Question

我有一个灰度图像矢量（使用OpenCV 3加载）。每个图像为2560x64800像素，矢量最多可容纳23个图像。因此，矢量的最大尺寸约为3.6GB。我需要进行＆＃34;斑点检测＆＃34;在每个图像上并加快速度，我想使用图像的并行处理来运行图像分析。对于所有检测到的斑点，应返回小的40x40像素图像。整个数据集最多包含13组图像 - 我选择使外部循环成为正常的顺序for循环：

for (size_t cn = 0; cn < numberOfChannels.size(); ++cn)
{
    vector<Mat> imageVector = readImages(...);

    // Loop through images in "imageVector"
    concurrency::parallel_for(size_t(0), size_t(imageVector.size()), [&](size_t ii)
    {
        // Detect blobs
        vector<KeyPoint> keypoints = detectBlobs(imageVector[ii], false);

        // Return result
        theSnips[cn][ii] = collectImageSnips(imageVector[ii], keypoints, 40);
    });
};

两个函数的函数声明＆＃34; detectBlobs＆＃34; （基于OpenCV 3＆＃34; SimpleBlobDetection＆＃34;）和＆＃34; collectImageSnips＆＃34;是：

vector<KeyPoint> detectBlobs(Mat image, bool useTestImage)

vector<Mat> collectImageSnips(Mat image, vector<KeyPoint> keyPoints, int rectSize)

当我运行提供的＆＃34; parallel_for＆＃34;循环我希望（希望）3.6 GB RAM将用于存储已加载的＆＃34; imageVector＆＃34;并为每个线程额外约。结果将是160 GB（用于斑点检测的小开销以及存储检测到的斑点的小图像）。而是内存使用量爆炸，因为每个线程占用额外的3.6 GB（+额外开销），Windows停止响应。

因为我是C ++的新手 - 编码器我可能错过了一些明显的东西，但是我看到了预期的行为吗？更重要的是，有没有办法避免每个线程的整个imageVector倍增？

NB！由于我想要分析的图像是从大量较小的图像重建的，因此无法一次只读取一个图像而没有大的磁盘I / O开销。

NB！尽管减少允许的线程数量将解决Windows崩溃的问题，但由于CPU资源无法正常使用，因此无法接受解决方案。

并发parallel_for使用太多内存

0 个答案: