C++ 从硬盘读取灰度图像的最快方法

我在GPU（CUDA）上从事图像处理工作。CUDA内核的输入是两个灰度8位图像（

.tif

）。它们必须作为1D阵列（基于0的行主存储）存储在GPU RAM内存中。处理时间约为24毫秒，因此阅读速度对我来说很重要。为了做到这一点，首先我需要将图像从HDD读取到CPU RAM内存（进入1d浮点数组），然后使用

cudamemcpy

将其复制到GPU RAM中。用C++ + HD/P>读取HDD的最快方法是什么？ 我的图像是8位灰度1200x1600（大小1.92MB）。我编写了测试程序，可以读取大约250幅图像并测量时间：

使用matlab（

imread

），读取一幅图像的时间为

5.8ms

。这相当于

~300 Mb/s

，接近我的硬盘的峰值带宽

但是，只要我和CUDA一起工作，我就需要使用C++。我安装了

OpenCV

。不幸的是，我无法用OpenCV将图像直接读取到浮点数组中。将其读入uchar的数组后，我将数据转换为浮点数组：

image = imread(b, 0);
image.convertTo(img_float, CV_32F);
float *d = img_float.ptr<float>(0);

image=imread（b，0）；
图像转换到（img_float，CV_32F）；
float*d=img_float.ptr（0）；

在测试这个实现之后，我得到了更糟糕的结果：

8.8ms

。没有转换，它是

8.2ms

。通常

c++

比Matlab更快。有没有可能用C++实现峰值带宽，就像我用Matlab？

在C++中，我使用了代码>发布X64 < /C>模式，并进行了完全优化。通过

c++

中的函数

clock（）

和matlab中的

tic-toc

测量读取250个不同图像的时间（并将其除以250，以找到每1个图像的时间）

---

谢谢

有几点需要注意。第一：尝试验证您的基准测试是否确实正确。文件系统缓存会影响结果吗？如果是，请尝试使用更大的数据大小。您的基准测试是否测量了您真正想要测量的内容（即，MatLab是否真的将图像转换为浮点）？图像读取是否正确无误

<> P> >你的问题“用C++来读取HDD的最快方法”的直接答案可能是“C++对HDD到RAM的数据传输速度几乎没有影响”。分配所需的内存量，并使用操作系统的本机API读取文件：您将获得最大内存

可能重要的是TIFF图像处理库。尝试了解OpenCV使用什么库来处理TIFF。它是否执行任何不必要的转换为某种中间表示形式，或者只是读取字节块？如果前者为真，请尝试查找另一个库，甚至手动解析TIFF图像（如果没有压缩，解析TIFF也没什么大不了的）。转换为float可能不是瓶颈。OpenCV能够使用多线程（验证是否使用了所有CPU内核）和矢量化（您可以通过查看执行转换的实际代码来检查这一点）。此外，如果需要重复执行这些操作，请避免在循环中分配和释放内存：不要“就地”执行转换，而是使用两个单独的数组（一个用于8位映像，一个用于浮点）

---

p.S.难道不能在GPU中转换图像吗？

这相当于~300 Mb/S，接近我的硬盘的峰值带宽。这超过了硬盘的峰值带宽，但对于SSD来说是合理的。SATA硬盘驱动器的最高速度约为200 MB/s。是的，我有SSD。我用独立软件测试了它，请试一下image=imread（b，-1）；更快（无需更改即可加载图像）请记住，clock（）测量cpu时间，而tic toc似乎测量墙壁时间，因此，如果cv:：imread和.convertTo是多线程的，则在测量中会给它带来缺点！好啊已测试

按原样加载图像

（第二个参数=-1），这没有任何区别。测试了

cv:：imread

的墙壁时间和cpu时间，两者也没有区别。您是否使用

debug

或

release

库？您好，谢谢您的回复。是的，我检查了图像是否正确加载到RAM中。是的，在Matlab中，您可以将图像读入您想要的任何类型的预分配数组中，转换将自动完成。我现在试着自己读一下。我没有找到可以将映像从SSD直接加载到GPU RAM的函数或库。