使用CUDA C的二维矩阵积分图像或求和面积表

我试图计算一个二维矩阵的求和面积表，其中行数和列数不相等。我遇到了一个小问题，当行和列相等时，我的代码似乎运行正常，但当行和列不相等时，它无法计算最终输出的最后一行。问题是我不明白为什么会这样

积分图像/总面积表的基本算法： 基本上，在一个整数和中，每个像素或索引元素计算它上面和后面的所有矩阵元素的和。例如，对于具有以下元素的3x2输入数组：

 [5, 2|
 |5, 2|  
 |5, 2] 

输出数组中的整数和如下所示：

 [5,   7|
 |10, 14|  
 |15, 21] 

基本上，以下是我在CUDA C中尝试做的事情：

for(int matrixElement_y_index=0; matrixElement_y_index<=total_rows-1; matrixElement_y_index++)
{
    //matrixElement_x_index and matrixElement_y_index represent (x,y) indices of each matrix element
    for(int matrixElement_x_index=0; matrixElement_x_index<=total_columns-1; matrixElement_x_index++)
    {
        int temp=0; 

        for(int r=0;r<=(matrixElement_y_index);r++)
        {
            for(int c=0; c<=matrixElement_x_index;c++)
            {
                temp=temp+input[c][r];
            }
        }

        output[matrixElement_y_index][matrixElement_x_index]=temp;
    }
}

---

for（int matrixElement_y_index=0；matrixElement_y_index您的主要问题是错误的内存使用和存储。您的代码还损坏了堆！
我使用行主顺序重新更改了代码，这是c/c++中通常使用的方法

第一个错误发生在您将输入写入主机内存
矩阵a[r*M+c]
时。因为r范围是从
0..M（3）
开始的，而c范围是从
0..N（2）
开始的，最大索引是
2*3+1=7
。但是您的矩阵只有6个元素-最大索引是5！因此我重新更改了所有矩阵访问

有了这些更改，我也必须适应您的网格设置。现在它是
dim3网格（N，M）；

如果您不确定变量表示什么或如何使用它，请使用好的表示名称，就像您在c参考代码中所做的那样

有了这些变化，你的代码就可以为我工作了。请注意，矩阵的输入方式也发生了变化

以上更改的完整代码：
核函数：

__global__ void image_integral(int *a, int*b, int rowsTotal,int colsTotal)
{
    // Thread Ids equal to block Ids because the each blocks contains one thread only.
    int col = blockIdx.x;
    int row = blockIdx.y;
    int temp=0;

    if(col < colsTotal && row < rowsTotal)
    {
        // The first loop iterates from zero to the Y index of the thread which represents the corresponding element of the output/input array.  
        for(int r=0;r<=row;r++)
        {
            // The second loop iterates from zero to the X index of the thread which represents the corresponding element of the output/input array  
            for(int c=0; c<=col; c++)
            {
                temp = temp+a[r*colsTotal+c];
            }
        }
    }

    //Transfer the final result to the output array
    b[row*colsTotal+col]=temp;
}

\uuuuu全局\uuuuu无效图像\u积分（int*a，int*b，int-rowsTotal，int-colsTotal）
{
//线程ID等于块ID，因为每个块只包含一个线程。
int col=blockIdx.x；
int row=blockIdx.y；
内部温度=0；
if（列对于（intr=0；rTanks！基本错误，但仍然是那些让我头痛的错误。将此代码用于更大的矩阵（525 × 394）比串行实现（0.80 vs 0.002）慢，甚至更大（7680 × 4320）需要很多时间，而且永远不会结束。所有这些都发生在泰坦X上。
__global__ void image_integral(int *a, int*b, int rowsTotal,int colsTotal)
{
    // Thread Ids equal to block Ids because the each blocks contains one thread only.
    int col = blockIdx.x;
    int row = blockIdx.y;
    int temp=0;

    if(col < colsTotal && row < rowsTotal)
    {
        // The first loop iterates from zero to the Y index of the thread which represents the corresponding element of the output/input array.  
        for(int r=0;r<=row;r++)
        {
            // The second loop iterates from zero to the X index of the thread which represents the corresponding element of the output/input array  
            for(int c=0; c<=col; c++)
            {
                temp = temp+a[r*colsTotal+c];
            }
        }
    }

    //Transfer the final result to the output array
    b[row*colsTotal+col]=temp;
}

void main()
{
    //M is number of rows
    //N is number of columns

    int M=3,N=2, m_e=0;
    int total_e=M*N;
    int widthstep=total_e*sizeof(int);

    int * matrix_a= (int *)malloc(widthstep);
    int * matrix_b= (int *)malloc(widthstep);

    cout<<"Enter elements for "<< M<<"x"<<N<<" matrix";

    for(int r=0;r<M;r++)
    {
        for(int c=0; c<N;c++)
        {
            cout<<"Enter Matrix element [ "<<r<<","<<c<<"]";
            cin>>m_e;
            matrix_a[r*N+c]=m_e;
            matrix_b[r*N+c]=0;
        }
    }

    int * d_matrix_a, * d_matrix_b;

    cout<<"Input:"<<endl;

    for(int r=0;r<M;r++)
    {
        for(int c=0; c<N;c++)
        {
            cout << matrix_a[r*N+c]<<" ";
        }
        cout << endl;
    }

    cout<<endl;

    cudaMalloc(&d_matrix_a,widthstep);
    cudaMalloc(&d_matrix_b,widthstep);

    cudaMemcpy(d_matrix_a,matrix_a,widthstep,cudaMemcpyHostToDevice);
    cudaMemcpy(d_matrix_b,matrix_b,widthstep,cudaMemcpyHostToDevice);

    //Creating a grid where the number of blocks are equal to the number of pixels or input matrix elements.

    //Each block contains only one thread.

    dim3 grid(N,M);

    image_integral<<<grid,1>>>(d_matrix_a, d_matrix_b,M,N);

    cudaThreadSynchronize();

    cudaMemcpy(matrix_b,d_matrix_b,widthstep,cudaMemcpyDeviceToHost);

    cout<<"The Summed Area table is: "<<endl;

    for(int r=0;r<M;r++)
    {
        for(int c=0; c<N;c++)
        {
            cout << matrix_b[r*N+c]<<" ";
        }
        cout << endl;
    }

    system("pause");

    cudaFree(d_matrix_a);
    cudaFree(d_matrix_b);
    free(matrix_a);
    free(matrix_b);
}