C++ C+中的多线程图像处理+；

我正在做一个程序，它可以处理不同大小的图像。其中许多操作从输入读取像素数据并写入单独的输出（例如模糊）。这是在每像素的基础上完成的

这样的图像映射对CPU来说压力很大。我想使用多线程来加快速度。我该怎么做？我在考虑每行像素创建一个线程

我有几个要求：

• 可执行文件的大小必须最小化。换句话说，我不能使用大量的库。C/C++最轻量、可移植的线程库是什么
• 可执行文件的大小必须最小化。我想用一个函数forEachRow（fp*）为每一行运行一个线程，甚至是一个forEachPixel（fp*），其中fp在它自己的线程中对单个像素进行操作。哪一个最好？
  • 我应该使用正规函数、函子、函数体、lambda函数还是。。。还有别的吗
  • 某些操作使用优化，需要来自先前处理的像素的信息。这使得forEachRow很有利。即使考虑到这一点，使用forEachPixel会更好吗
• 是否需要锁定只读和只读数组？
  • 仅从读取输入，但许多操作需要从阵列中的多个像素输入
  • 输出每像素仅写入一次
• 当然，速度也很重要，但优化可执行文件大小优先

谢谢

---

关于这个主题的更多信息供好奇者参考：

我推荐

boost:：thread

和

boost:：gil

（通用图像库）。因为涉及到很多模板，我不确定代码大小是否仍然适合您。但是它是boost的一部分，所以可能值得一看。

我认为您不希望每行有一个线程。可能会有很多行，您将花费大量内存/CPU资源来启动/销毁线程，让CPU从一个线程切换到另一个线程。此外，如果您有使用C内核的P处理器，那么使用C*P线程可能不会有太多的收益

我建议您使用定义数量的客户端线程，例如N个线程，并使用应用程序的主线程将行分配给每个线程，或者它们可以简单地从“作业队列”获取指令。当一个线程处理完一行后，它可以在这个队列中签入另一行

---

至于库，您可以使用boost:：thread，它非常轻便，也不太重。

每像素行一个线程是疯狂的，最好有大约n-1到2n个线程（对于n个cpu），并使每个循环获取一个作业单元（可能是一行或其他类型的分区）

---

在类似unix的平台上，使用pthreads，它简单且轻量级。

我可以问一下您是为哪个平台编写的吗？我猜这是因为可执行文件的大小是一个问题，而不是桌面计算机上的目标。在哪种情况下，平台具有多核或超线程？如果没有，那么在应用程序中添加线程可能会产生相反的效果，并使其速度减慢…

这是一种左撇子的想法

你在什么系统上运行这个？你想过在你的电脑上使用GPU吗

---

Nvidia有这方面的API

也许可以编写自己的微型库，为每个平台使用

\ifdef

实现一些标准线程功能？实际上没有太多，这将比您可以使用的任何库更大程度地减少可执行文件的大小

更新：对于工作分配-将您的图像分割成若干部分，并为每个线程分配一部分。这样，当这件作品完成时，它就完成了。通过这种方式，您可以避免实现会进一步增加可执行文件大小的作业队列。

如果您的编译器支持（我知道，gcc也支持），那么这样做会更容易

你不只是想制造大量的线程——当你开始获得越来越多的上下文切换时，增加新线程会降低回报。在某些情况下，使用太多线程实际上会使并行版本比仅使用线性算法更慢。线程的最佳数量是可用CPU/内核数量的函数，以及每个线程在I/O之类的事情上花费阻塞时间的百分比。请看Herb Sutter关于并行性能提高的一些讨论

OpenMP允许您轻松地根据可用CPU的数量调整创建的线程数量。使用它（特别是在数据处理案例中）通常只需要在现有代码中加入一些

#pragma omp

，并让编译器处理创建线程和同步

一般来说，只要数据不变，就不必锁定只读数据。如果可以确保每个像素槽只写入一次，并且可以保证在开始读取结果之前，所有写入操作都已完成，则也不必锁定

对于OpenMP，不需要对函子/函数对象执行任何特殊操作。以你认为最有意义的方式写下来。以下是来自（将rgb转换为灰度）的图像处理示例：

#pragma omp parallel for
对于（i=0；i

---

这会自动拆分为CPU数量相同的线程，并将阵列的一部分分配给每个线程。

还有另一个使用汇编进行优化的选项。现在，一个激动人心的动态代码生成项目是（它可以追溯到很久以前，是原始项目的站点）。它由尼克·卡彭斯（Nick Capens）开发，并发展成为现在的commerci

#pragma omp parallel for
for (i=0; i < numPixels; i++)
{
   pGrayScaleBitmap[i] = (unsigned BYTE)
       (pRGBBitmap[i].red * 0.299 +
        pRGBBitmap[i].green * 0.587 +
        pRGBBitmap[i].blue * 0.114);
}

* pthread_create, pthread_detach.
* pthread_mutexattr_init, pthread_mutexattr_settype, pthread_mutex_init,
* pthread_mutexattr_destroy, pthread_mutex_destroy, pthread_mutex_lock,
* pthread_mutex_trylock, pthread_mutex_unlock, pthread_mutex_timedlock.
* sem_init, sem_destroy, sem_post, sem_wait, sem_trywait, sem_timedwait.

/*ThreadA:*/ while(1){  mutex.lock();  printf("a\n");  usleep(100000); mutex.unlock(); }
/*ThreadB:*/ while(1){  mutex.lock();  printf("b\n");  usleep(100000); mutex.unlock(); }

#pragma omp parallel for 
for (i=0; i < numPixels; i++) 
{ ...} 

parallel_for(0,numPixels,1,ToGrayScale());

parallel_for(0,numPixels,1,[&](int i)
{  
   pGrayScaleBitmap[i] = (unsigned BYTE)  
       (pRGBBitmap[i].red * 0.299 +  
        pRGBBitmap[i].green * 0.587 +  
        pRGBBitmap[i].blue * 0.114);  
});