我可能通过将OpenCV用作官方OpenCL C ++绑定的包装来滥用OpenCV,以便我可以启动自己的内核。
然而,OpenCV确实有像Program,ProgramSource,Kernel,Queue等类,它们似乎告诉我,我可以使用OpenCV启动自己的(甚至是非基于图像的)内核。我无法在这些课程中找到文档,更不用说示例了。所以,到目前为止,我对它进行了一次尝试:
#include <fstream>
#include <iostream>
#include "opencv2/opencv.hpp"
#include "opencv2/core/ocl.hpp"
#define ARRAY_SIZE 128
using namespace std;
using namespace cv;
int main(int, char)
{
std::ifstream file("kernels.cl");
std::string kcode(std::istreambuf_iterator<char>(file),
(std::istreambuf_iterator<char>()));
cv::ocl::ProgramSource * programSource;
programSource = new cv::ocl::ProgramSource(kcode.c_str());
cv::String errorMessage;
cv::ocl::Program * program;
program = new cv::ocl::Program(*programSource, NULL, errorMessage);
cv::ocl::Kernel * kernel;
kernel = new cv::ocl::Kernel("simple_add", *program);
/* I'm stuck here at the args. */
size_t globalSize[2] = { ARRAY_SIZE, 1 };
size_t localSize[2] = { ARRAY_SIZE, 1 };
kernel->run(ARRAY_SIZE, globalSize, localSize, true);
return 0;
}
请注意,我还没有设置主机变量。我被困在kernel->args(...)
。有15个重载,没有一个指定我应该指定的顺序,每个参数:
sizeof(int) * ARRAY_SIZE
之类的东西,虽然我曾经在普通OpenCL中的clEnqueueWriteBuffer函数中指定它。看起来我没有调用enqueueWriteBufer(...),enqueueNDRangeKernel(...)或enqueueReadBuffer(...),因为(我猜)kernel-&gt; run()完成所有操作引擎盖下的那个。我假设kernel-&gt; run()会将新值写入我的输出参数。
我没有指定命令队列,设备或上下文。我认为只有一个命令队列和一个上下文,以及默认设备 - 都是在引擎盖下创建的,可以从这些类中访问。
再说一次,我如何使用内核的args函数?
答案 0 :(得分:8)
虽然我不是百分百肯定,但我想出了办法。 此示例包含有关如何使用cv :: UMat,基本类型(例如int / float / uchar)和Image2D向/从自定义内核传递/检索数据的提示。
#include <iostream>
#include <fstream>
#include <string>
#include <iterator>
#include <opencv2/opencv.hpp>
#include <opencv2/core/ocl.hpp>
using namespace std;
void main()
{
if (!cv::ocl::haveOpenCL())
{
cout << "OpenCL is not avaiable..." << endl;
return;
}
cv::ocl::Context context;
if (!context.create(cv::ocl::Device::TYPE_GPU))
{
cout << "Failed creating the context..." << endl;
return;
}
// In OpenCV 3.0.0 beta, only a single device is detected.
cout << context.ndevices() << " GPU devices are detected." << endl;
for (int i = 0; i < context.ndevices(); i++)
{
cv::ocl::Device device = context.device(i);
cout << "name : " << device.name() << endl;
cout << "available : " << device.available() << endl;
cout << "imageSupport : " << device.imageSupport() << endl;
cout << "OpenCL_C_Version : " << device.OpenCL_C_Version() << endl;
cout << endl;
}
// Select the first device
cv::ocl::Device(context.device(0));
// Transfer Mat data to the device
cv::Mat mat_src = cv::imread("Lena.png", cv::IMREAD_GRAYSCALE);
mat_src.convertTo(mat_src, CV_32F, 1.0 / 255);
cv::UMat umat_src = mat_src.getUMat(cv::ACCESS_READ, cv::USAGE_ALLOCATE_DEVICE_MEMORY);
cv::UMat umat_dst(mat_src.size(), CV_32F, cv::ACCESS_WRITE, cv::USAGE_ALLOCATE_DEVICE_MEMORY);
std::ifstream ifs("shift.cl");
if (ifs.fail()) return;
std::string kernelSource((std::istreambuf_iterator<char>(ifs)), std::istreambuf_iterator<char>());
cv::ocl::ProgramSource programSource(kernelSource);
// Compile the kernel code
cv::String errmsg;
cv::String buildopt = cv::format("-D dstT=%s", cv::ocl::typeToStr(umat_dst.depth())); // "-D dstT=float"
cv::ocl::Program program = context.getProg(programSource, buildopt, errmsg);
cv::ocl::Image2D image(umat_src);
float shift_x = 100.5;
float shift_y = -50.0;
cv::ocl::Kernel kernel("shift", program);
kernel.args(image, shift_x, shift_y, cv::ocl::KernelArg::ReadWrite(umat_dst));
size_t globalThreads[3] = { mat_src.cols, mat_src.rows, 1 };
//size_t localThreads[3] = { 16, 16, 1 };
bool success = kernel.run(3, globalThreads, NULL, true);
if (!success){
cout << "Failed running the kernel..." << endl;
return;
}
// Download the dst data from the device (?)
cv::Mat mat_dst = umat_dst.getMat(cv::ACCESS_READ);
cv::imshow("src", mat_src);
cv::imshow("dst", mat_dst);
cv::waitKey();
}
下面是“shift.cl”文件。
__constant sampler_t samplerLN = CLK_NORMALIZED_COORDS_FALSE | CLK_ADDRESS_CLAMP_TO_EDGE | CLK_FILTER_LINEAR;
__kernel void shift(
__global const image2d_t src,
float shift_x,
float shift_y,
__global uchar* dst,
int dst_step, int dst_offset, int dst_rows, int dst_cols)
{
int x = get_global_id(0);
int y = get_global_id(1);
if (x >= dst_cols) return;
int dst_index = mad24(y, dst_step, mad24(x, (int)sizeof(dstT), dst_offset));
__global dstT *dstf = (__global dstT *)(dst + dst_index);
float2 coord = (float2)((float)x+0.5f+shift_x, (float)y+0.5f+shift_y);
dstf[0] = (dstT)read_imagef(src, samplerLN, coord).x;
}
重点是使用UMat。我们使用KernelArg :: ReadOnly(umat)在内核中接收了5个参数(* data_ptr,int step,int offset,int rows,int cols); 3(* data_ptr,int step,int offset)与KernelArg :: ReadOnlyNoSize(umat);并且只有1(* data_prt)与KernelArg :: PtrReadOnly(umat)。 WriteOnly和ReadWrite的规则相同。
访问数据阵列时需要步进和偏移,因为由于内存地址对齐,UMat可能不是密集矩阵。
cv :: ocl :: Image2D可以从UMat实例构造,并且可以直接传递给kernel.args()。使用image2D_t和sampler_t,我们可以从GPU的硬件纹理单元中获益,进行线性插值采样(使用实值像素坐标)。
请注意,“-D xxx = yyy”build-option在内核代码中提供从xxx到yyy的文本替换。
您可以在我的帖子中找到更多代码:http://qiita.com/tackson5/items/8dac6b083071d31baf00