最近刚接触CUDA，先写一些简单的示例练习下。
在图像处理中，三通道彩色图像BGR到灰度图Gray，常见的一般有两种计算方式，一种是基于浮点数计算，一种是基于性能优化的通过移位的整数计算。
浮点数计算公式为： gray = 0.1140 * B + 0.5870 * G + 0.2989 * R
整数计算公式为： gray = (1868 * B + 9617 * G + 4899 * R) >> 14 ，1868从二进制的角度看，向右移位14位，相当于
,以此类推。
下面的代码主要参考[2]进行修改得到:
头文件：funset.hpp
#include <cuda_runtime.h> // For the CUDA runtime routines (prefixed with "cuda_")
#include <device_launch_parameters.h>
#include <cstdlib>
#include <vector>
int bgr2gray_cpu(const unsigned char* src, int width, int height, unsigned char* dst);
int bgr2gray_gpu(const unsigned char* src, int width, int height, unsigned char* dst);
基于CPU的BRG2GRAY：bgr2gray.cpp
#include "funset.hpp"
int bgr2gray_cpu(const unsigned char* src, int width, int height, unsigned char* dst)
{
const int R2Y{ 4899 }, G2Y{ 9617 }, B2Y{ 1868 }, yuv_shift{ 14 };
for (int y = 0; y < height; ++y) {
for (int x = 0; x < width; ++x) {
dst[y * width + x] = (unsigned char)((src[y*width * 3 + 3 * x + 0] * B2Y +
src[y*width * 3 + 3 * x + 1] * G2Y + src[y*width * 3 + 3 * x + 2] * R2Y) >> yuv_shift);
}
}
return 0;
}
基于GPU的BRG2GRAY：bgr2gray.cu
#include "funset.hpp"
/* __global__: 函数类型限定符;在设备上运行;在主机端调用,计算能力3.2及以上可以在
设备端调用;声明的函数的返回值必须是void类型;对此类型函数的调用是异步的,即在
设备完全完成它的运行之前就返回了;对此类型函数的调用必须指定执行配置,即用于在
设备上执行函数时的grid和block的维度,以及相关的流(即插入<<< >>>运算符);
a kernel,表示此函数为内核函数(运行在GPU上的CUDA并行计算函数称为kernel(内核函
数),内核函数必须通过__global__函数类型限定符定义);*/
__global__ static void bgr2gray(const unsigned char* src, int B2Y, int G2Y, int R2Y, int shift, int width, int height, unsigned char* dst)
{
/* gridDim: 内置变量,用于描述线程网格的维度,对于所有线程块来说,这个
变量是一个常数,用来保存线程格每一维的大小,即每个线程格中线程块的数量.
一个grid为三维,为dim3类型；
blockDim: 内置变量,用于说明每个block的维度与尺寸.为dim3类型,包含
了block在三个维度上的尺寸信息;对于所有线程块来说,这个变量是一个常数,
保存的是线程块中每一维的线程数量;
blockIdx: 内置变量,变量中包含的值就是当前执行设备代码的线程块的索引;用
于说明当前thread所在的block在整个grid中的位置,blockIdx.x取值范围是
[0,gridDim.x-1],blockIdx.y取值范围是[0, gridDim.y-1].为uint3类型,
包含了一个block在grid中各个维度上的索引信息;
threadIdx: 内置变量,变量中包含的值就是当前执行设备代码的线程索引;用于
说明当前thread在block中的位置;如果线程是一维的可获取threadIdx.x,如果
是二维的还可获取threadIdx.y,如果是三维的还可获取threadIdx.z;为uint3类
型,包含了一个thread在block中各个维度的索引信息 */
int x = threadIdx.x + blockIdx.x * blockDim.x;
int y = threadIdx.y + blockIdx.y * blockDim.y;
//if (x == 0 && y == 0) {
// printf("%d, %d, %d, %d, %d, %d\n", width, height, B2Y, G2Y, R2Y, shift);
//}
if (x < width && y < height) {
dst[y * width + x] = (unsigned char)((src[y*width * 3 + 3 * x + 0] * B2Y +
src[y*width * 3 + 3 * x + 1] * G2Y + src[y*width * 3 + 3 * x + 2] * R2Y) >> shift);
}
}
int bgr2gray_gpu(const unsigned char* src, int width, int height, unsigned char* dst)
{
const int R2Y{ 4899 }, G2Y{ 9617 }, B2Y{ 1868 }, yuv_shift{ 14 };
unsigned char *dev_src{ nullptr }, *dev_dst{ nullptr };
// cudaMalloc: 在设备端分配内存
cudaMalloc(&dev_src, width * height * 3 * sizeof(unsigned char));
cudaMalloc(&dev_dst, width * height * sizeof(unsigned char));
/* cudaMemcpy: 在主机端和设备端拷贝数据,此函数第四个参数仅能是下面之一:
(1). cudaMemcpyHostToHost: 拷贝数据从主机端到主机端
(2). cudaMemcpyHostToDevice: 拷贝数据从主机端到设备端
(3). cudaMemcpyDeviceToHost: 拷贝数据从设备端到主机端
(4). cudaMemcpyDeviceToDevice: 拷贝数据从设备端到设备端
(5). cudaMemcpyDefault: 从指针值自动推断拷贝数据方向,需要支持
统一虚拟寻址(CUDA6.0及以上版本)
cudaMemcpy函数对于主机是同步的 */
cudaMemcpy(dev_src, src, width * height * 3 * sizeof(unsigned char), cudaMemcpyHostToDevice);
/* cudaMemset: 存储器初始化函数,在GPU内存上执行。用指定的值初始化或设置
设备内存 */
cudaMemset(dev_dst, 0, width * height * sizeof(unsigned char));
/* dim3: 基于uint3定义的内置矢量类型，相当于由3个unsigned int类型组成的
结构体，可表示一个三维数组，在定义dim3类型变量时，凡是没有赋值的元素都
会被赋予默认值1 */
// Note：每一个线程块支持的最大线程数量为1024，即threads.x*threads.y必须小于等于1024
dim3 threads(32, 32);
dim3 blocks((width + 31) / 32, (height + 31) / 32);
/* <<< >>>: 为CUDA引入的运算符,指定线程网格和线程块维度等,传递执行参
数给CUDA编译器和运行时系统,用于说明内核函数中的线程数量,以及线程是如何
组织的;尖括号中这些参数并不是传递给设备代码的参数,而是告诉运行时如何
启动设备代码,传递给设备代码本身的参数是放在圆括号中传递的,就像标准的函
数调用一样;不同计算能力的设备对线程的总数和组织方式有不同的约束;必须
先为kernel中用到的数组或变量分配好足够的空间,再调用kernel函数,否则在
GPU计算时会发生错误,例如越界等 ;
使用运行时API时,需要在调用的内核函数名与参数列表直接以<<<Dg,Db,Ns,S>>>
的形式设置执行配置,其中：Dg是一个dim3型变量,用于设置grid的维度和各个
维度上的尺寸.设置好Dg后,grid中将有Dg.x*Dg.y*Dg.z个block;Db是
一个dim3型变量,用于设置block的维度和各个维度上的尺寸.设置好Db后,每个
block中将有Db.x*Db.y*Db.z个thread;Ns是一个size_t型变量,指定各块为此调
用动态分配的共享存储器大小,这些动态分配的存储器可供声明为外部数组
(extern __shared__)的其他任何变量使用;Ns是一个可选参数,默认值为0;S为
cudaStream_t类型,用于设置与内核函数关联的流.S是一个可选参数,默认值0. */
// Note: 核函数不支持传入参数为vector的data()指针，需要cudaMalloc和cudaMemcpy，因为vector是在主机内存中
bgr2gray << <blocks, threads >> >(dev_src, B2Y, G2Y, R2Y, yuv_shift, width, height, dev_dst);
/* cudaDeviceSynchronize: kernel的启动是异步的, 为了定位它是否出错, 一
般需要加上cudaDeviceSynchronize函数进行同步; 将会一直处于阻塞状态,直到
前面所有请求的任务已经被全部执行完毕,如果前面执行的某个任务失败,将会
返回一个错误；当程序中有多个流,并且流之间在某一点需要通信时,那就必须
在这一点处加上同步的语句,即cudaDeviceSynchronize；异步启动
reference: https://stackoverflow.com/questions/11888772/when-to-call-cudadevicesynchronize */
cudaDeviceSynchronize();
cudaMemcpy(dst, dev_dst, width * height * sizeof(unsigned char), cudaMemcpyDeviceToHost);
