[OpenCL] 读取一张jpg图像，将其crop裁剪操作，并做耗时统计。

原创 已于 2024-07-08 15:48:32 修改 · 419 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#opencv #c++ #gpu算力 #图像处理
于 2024-07-08 14:29:50 首次发布

本文示例为利用opencv读取一张jpg图像，并且利用gpu-opencl对其进行crop裁剪操作，并将结果保存到jpg。

代码如下：

首先读取和保存图像接口：

1.data_io.h

 
#ifdef APPLE        //平台相关代码
#include <OpenCL/cl.h>
#else
#include <CL/cl.h>
#endif
 
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>
 
cl_int Load_image_by_opencv(const std::string &filename,cl_mem *imageObjects,cl_context context,int &img_h,int &img_w);
 
void Save_pic_by_opencv(const std::string &filename,unsigned char  *rd,int &img_h,int &img_w);

2.data_io.cpp

#include "data_io.h"
 
cl_int Load_image_by_opencv(const std::string &filename,cl_mem *imageObjects,cl_context context,int &img_h,int &img_w)
{
    //3.加载图像
    cl_int errNum;
    src_Image = cv::imread(filename);
    img_h = src_Image.rows;
    img_w = src_Image.cols;
    u_char *rd=src_Image.data;
    imageObjects[0] = clCreateBuffer(context, CL_MEM_READ_ONLY | CL_MEM_COPY_HOST_PTR, 
                                    sizeof(u_char)*3*img_h*img_w, rd, &errNum);                
 
    return errNum;
}
 
void Save_pic_by_opencv(const std::string &filename,unsigned char  *rd,int &img_h,int &img_w)
{
   cv::Mat src_Image =cv::Mat(img_h, img_w, CV_8UC3, (void*)rd);
   cv::Mat dst_Image(img_h, img_w, CV_8UC3);
   cv::cvtColor(src_Image, dst_Image,cv::COLOR_RGB2BGR);
   cv::imwrite(filename, dst_Image);
 
}

其次，主函数：

3.main.cpp

#include <iostream>
#include <fstream>
#include <sstream>


#ifdef APPLE        //平台相关代码
#include <OpenCL/cl.h>
#else
#include <CL/cl.h>
#endif

#include "data_io.h"



//在第一个平台中创建只包括GPU的上下文
cl_context CreateContext()
{
    cl_int errNum;
    cl_uint numPlatforms;
    cl_platform_id firstPlatformId;
    cl_context context = NULL;
    
    // 选择第一个平台
    errNum = clGetPlatformIDs(1, &firstPlatformId, &numPlatforms);
    if (errNum != CL_SUCCESS || numPlatforms <= 0)
    {
        std::cerr << "Failed to find any OpenCL platforms." << std::endl;
        return NULL;
    }
 
    //cout<<"numPlatforms="<<numPlatforms<<endl; 1

    // 接下来尝试通过GPU设备建立上下文
    cl_context_properties contextProperties[] =
    {
        CL_CONTEXT_PLATFORM,
        (cl_context_properties)firstPlatformId,
        0
    };
    context = clCreateContextFromType(contextProperties, CL_DEVICE_TYPE_GPU,
                                      NULL, NULL, &errNum);

    

    if (errNum != CL_SUCCESS)
    {
        std::cout << "Could not create GPU context, trying CPU..." << std::endl;
        context = clCreateContextFromType(contextProperties, CL_DEVICE_TYPE_CPU,
                                          NULL, NULL, &errNum);
        if (errNum != CL_SUCCESS)
        {
            std::cerr << "Failed to create an OpenCL GPU or CPU context." << std::endl;
            return NULL;
        }
    }
 
    return context;
}


//在第一个设备上创建命令队列
cl_command_queue CreateCommandQueue(cl_context context, cl_device_id *device)
{
    cl_int errNum;
    cl_device_id *devices;
    cl_command_queue commandQueue = NULL;
    size_t deviceBufferSize = -1;
 
    // 首先获得设备的信息
    errNum = clGetContextInfo(context, CL_CONTEXT_DEVICES, 0, NULL, &deviceBufferSize);
    if (errNum != CL_SUCCESS)
    {
        std::cerr << "Failed call to clGetContextInfo(...,GL_CONTEXT_DEVICES,...)";
        return NULL;
    }
 
    if (deviceBufferSize <= 0)
    {
        std::cerr << "No devices available.";
        return NULL;
    }
 
