将OpenCL映像转换为pyOpenCL数组或numpy ndarray

我正试图使用Python和PyOpenCL为我在网上找到的代码中的图像实现一个高斯滤波器。我的原始图像是numpy阵列，但我不知道应该使用哪一个来将图像传递到GPU

最初，内核接收OpenCL图像作为输入。这工作正常，内核运行正常，但是，我还没有找到将GPU计算（也是OpenCL图像）的输出转换为numpy数组的方法。这是必需的，因为在运行GPU过滤器之后，我将不得不执行其他计算

我尝试使用pyOpenCL阵列，但在这种情况下有两个问题：

不知道如何告诉内核输入将是一个数组，因为它是一个pyOpenCL数据结构，而不是OpenCL数据结构

在pyOpenCL数组上找不到与read_imagef等效的函数，我在内核中使用该函数

无法将GPU结果复制回主机。我会一直得到一个“

cl\u数组”

没有模块get（）”错误

我想知道：

有没有一种方法可以告诉内核它将接收一个数组，就像我用

image2d\t

说输入是一个图像一样

对于pyOpenCL数组，我可以使用什么作为OpenCL的

read\u imagef

的等价物

先谢谢你。内核代码如下：

内核：

__kernel void gaussian(__read_only image2d_t inputImage,
                        __read_only image2d_t filterImage,
                        __write_only image2d_t outputImage,
                        const int nInWidth,
                        const int nFilterWidth){

const sampler_t sampler = CLK_NORMALIZED_COORDS_FALSE | CLK_ADDRESS_CLAMP_TO_EDGE | CLK_FILTER_NEAREST;

const int xOut = get_global_id(0);
const int yOut = get_global_id(1);

float4 sum = (float4)(0.0, 0.0, 0.0, 1.0);

for(int r = 0; r < nFilterWidth; r++){
    for(int c = 0; c < nFilterWidth; c++){

        int2 location = (xOut + r, yOut + c);

        float4 filterVal = read_imagef(filterImage, sampler, location);
        float4 inputVal = read_imagef(inputImage, sampler, location);

        sum.x += filterVal.x * inputVal.x;
        sum.y += filterVal.y * inputVal.y;
        sum.z += filterVal.z * inputVal.z;
        sum.w = 1.0;
    }
}

int2 outLocation = (xOut, yOut);
write_imagef(outputImage, outLocation, sum);
}

\uuuuu内核无效高斯（\uuuu只读图像2d\u t输入图像，
__只读图像2D\t过滤器图像，
__仅写入图像2D输出图像，
const int nInWidth，
常量（整型过滤器宽度）{
常量采样器\u t采样器=CLK\u规范化\u坐标\u假| CLK\u地址\u钳位\u到边| CLK\u过滤器\u最近；
const int xOut=get\u global\u id（0）；
const int yOut=get_global_id（1）；
浮动4总和=（浮动4）（0.0,0.0,0.0,1.0）；
for（int r=0；r

这是一个复杂的问题，因为我有同样的问题，所以我想尝试详细回答。让我们把你的问题分解成更小的部分，看看发生了什么

数据类型

您似乎混淆了一些相互关联的数据类型。OpenCL本身使用图像或数组，pyopenCL数组映射到OpenCL中的数组，pyopenCL图像映射到OpenCL图像也是如此。在某些特殊情况下，混合使用这两种方法会奏效，但总的来说，这不是一个好主意

数据访问

OpenCL中的图像需要一个采样器来读取。在python中，可以通过简单的坐标访问来访问数组。（有关我在那里遇到的问题，请参阅或获取更多信息…）

移动

---

使用pyopencl在OpenCL中移动的所有东西都有自己的复制功能。因此，要将映像或数组从设备移动到主机，请确保将相应的复制函数排入上下文中的队列。

pyopencl.array的底层OpenCl数据结构是所谓的缓冲区。可以通过数组的

base\u data

属性检索缓冲区对象（请参阅）。缓冲区可以在内核调用中传递，但是必须调整内核以处理缓冲区而不是图像（将内核参数类型更改为

\u global float*inputImage

等，访问元素，如在常规多维数组索引中）

无论如何，PyOpenCL数组类被设计为使用numpy风格编写代码，这些代码将在设备上执行。这不再需要您自己编写任何内核代码。相反，您可以这样做：

import pyopencl as cl
input_array = cl.array.to_device(queue, input_numpy_array)
filter_array = cl.array.to_device(queue, filter_numpy_array)
output_array = cl.array.zeros_like(input_array)
# half height and half width of filter
fhh, fhw = filter_array.shape[0] // 2, filter_array.shape[1] // 2
for y in range(input_array.shape[0]):
    for x in range(input_array.shape[1]):
            patch = input_array[y-fhh:y+fhh+1, x-fhw:x+fhw+1]
        sum = cl.array.sum(patch * filter_array)
        output_array[y, x] = sum
output_numpy_array = output_array.get()

注意，我假设使用单通道（灰色）图像。此外，我没有测试上面的代码，但我认为实现效率非常低。不包括边缘处理

<强>最后，使用PyopCl数组，考虑内核，应该考虑<强>不<强>。从numpy数组中创建

pyopencl.Image

对象，并在内核调用中传递它们。这样，您就不必修改内核