shí)地對(duì)圖像進(jìn)行修改。

調(diào)用并行執(zhí)行程序：

在這里，range表示將要執(zhí)行的操作總數(shù)，即圖像中的像素總數(shù)。使用CV :: setNumThreads設(shè)置線程數(shù)，還可以使用CV :: parallel_for_中的 nstripes參數(shù)指定拆分的數(shù)量CV :: parallel_for_。例如，如果處理器有4個(gè)線程，則設(shè)置CV :: setNumThreads（2）或者設(shè)置nstripes = 2應(yīng)該是一樣的，默認(rèn)情況下它會(huì)使用所有可用的處理器線程，但拆分后只有兩個(gè)線程。

注

為了簡化并行的實(shí)現(xiàn)，C ++ 11標(biāo)準(zhǔn)刪除了ParallelMandelbrot類，采用lambda表達(dá)式代替它：

運(yùn)行結(jié)果

可以在原文找到完整的教程源代碼，并行實(shí)現(xiàn)的性能取決于CPU的種型。例如，在4核/ 8線程的CPU上，可以提速6.9倍左右。如果要問，為什么達(dá)不到8倍速，其中有很多因素；主要原因是由于：

創(chuàng)建和管理線程的額外開銷；

并行運(yùn)行的后臺(tái)進(jìn)程；

帶2個(gè)邏輯線程的4硬件核與8硬件核之間是有區(qū)別的。

由教程代碼生成的輸出圖像（可以對(duì)代碼進(jìn)行修改，以使用更多次的迭代，根據(jù)逃逸迭代次數(shù)來分配像素顏色，并使用調(diào)色板以獲得更美的圖像）：

Mandelbrot集合XMIN = -2.1，XMAX = 0.6，YMIN = -1.2，YMAX = 1.2，maxIterations = 500

原文鏈接：

https://docs.opencv.org/4.5.2/d7/dff/tutorial_how_to_use_OpenCV_parallel_for_.html