    //为设备分配内存
    devices = new cl_device_id[deviceBufferSize / sizeof(cl_device_id)];
    errNum = clGetContextInfo(context, CL_CONTEXT_DEVICES, deviceBufferSize, devices, NULL);
    if (errNum != CL_SUCCESS)
    {
        std::cerr << "Failed to get device IDs";
        return NULL;
    }
 
    // 选择第一个设备并为其创建命令队列
    commandQueue = clCreateCommandQueue(context, devices[0], CL_QUEUE_PROFILING_ENABLE, NULL);
    //commandQueue = clCreateCommandQueue(context, devices[0], 0, NULL);
    if (commandQueue == NULL)
    {
        std::cerr << "Failed to create commandQueue for device 0";
        return NULL;
    }
    
    //释放信息
    *device = devices[0];
    delete [] devices;
    return commandQueue;
}
 

 //  创建OpenCL程序对象
cl_program CreateProgram(cl_context context, cl_device_id device, const char* fileName)
{
    cl_int errNum;
    cl_program program;
 
    std::ifstream kernelFile(fileName, std::ios::in);
    if (!kernelFile.is_open())
    {
        std::cerr << "Failed to open file for reading: " << fileName << std::endl;
        return NULL;
    }
 
    std::ostringstream oss;
    oss << kernelFile.rdbuf();
 
    std::string srcStdStr = oss.str();
    const char *srcStr = srcStdStr.c_str();
    program = clCreateProgramWithSource(context, 1,
                                        (const char**)&srcStr,
                                        NULL, NULL);
    if (program == NULL)
    {
        std::cerr << "Failed to create CL program from source." << std::endl;
        return NULL;
    }
 
    errNum = clBuildProgram(program, 0, NULL, NULL, NULL, NULL);
    if (errNum != CL_SUCCESS)
    {
        // 输出错误信息
        char buildLog[16384];
        clGetProgramBuildInfo(program, device, CL_PROGRAM_BUILD_LOG,
                              sizeof(buildLog), buildLog, NULL);
 
        std::cerr << "Error in kernel: " << std::endl;
        std::cerr << buildLog;
        clReleaseProgram(program);
        return NULL;
    }
 
    return program;
}


//获取最接近的倍数
size_t RoundUp(int groupSize, int globalSize)
{
    int r = globalSize % groupSize;
    if(r == 0)
    {
         return globalSize;
    }
    else
    {
         return globalSize + groupSize - r;
    }
}


//清除资源
void Cleanup(cl_context context, cl_command_queue commandQueue,
             cl_program program, cl_kernel kernel, cl_mem imageObjects[2])
{
    for (int i = 0; i < 2; i++)
    {
        if (imageObjects[i] != 0)
            clReleaseMemObject(imageObjects[i]);
    }
    if (commandQueue != 0)
        clReleaseCommandQueue(commandQueue);
 
    if (kernel != 0)
        clReleaseKernel(kernel);
 
    if (program != 0)
        clReleaseProgram(program);
    

    if (context != 0)
        clReleaseContext(context);
 
}

int main()
{
    
 

    //initial varibles
    cl_int errNum=0;
    cl_device_id device = 0;
    cl_context context = 0;
    cl_program program = 0;
    cl_kernel kernel = 0;
    cl_command_queue commandQueue = 0;
    cl_sampler sampler = 0;
    cl_mem imageObjects[2] = { 0, 0 };
    
    int img_w = 3840;
    int img_h = 2176; 

    size_t read_size=img_w*img_h*3;

    size_t g_w=0;
    size_t g_h=0;
    
    std::string input_file,output_jpgfile;
    char *kernel_file=new char [100];
    char *kernel_name=new char [100];
   

    int s_x=0;
    int s_y=0;
    int new_w=1920;
    int new_h=1088;
   
    input_file="../data/dst1.jpg";
    output_jpgfile="../data/03dst_crop.jpg";
    strcpy(kernel_file,"crop.cl");
    strcpy(kernel_name,"kernel_crop");
   
     // 1.选择platform,创建contex上下文
    context = CreateContext();
    if (context == NULL)
    {
        std::cerr << "Failed to create OpenCL context." << std::endl;
        return 1;
    }
    
    
    // 2.创建命令队列
    commandQueue = CreateCommandQueue(context, &device);
    if (commandQueue == NULL)
    {
        std::cerr <<"CreateCommandQueue failed"<<std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;
    }
    
    
    // 3. 确保设备支持这种图像格式
    cl_bool imageSupport = CL_FALSE;
    clGetDeviceInfo(device, CL_DEVICE_IMAGE_SUPPORT, sizeof(cl_bool),
                    &imageSupport, NULL);
    if (imageSupport != CL_TRUE)
    {
        std::cerr << "OpenCL device does not support images." << std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        
        return 1;
    }
    
     //4.准备输入数据 
    
    errNum=Load_image_by_opencv(input_file,imageObjects,context,img_h,img_w);
   
    if (errNum != CL_SUCCESS)
    { 
        std::cerr << "Load_image failed." << std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;

    }

    
    // 5.创建输出的图像对象
   
   
      
   
    read_size=sizeof(u_char)*new_h*new_w*3;
    
    
    imageObjects[1] = clCreateBuffer(context, CL_MEM_WRITE_ONLY, 
                                    read_size, NULL, &errNum);
    
     if (errNum != CL_SUCCESS)
    { 
        std::cerr << "create output imageobject failed." << std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;

    }

 
    //6.创建OpenCL-program对象
    
    program = CreateProgram(context, device, kernel_file);
    if (program == NULL)
    {
        std::cerr <<"CreateProgram failed"<<std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;
    }
    
    // 7.创建OpenCL核

    kernel = clCreateKernel(program, kernel_name, NULL);
    
    if (kernel == NULL)
    {
        std::cerr << "Failed to create kernel" << std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;
    }
 
  
    //8. 设定参数
   
    
     errNum = clSetKernelArg(kernel, 0, sizeof(cl_mem), &imageObjects[0]);
     errNum |= clSetKernelArg(kernel, 1, sizeof(cl_int), &img_w);
     errNum |= clSetKernelArg(kernel, 2, sizeof(cl_int), &img_h);
     errNum |= clSetKernelArg(kernel, 3, sizeof(cl_mem), &imageObjects[1]);
     errNum |= clSetKernelArg(kernel, 4, sizeof(cl_int), &s_x);
     errNum |= clSetKernelArg(kernel, 5, sizeof(cl_int), &s_y);
     errNum |= clSetKernelArg(kernel, 6, sizeof(cl_int), &new_w);
     errNum |= clSetKernelArg(kernel, 7, sizeof(cl_int), &new_h);

    
    if (errNum != CL_SUCCESS)
    {
        std::cerr << "Error setting kernel arguments." << std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;
    }
    
    g_w=new_w;
    g_h=new_h;
 
    size_t localWorkSize[2] = { 16, 16 };
    size_t globalWorkSize[2] =  { RoundUp(localWorkSize[0], g_w),
                                  RoundUp(localWorkSize[1], g_h) };
    
    //9.启动内核，内核执行完成后，会将evt置为CL_SUCCESS/CL_COMPLETE
    cl_event evt;
    
    errNum = clEnqueueNDRangeKernel(commandQueue, kernel,  
                               2, 0, globalWorkSize, localWorkSize, 
                               0, NULL, &evt);  
     if (errNum != CL_SUCCESS)
    {
        std::cerr << "Error clEnqueueNDRangeKernel errNum=." <<errNum<< std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;
    }

    clFinish(commandQueue);
    clWaitForEvents(1, &evt);   //等待命令事件发生
    
    cl_ulong time_start= (cl_ulong)0;
    cl_ulong time_end= (cl_ulong)0;
    double total_time;
    
    clGetEventProfilingInfo(evt, CL_PROFILING_COMMAND_START, sizeof(time_start), &time_start, NULL);
    clGetEventProfilingInfo(evt, CL_PROFILING_COMMAND_END, sizeof(time_end), &time_end, NULL);
    clReleaseEvent(evt);
    

    total_time =(double)( time_end - time_start);
    printf("\nExecution time in milliseconds = %f ms\n", (total_time / 1000000.0) );

