Question

我正在研究一个学校项目，我们在cuda中运行sift算法。我有一点根据它的邻居（A，B，C，D）的值来计算图像的每个像素（X）的幅度值：

   A
B  X  C
   D

我设法通过使用全局内存来实现它，因为我可以轻松地从输入数组中获取我想要的值。

但是现在我想通过首先将输入数组放入共享内存来实现它，但是我在如何使线程将正确的像素放在共享内存上时非常困难。我必须考虑图像边界上的填充。

我知道我需要更多的共享内存而不是我想放在那里的图像部分，以便填充包含但我不知道我的线程块是否应该包含比共享内存空间更多或更少的线程以及如何指定要阅读的内容。如果有人可以给我一个关于如何思考的一般想法，我可以从那里拿出来......

谢谢！

Answer 1

我提供了一个通过灰度图像和应用sobel滤镜的代码:( Sobel是一个类似于你的邻居（A，B，C，D）功能的过滤器）

#define QUANTUM_TYPE short
__global__ void sobel_gpu(QUANTUM_TYPE *img_out, QUANTUM_TYPE *img_in, int WIDTH, int HEIGHT){
    int x,y;
    x=blockDim.x*blockIdx.x+threadIdx.x;
    y=blockDim.y*blockIdx.y+threadIdx.y;
    QUANTUM_TYPE LUp,LCnt,LDw,RUp,RCnt,RDw;
    int pixel;

    if(x<WIDTH && y<HEIGHT){
        LUp = (x-1>=0 && y-1>=0)? img_in[(x-1)+(y-1)*WIDTH]:0;
        LCnt= (x-1>=0)? img_in[(x-1)+y*WIDTH]:0;
        LDw = (x-1>=0 && y+1<HEIGHT)? img_in[(x-1)+(y+1)*WIDTH]:0;
        RUp = (x+1<WIDTH && y-1>=0)? img_in[(x+1)+(y-1)*WIDTH]:0;
        RCnt= (x+1<WIDTH)? img_in[(x+1)+y*WIDTH]:0;
        RDw = (x+1<WIDTH && y+1<HEIGHT)? img_in[(x+1)+(y+1)*WIDTH]:0;
        pixel = -1*LUp  + 1*RUp +
                -2*LCnt + 2*RCnt +
                -1*LDw  + 1*RDw;
        pixel=(pixel<0)?0:pixel;
        pixel=(pixel>MAXRGB)?MAXRGB:pixel;
        img_out[x+y*WIDTH]=pixel;
    }
}

该代码适用于全局内存并安全地处理边界。我的完整代码读取BMP图像并在其上应用过滤器并将生成的BMP存储回磁盘。它在here处可用（集成了CPU和GPU实现，适用于Linux和Windows）。

您可以通过一些工作将其转换为共享内存样式。首先，您应该决定给每个块多少任务。然后将任务分解为多个共享内存接收器/下水道。 CUDA SDK中的Matrix Multiply示例为您提供了一个完美的想法。

用共享内存计算cuda中像素的大小

1 个答案: