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。