    //10.读回数据
      
    u_char *read_data = new u_char [read_size];
    errNum =clEnqueueReadBuffer(commandQueue, imageObjects[1], 
                            CL_TRUE, 
                            0, 
                            read_size, 
                            read_data, 0, NULL, NULL);
    if (errNum != CL_SUCCESS)
    {
        std::cerr << "Error reading result buffer enume." <<errNum<< std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;
    }
     
    if (read_data == NULL)
    {
        std::cerr << "Error reading result buffer null." <<errNum<< std::endl;
        Cleanup(context, commandQueue, program, kernel, imageObjects);
        return 1;
    }
    
    //显示图像
   
    Save_pic_by_opencv(output_jpgfile,read_data,new_h,new_w);
    
    Cleanup(context, commandQueue, program, kernel, imageObjects);
    
    return 0;
}

4.crop.cl

__kernel void kernel_crop(__global unsigned char * inputdata, 
                            int input_w, int input_h,
                            __global unsigned char * outdata,
                            int s_x, int s_y,int crop_w,int crop_h){

        int x = get_global_id(0);
        int y = get_global_id(1);  
 
        int index = (s_y+y) * input_w + x+s_x;
        int new_index = y * crop_w + x;

        outdata[new_index*3]=inputdata[index*3];
        outdata[new_index*3+1]=inputdata[index*3+1];
        outdata[new_index*3+2]=inputdata[index*3+2];
    
    
}

5.Makefile

demo : main.cpp data_io.cpp
	g++ `pkg-config opencv4 --cflags` main.cpp data_io.cpp -o demo `pkg-config opencv4 --libs` -D CL_TARGET_OPENCL_VERSION=100 -lOpenCL