// cudaFree: 释放设备上由cudaMalloc函数分配的内存
cudaFree(dev_dst);
cudaFree(dev_src);
return 0;
}
主程序：main.cpp
#include "funset.hpp"
#include <chrono>
#include <opencv2/highgui.hpp>
#include <opencv2/opencv.hpp>
int main()
{
cv::Mat srcImage = cv::imread("../test5.jpg");
const uint imgheight = srcImage.rows;
const uint imgwidth = srcImage.cols;
cv::Mat grayImage(imgheight, imgwidth, CV_8UC1, cv::Scalar(0));
double all_count = 0;
for(int idx = 0; idx < 101; idx++)
{
auto start = std::chrono::system_clock::now();
//bgr2gray_cpu(srcImage.data, imgwidth, imgheight, grayImage.data);
//cv::cvtColor(srcImage, grayImage, cv::COLOR_BGR2GRAY);
bgr2gray_gpu(srcImage.data, imgwidth, imgheight, grayImage.data);
auto end = std::chrono::system_clock::now();
std::chrono::duration<double> diff = end-start;
if(idx > 0)
{
all_count += diff.count();
if(idx%10 == 0)
std::cout << idx <<" Time: " << all_count/idx << " s\n";
}
else
cv::imwrite("/home/lzhr/workspace/code/cuda_demo/opencv2cuda/CUDA_Test/bgr2gray_gpu.png", grayImage);
}
return 0;
}
CMake：CMakeLists.txt
cmake_minimum_required(VERSION 2.8)
project(image_process)
find_package(OpenCV REQUIRED)
find_package(CUDA REQUIRED)
# 定义用户自定义变量，根据自己的代码路径进行修改
SET(PATH_CPP_FILES /home/lzhr/workspace/code/cuda_demo/opencv2cuda/CUDA_Test/demo)
SET(PATH_CU_FILES /home/lzhr/workspace/code/cuda_demo/opencv2cuda/CUDA_Test/demo)
# 递归查询所有匹配的文件:*.cpp和*.cu
FILE(GLOB_RECURSE CPP_LIST ${PATH_CPP_FILES}/*.cpp)
FILE(GLOB_RECURSE CU_LIST ${PATH_CU_FILES}/*.cu)
# 使CMake支持C++11特性
SET(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} -std=gnu++0x")
SET(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=gnu++0x")
# 使CUDA NVCC 编译器支持C++11特性
LIST(APPEND CUDA_NVCC_FLAGS -std=c++11;-O2)
LIST(APPEND CUDA_NVCC_FLAGS -Xcompiler;-fPIC)
cuda_add_executable(image_process ${CPP_LIST} ${CU_LIST})
target_link_libraries(image_process ${OpenCV_LIBS})
编译运行：
cd /home/lzhr/workspace/code/cuda_demo/opencv2cuda/CUDA_Test/
mkdir build
# CMakeLists.txt放在build目录下
cd build
cmake .
make
./image_process
根据[1]，cv::cvtColor()第一次执行会比较慢的原因，可能是动态加载库的问题，即大部分时间花在了将函数加载进内存上面，所以这里的计时并不把第一次算进去求平均，而是取第2次～101次的耗时取平均。
处理720P的图像，最终的计时结果是bgr2gray_cpu: 3.8ms，bgr2gray_gpu: 0.8ms，opencv的cvtColor: 0.25ms ; 这里bgr2gray_gpu的速度不如opencv的cvtColor，根据[1]中的说法，OpenCV的cvtColor是经过硬件加速的，参见[3]。
参考：
[1] cuda练习（一）：使用cuda将rbg图像转为灰度图像
来源：CSDN
作者：通信程序猿
链接：https://blog.csdn.net/u011285477/article/details/104522863