編譯GDAL支持OpenCL使用GPU加速

前言

GDAL庫中提供的gdalwarp支持各種高性能的圖像重採樣算法，圖像重採樣算法廣泛應用於圖像校正，重投影，裁切，鑲嵌等算法中，而且對於這些算法來說，計算座標變換的運算量是相當少的，絕大部分運算量都在圖像的重採樣算法中，尤其是三次卷積採樣以及更高級的重採樣算法來說，運算量會成倍的增加，所以提升這些算法的處理效率優先是提高重採樣的效率。由於GPU的多核心使得目前對於GPU的並行處理非常熱，同時也能大幅度的提升處理速度。基於上述原因，GDALWARP也提供了基於OPENCL的GPU加速，之前在GDAL的郵件列表中有人測試發現使用OpenCL加速後，在Telsa的顯卡上速度可以達到CPU的20~60倍。

GDAL庫一般編譯的時候不會打開，所以默認的GDAL是不支持GPU並行處理的，本文就是指導大家在Windows平臺上使用Visual Studio系列編譯GDAL時，怎麼使之支持OpenCL並行處理。

所需軟件

-Visual Studio 系列（VS2003以上版本）
-OpenCL庫（AMD或者NVIDIA均可）
-GDAL源碼

---

修改nmake.opt文件

nmake.opt文件中一共要修改四處地方，其中兩處是添加，兩處是修改。

第一處（增加）

首先在nmake.opt文件參考其他的引用庫，添加OpenCL的庫目錄。首先在namke.opt找到下面這行：

########### END OF STUFF THAT NORMALLY NEEDS TO BE UPDATED ##################

在上面這行代碼的前面添加如下代碼（使用的是NVIDIA的CUDA安裝包下面的OpenCL庫）：

#include opencl lib
INCLUDE_OPENCL = YES

# Uncomment for OPENCL_AMD support
!IFDEF INCLUDE_OPENCL
OPENCL_DIR="C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0"
OPENCL_CFLAGS = -I$(OPENCL_DIR)/include -DHAVE_OPENCL
OPENCL_LIB    = $(OPENCL_DIR)/lib/Win32/OpenCL.lib
!ELSE
OPENCL_DIR=
OPENCL_CFLAGS = -I
OPENCL_LIB     = 
!ENDIF

第二處（增加）

然後在上面那行代碼（END OF STUFF THAT NORMALLY NEEDS TO BE UPDATED）的下面添加下面的代碼：

# liml
!IFDEF INCLUDE_OPENCL
OPENCL_FLAG = -DHAVE_OPENCL
!ENDIF

第三處（修改）

接下來找到代碼CFLAGS = 這句代碼，在這句代碼的後面加上$(OPENCL_FLAG) 。

地四處（修改）

找到代碼EXTERNAL_LIBS =，在最後面加上$(OPENCL_LIB)。

修改alg目錄下的makefile.vc文件

makefile.vc文件中共需要修改兩處位置，一處增加一處修改。

第一處（增加）

在文件中OBJ = 的前面添加下面的代碼，用來設置使用OpenCL的宏定義。

!IFDEF INCLUDE_OPENCL
EXTRAFLAGS = $(EXTRAFLAGS) $(OPENCL_CFLAGS) -DHAVE_OPENCL
!ENDIF

第二處（修改）

在文件中OBJ = 的後面添加OpenCL的算法文件gdalwarpkernel_opencl.obj。注意添加的時候與其他的obj文件中間用空格隔開。

編譯

修改完上述文件之後，使用VS或者命令行編譯，正常的話應該就直接編譯通過了。如果編譯不過提示.h文件無法打開啥的，請檢查opencl的庫的路徑設置的是否有問題，如果opencl的路徑中有空格的話，那麼在nmake.opt文件中，路徑用雙引號括起來，如果最後提示連接錯誤，或者lib文件找不到，同樣先檢查opencl的庫路徑設置的是否正確，如果路徑中有空格，同樣用雙引號括起來。

注意
如果你還是編譯不過去，根據提示內容，修改gdalwarpkernel_opencl.h和文件gdalwarpkernel_opencl.c文件。我就遇到了這個問題，修改的是h文件，修改前後的代碼如下（上方的是原來的代碼，下方是修改後的代碼）：

#if defined(DEBUG_OPENCL) && DEBUG_OPENCL == 1
#define CL_USE_DEPRECATED_OPENCL_1_0_APIS
#endif

---

#if defined(DEBUG_OPENCL) && DEBUG_OPENCL == 1
#define CL_USE_DEPRECATED_OPENCL_1_0_APIS
#else
#define CL_USE_DEPRECATED_OPENCL_1_1_APIS
#endif

至此，編譯如果沒有問題的話，那麼就可以使用depends之類的查看dll的依賴關係的軟件來查看gdal的動態庫，如果gdal的動態庫依賴opencl.dll的話，那麼應該就可以支持了，可以使用gdal自帶的gdalwarp.exe進行測試是否支持opencl。
注意：GDAL庫中的重採樣算法支持opencl庫的有雙線性插值和三次立方卷積，最鄰近採樣是不支持OpenCL加速的，所以測試的時候請指定重採樣算法進行測試。

兩個問題

使用GDAL的GPU測試的時候發現下面兩個問題：
1、使用OPENCL進行重採樣時，只能使用第一個設備進行處理（比如我的筆記本可以獲取到兩個GPU設備，第一個是Intel的集成顯卡，第二個纔是Nvidia的獨立顯卡）
2、使用-wm參數設置大於顯卡顯存時，處理失敗

第一個問題，我大致修改了下，參考下面的代碼，第二個暫時沒有。
對於第一個問題的修改，主要就是將默認使用的第一個設置，換成了使用最後一個設備，等有空了可以設置由用戶指定使用那個設備進行處理。
修改前的代碼：

    // Find the GPU CL device, this is what we really want
    // If there is no GPU device is CL capable, fall back to CPU
    err = clGetDeviceIDs(platforms[0], CL_DEVICE_TYPE_GPU, 1, &device, NULL);
    if (err != CL_SUCCESS)
    {
        // Find the CPU CL device, as a fallback
        err = clGetDeviceIDs(platforms[0], CL_DEVICE_TYPE_CPU, 1, &device, NULL);
        if( err != CL_SUCCESS || device == 0 )
            return NULL;
    }

修改後的代碼

    // Find the GPU CL device, this is what we really want
    // If there is no GPU device is CL capable, fall back to CPU
    err = clGetDeviceIDs(platforms[num_platforms-1], CL_DEVICE_TYPE_GPU, 1, &device, NULL);
    if (err != CL_SUCCESS)
    {
        // Find the CPU CL device, as a fallback
        err = clGetDeviceIDs(platforms[num_platforms-1], CL_DEVICE_TYPE_CPU, 1, &device, NULL);
        if( err != CL_SUCCESS || device == 0 )
            return NULL;
    }