Image processing 提高OpenCL图像处理速度

我认为我的内核执行时间太长了。它的工作就是用加法、减法、除法或乘法将两幅图像混合在一起

#define SETUP_KERNEL(name, operator)\
 __kernel void name(__read_only image2d_t image1,\
                        __read_only image2d_t image2,\
                       __write_only image2d_t output,\
                       const sampler_t sampler1,\
                       const sampler_t sampler2,\
                       float opacity)\
{\
    int2 xy = (int2) (get_global_id(0), get_global_id(1));\
    float2 normalizedCoords = convert_float2(xy) / (float2) (get_image_width(output), get_image_height(output));\
    float4 pixel1 = read_imagef(image1, sampler1, normalizedCoords);\
    float4 pixel2 = read_imagef(image2, sampler2, normalizedCoords);\
    write_imagef(output, xy, (pixel1 * opacity) operator pixel2);\
}

SETUP_KERNEL(div, /)
SETUP_KERNEL(add, +)
SETUP_KERNEL(mult, *)
SETUP_KERNEL(sub, -)

如您所见，我使用宏来快速定义不同的内核。（我应该更好地使用函数吗？） 不知怎的，内核在GTX970上运行了3ms。 如何提高这个特定内核的性能？

---

我应该把它分成不同的项目吗？

分工通常很昂贵 我建议将

normalizedCoords

的计算移到主机端

在主机端：

float normalized_x[output_width]; // initialize with [0..output_width-1]/output_width
float normalized_y[output_height]; // initialize with [0..output_height-1]/output_height

将内核更改为：

#define SETUP_KERNEL(name, operator)\
 __kernel void name(__read_only image2d_t image1,\
                        __read_only image2d_t image2,\
                       __write_only image2d_t output,\
                       global float *normalized_x, \
                       global float *normalized_y, \
                       const sampler_t sampler1,\
                       const sampler_t sampler2,\
                       float opacity)\
{\
    int2 xy = (int2) (get_global_id(0), get_global_id(1));\
    float2 normalizedCoords = (float2) (normalized_x[xy.x],normalized_y[xy.y] );\
    float4 pixel1 = read_imagef(image1, sampler1, normalizedCoords);\
    float4 pixel2 = read_imagef(image2, sampler2, normalizedCoords);\
    write_imagef(output, xy, (pixel1 * opacity) operator pixel2);\
}

您也可以尝试使用相同的技术不使用标准化的cooardinates。

---

如果输入图像的大小不经常改变，这将更加有益。

双线性插值比最近邻法慢2-3倍。您确定没有在opengl中使用最近邻吗

它在后台（通过采样器）所做的工作如下：

R1 = ((x2 – x)/(x2 – x1))*Q11 + ((x – x1)/(x2 – x1))*Q21

R2 = ((x2 – x)/(x2 – x1))*Q12 + ((x – x1)/(x2 – x1))*Q22

After the two R values are calculated, the value of P can finally be calculated by a weighted average of R1 and R2.

P = ((y2 – y)/(y2 – y1))*R1 + ((y – y1)/(y2 – y1))*R2

The calculation will have to be repeated for the red, green, blue, and optionally the alpha component of.

---

或者它只是Nvidia实现的opengl快速路径和opencl图像访问的完整路径。例如，对于amd，图像写入是完整路径，小于32位的数据访问是完整路径，图像读取是快速路径

---

---

另一种选择：Z顺序更适合计算这些图像数据的散度，opencl的非Z顺序（可疑，可能不是）更差。

图像的大小是多少？2048 x 2048像素。这是opengl opencl共享图像吗？未从主机复制或复制？没有共享映像。它只是上传到gpu，但我在内核执行之前就这样做了。内核是通过EnqueuenRangeKernelis执行的。3ms计时仅用于内核或包含复制？是的，线性采样是一个问题。我的内核计算现在花费的时间更少了。不调用finish（）也有助于lot@DaOnlyOwner对于像素数据计算的散度，它也可以是Z阶与线性1-d阶或平方2-d阶。但仅当数据具有非规范化结果时。