AndreLe
关注
YUV（NV12 NV21等） RGB（16，24，32位） 原始数据（无压缩）的图片和视频查看工具
10-11
可以直接打开 YUV NV21 NV12 YUV420 YUV444 YUV422 RGB16 RGB24 RGB32 RGBA等格式的从内存中直接保存的原始无压缩图片
yuvplayer&nv12
07-04
nv12格式的图片及查看yuv格式的查看器
opencv 读取NV12格式（.yuv)文件，并转为RGB格式保存为JPG
zfjBIT的专栏
05-11 1万+
实测代码如下： #include <iostream> #include <stdio.h> #include <string.h> #include <opencv2/opencv.hpp> using namespace cv; using namespace std; char buff[2000000]; int main() { int width = 1280; int height = 960; int yuvNV12_size =
nv12_to_jpg
wmzjzwlzs的专栏
11-26 1256
#include <unistd.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <fcntl.h> #include <linux/fb.h> #include <sys/mman.h> #include <sys/ioctl.h> #include <getopt.h> #include <drm/
使用OpenCV的OpenCL模块进行加速图像处理
WzisTypescript的博客
09-20 2237
本文将介绍如何使用OpenCV的OpenCL模块来加速图像处理，并提供相应的源代码示例。通过以上代码，我们成功地使用OpenCV的OpenCL模块对图像进行了加速处理。通过利用GPU的并行计算能力，我们可以在图像处理任务中获得更快的速度。当然，这只是OpenCV和OpenCL的基本用法示例，你可以根据具体的图像处理需求进行更复杂的算法实现和优化。接下来，我们将创建一个OpenCL的内核函数。接下来，我们创建了输入和输出的OpenCL缓冲区对象，并使用。参数表示内核函数的全局工作大小，即图像的宽度和高度。
使用ffmpeg实现图像格式转换
qq_21603315的博客
11-01 9364
使用ffmpeg实现图像格式转换
[OpenCL] 利用opencl-buffer，读取一张JPG图像，并转为灰度图。
AndreLe的博客
07-03 448
本文利用opencv读取一张jpg图像，将数据传入opencl-buffer中，使用kernel快速灰度化图像，并且保存输出图像到本地。最后，实际灰度图像的kernel函数。
端侧Android GPU opencl image内存和算子开发
LuchangLi 的专栏
12-13 2304
opencl image内存和算子
yuv转jpg（NV12，NV21）
qq_40403979的博客
04-01 3087
4个Y公用一个U、V，U、V是在Y之后存储的。Y的大小一般是width*height，U、V则在Y后面存储。
使用jpeglib直接把NV12转为jpeg文件的代码
柳鲲鹏
09-12 4567
在网上找了好几套，结果都不对。后来终于找到一套，还缺了一点。于是连蒙带猜，终于保存成功了。吾已将此代码开源到github，会进行维护工作。
浅谈Opencl之Image和Buffer 区别
weixin_42730667的博客
07-21 3009
Opencl 定义了两者不同的内存对象：Image和Buffer，用于管理对全局变量的存取。 Buffer对象 Buffer对象类似于C语言中由malloc申请的数组， 存储的数据对象为连续内存，主要特点： 1：针对的是一维数据。 2：为一片连续内存。 3：支持的数据类型较多，也可以使用自定义的数据结构。 4：支持线性随机读取，可读可写 5：对二维三维数据需要转换成一维，访问...
如何可视化yuv、nv12图片
mmdbhs的博客
08-30 3241
如何可视化yuv图片以及nv12图片
OpenCL 设备上的图像对象和采样器
INFINALGEORGE的博客
04-03 1692
1.设备上的图像对象：image2d_t和image3d_t 当主机将一个图像对象传递到设备上，设备上的内核函数会将它作为一个内核参数来访问。这个参数的数据类型和图像的维度有关。如果接受的是二维图像对象，参数的数据类型就是image2d_t，如果接受的是三维图像对象，参数的数据类型就是image3d_t. 缓存对象参数可以接受__global或__kernel等修饰符来指定在设备上存储缓存对象的位...
OpenCL C++ 图像纹理处理
深之JohnChen的专栏
05-18 853
OpenCL 提供了强大的图像和纹理处理能力，特别适合计算机视觉、图像处理和计算机图形学应用。以下是使用OpenCL C++进行图像纹理处理的详细介绍。
YUV420P、YUV420SP、NV12、NV21和RGB互相转换并存储为JPEG以及PNG图片
热门推荐
handy周
11-24 2万+
YUV420和RGB转换存储为BMP和JPG以及PNG图片
Opencl 图像处理
qq_40553788的博客
06-11 729
上述代码中，我们首先使用libjpeg库读取JPEG图像数据，并将其存储在一个unsigned char类型的数组中。然后，我们使用OpenCL对图像进行处理，最后将处理后的图像数据保存为JPEG格式。在OpenCL部分，我们首先初始化OpenCL环境，然后加载OpenCL内核代码，创建OpenCL内存对象，并将JPEG图像数据复制到OpenCL内存对象中。最后，我们启动内核函数，从OpenCL内存对象中读取处理后的图像数据，并将其保存为JPEG格式。在程序结束时，我们释放OpenCL资源和内存。
GPU并行计算OpenCL(3)——图像处理
小龙虾的博客
02-12 4671
GPU并行计算OpenCL(3)——图像处理 我们这一章来实现一下利用OpenCL完成一个简单的高斯过滤器处理图像，在实现图像处理之前，我们需要了解OpenCL中的图像对象和采样器对象。 图像对象 图像对象就是我们需要处理的图像，但是我们需要将其处理成OpenCL所理解的语言。这里我们可以使用FreeImage库来完成图像数据的处理，大大的减少了我们的工作量。图像对象封装了一个图...
使用libjpeg将NV12保存为JPEG, 效率较高
最新发布
Lj2_jOker的博客
11-18 214
同样的效果，比每行写入YUV0 YUV1 …YUVn，共width * 3个字节的效率要高。
No.6_3 OpenCL 图像采样器——图像旋转（二）
Bob's Blog
03-22 2146
在 Ubuntu 系统环境下，使用 OpenCL 对图像执行旋转操作。
[OpenCL-C++绑定] 读取多张raw图像(NV12格式)，转为jpg图像（rgb格式）,并进行耗时统计。
AndreLe的博客
07-08 609
本文使用opencl的C++绑定，实现了batchsize>1,多路图像输入下，利用GPU-opencl处理图像（NV12转rgb），并输出多张图像为本地jpg文件。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值