我已经在Matlab中编写了一些图像处理代码我想加快使用并行处理。我选择了花费时间最长的任务:将高斯模糊应用于图像。在文件交换的帮助下,我已经比imfilter()获得了更快的高斯模糊。但是,它仍然不会放大。这里是我的测试代码:使用parfor正确并行化
clear all
clc
image_paths = dir('C:\pics\Baustahl\3Bleche(3)\*.png');
image_paths = sort({image_paths.name});
count = 600;
Img = cell(1, count);
Mean = cell(1, count);
for i = 1:count
Img{i} = imread(['C:\pics\Baustahl\3Bleche(3)\ ' image_paths{i}]);
Img{i} = Img{i}(:,:,1);
Img{i} = single(Img{i})./255;
end
clear vars bilder
fprintf(1, 'Starting processing....\n');
starttime = tic;
parfor (i = 1:count, 4)
Mean{i} = imgaussian(Img{i}, 25, 81);
end
elapsedtime = toc(starttime);
fprintf(1, 'Finished processing. (%d Files in %.1fs, %.1f files/second)\n', count, elapsedtime, count/elapsedtime);
fprintf(1, '\n');
clear vars Img Mean
我的系统有一个Q6600和4GB的RAM(这是足够了),如果我限制MATLAB一个核心,我得到:
成品加工。 (600个文件中12.0S,49.8文件/秒)
两个核心:
完成处理。 (600个文件中7.5S,80.3文件/秒)
使用所有四个核心,我得到以下几点:
成品加工。 (600个5.7s文件,104.7个文件/秒)
这是一个加速两倍,但性能应该四倍。每次迭代都独立于其他,因此这非常适合并行处理。 它为什么如此糟糕?
事情我已经尝试:
- 我安装的OpenCV和EmguCV包装为C#。使用标准的for-loop我使用Parallel.ForEach()获得〜52个文件/秒,我得到〜200个文件/秒。 (如我所料)
使用不同数量的文件。不改变文件/秒,如果我选择足够的文件:
20个文件中0.3秒,72.7文件/秒
60个文件中0.6秒,94.3文件/秒
200个文件中1.9s,105.3文件/秒在Matlab中使用正常for-loop不会改变任何内容。显然,它和parfor-loop做了相同数量的并行(自动神奇地)。
- 明确指定它应该使用4个工作线程(见上文) - 什么都不做。 (设置为1时甚至不会降低性能)
这些文件大约是。 640x480灰度并具有相似的内容。
有什么想法?
我刚刚尝试过(不包括来自课程时间的matlabpool调用),它获得_lowlow_大约56 fps。 – 2013-05-10 16:21:21