獨家｜OpenCV1.9 如何利用OpenCV的parallel_for_并行化代碼（附代碼）

目標

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

預備條件

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. 英特爾線程構建模塊（第三方庫，應該明確啟用）

2. C =并行C / C ++編程語言擴展（第三方庫，應該明確啟用）

3. OpenMP（集成的編譯器，應明確啟用）

4. APPLE GCD（系統層面，自動使用（僅適用APPLE））

5. Windows RT并發（系統層面，自動使用（僅適用Windows RT））

6. Windows并發（部分運行時間，自動使用（僅適用Windows  -  MSVC ++> = 10））

7. Pthreads (如果適用)

正如前面所述，OpenCV庫可以使用多個并行框架。有些并行庫為第三方提供的庫，建立時應明確地用CMake（如TBB，C =）啟用，其余均為自動可用的平臺（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（弱）預備條件與任務相關，因為不是所有任務的計算都可以/適合以并行方式來運行。為了盡量保持簡單，可以將任務分解為與存儲器無關的多個元素，從而使其更加容易實現并行化。在計算機視覺處理過程中，由于大多數時間里一個像素的處理不依賴于其它像素的狀態，所以往往更加容易實現并行化。

簡單的示例：繪制Mandelbrot集合

這個例子中將展示如何繪制Mandelbrot集合，將普通的順序代碼實現并行化計算。

理論

Mandelbrot集合的名稱是數學家阿德里恩·多迪（Adrien Douady）為悼念數學家蒙德布羅特（Mandelbrot），以他的名字來命名的。它在數學界之外，作為分形類的一個例子，在圖像表示領域非常著名。Mandelbrot集合為一組自相似的重復圖案在不同尺度下重復顯示結果。為了進一步深入介紹，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集合是在復平面中一組值C沿著0軌跡的二次迭代映射的邊界。

即，復數c作為Mandelbrot集的一部分，從 Z0 = 0開始重復進行迭代，當n趨近于無窮大時，Zn的絕對值的邊界值，它可以表示為：

偽代碼

生成Mandelbrot集合的簡單的算法被稱為“逃逸時間算法”。為渲染圖像中的每個像素，根據復數值是否在邊界范圍之內，利用遞推關系進行測試。經過數次迭代之后，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。隨著計算時間的增加，迭代后的高階值將產生一個更詳細的圖像。在這里使用實現“逃逸”所需要的迭代次數來描繪圖像中的像素值。

將偽代碼和理論相關聯之后，得到：

在上圖中，復數的實部在x軸上，復數的虛部在y軸上。通過對圖形局部放大，可以看到整個形狀均重復可見。

代碼實現

逃逸時間算法的實現

在這里，我們使用了std::complex模板類來表示復數。利用這個函數來進行測試，以檢查像素是否在集合之中，并返回“逃逸”迭代。

順序的Mandelbrot實現

在此程序中，通過依次遍歷渲染圖像中的像素來進行測試，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轉換Mandelbrot集合空間：

最后，將灰度值分配給像素，使用以下規則：

當迭代次數達到最大值時，像素為黑色（假定像素在Mandelbrot集合中）；

否則根據逃脫“逃逸迭代”和縮放尺度，為像素分配一個灰度值，以適應灰度范圍。

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

綠色曲線對應于簡單的線性縮放轉換，藍色曲線對應于平方根轉換，可以從中觀察到的最低值如何沿著斜坡正向上升。

并行Mandelbrot實現

在順序的Mandelbrot實現中，每個像素被獨立計算。為了優化計算，我們可以利用現代處理器的多核架構并行執行多個像素的計算，利用OpenCV的CV :: parallel_for_框架可以輕松實現。

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

 operator ()表示將通過一個獨立的線程來處理像素的子集，這種拆分是自動完成的，以平均分配計算負荷，為此必須將像素索引坐標轉換成2D [行，列]坐標。還要注意的是，必須保持圖像的mat對象引用值，以便能夠適時地對圖像進行修改。

調用并行執行程序：

在這里，range表示將要執行的操作總數，即圖像中的像素總數。使用CV :: setNumThreads設置線程數，還可以使用CV :: parallel_for_中的 nstripes參數指定拆分的數量CV :: parallel_for_。例如，如果處理器有4個線程，則設置CV :: setNumThreads（2）或者設置nstripes = 2應該是一樣的，默認情況下它會使用所有可用的處理器線程，但拆分后只有兩個線程。

注

為了簡化并行的實現，C ++ 11標準刪除了ParallelMandelbrot類，采用lambda表達式代替它：

運行結果

可以在原文找到完整的教程源代碼，并行實現的性能取決于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，為什么達不到8倍速，其中有很多因素；主要原因是由于：

創建和管理線程的額外開銷；

并行運行的后臺進程；

帶2個邏輯線程的4硬件核與8硬件核之間是有區別的。

由教程代碼生成的輸出圖像（可以對代碼進行修改，以使用更多次的迭代，根據逃逸迭代次數來分配像素顏色，并使用調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