【CUDA】BGR2GRAY

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 $1868\div 2^{14}=1868\div 16384\approx 0.1140$ ,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GPU设备上运行;在主机端CPU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 < 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(void dst, void src, size_t nbytes, enum cudaMemcpyKind direction)
        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， 这里是把CPU上的src拷贝到GPU上的dev_src */
	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();
 
        // 将处理结果从GPU设备中拷贝出来到CPU上
	cudaMemcpy(dst, dev_dst, width * height * sizeof(unsigned char), cudaMemcpyDeviceToHost);
 
	// cudaFree: 释放GPU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

[2] CUDA Samples: Image Process: BGR to Gray

[3] OpenCv源码解析：对HAL硬件加速层的支持

【CUDA】BGR2GRAY

Spring Cloud 部署时如何使用 Kubernetes 作为注册中心和配置中心

【數據處理】PS動作功能（附：下雨效果）

【Java】對象和類

【CUDA】CUDA編譯

【Java】基本數據類型and變量類型

【CUDA】BGR2GRAY

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結