用于 Canny 的 OpenCL 内核

OpenCL Kernel for Canny

我正在尝试以非常简单和简单的方式使用 OpenCL 内核 实现 Canny Edge Detection

我正在使用原始 SobelFilter 内核来执行非最大抑制和阈值处理等步骤。

但我对达到像素并用以下方法对它们进行数学计算感到迷茫:

__kernel void sobel_filter(__global uchar4* inputImage, __global uchar4* outputImage)

你能给我一些想法或给我一些简单的例子来实现这个目标吗?我们将不胜感激。 问候。

Sobel 滤波器在内核执行中固有地可分为 X 和 Y 维度。因此可以在同一个内核循环中仅扫描 X 维度或仅扫描 Y 维度或同时扫描两者以实现边缘特征检测。

在此处使用用户 azer89 的解决方案:Image Processing - Implementing Sobel Filter

我准备了这个内核:

__kernel void postProcess(__global uchar * input, __global uchar * output)
{
    int resultImgSize=1024;
    int pixelX=get_global_id(0)%resultImgSize; // 1-D id list to 2D workitems(each process a single pixel)
    int pixelY=get_global_id(0)/resultImgSize;
    int imgW=resultImgSize;
    int imgH=resultImgSize;


    float kernelx[3][3] = {{-1, 0, 1}, 
                           {-2, 0, 2}, 
                           {-1, 0, 1}};
    float kernely[3][3] = {{-1, -2, -1}, 
                           {0,  0,  0}, 
                           {1,  2,  1}};

    // also colors are separable
    int magXr=0,magYr=0; // red
    int magXg=0,magYg=0;
    int magXb=0,magYb=0;

    // Sobel filter
    // this conditional leaves 10-pixel-wide edges out of processing
    if( (pixelX<imgW-10) && (pixelY<imgH-10) && (pixelX>10) && (pixelY>10) )
    { 
        for(int a = 0; a < 3; a++)
        {
            for(int b = 0; b < 3; b++)
            {            
                int xn = pixelX + a - 1;
                int yn = pixelY + b - 1;

                int index = xn + yn * resultImgSize;
                magXr += input[index*4] * kernelx[a][b];
                magXg += input[index*4+1] * kernelx[a][b];
                magXb += input[index*4+2] * kernelx[a][b];
                magYr += input[index*4] * kernely[a][b];
                magYg += input[index*4+1] * kernely[a][b];
                magYb += input[index*4+2] * kernely[a][b];
            }
         }
    }

    // magnitude of x+y vector
    output[(pixelX+pixelY*resultImgSize)*4]  =sqrt((float)(magXr*magXr + magYr*magYr)) ;
    output[(pixelX+pixelY*resultImgSize)*4+1]=sqrt((float)(magXg*magXg + magYg*magYg)) ;
    output[(pixelX+pixelY*resultImgSize)*4+2]=sqrt((float)(magXb*magXb + magYb*magYb)) ;
    output[(pixelX+pixelY*resultImgSize)*4+3]=255;

}

索引在这里乘以 4 因为它们被解释为 uchar 数组作为内核参数。 uchar 在 OpenCL 中是一个单字节(至少对于我的系统而言)。

这是一个视频:


索贝尔滤波器示例

如果它也适合你,你应该接受azer89的解决方案。但这不是很优化,对于低端 GPU 可能需要 1-2 毫秒,对于 1024x1024 图像只有 CPU 甚至更多。使用字节数组(C# 语言)将图像数据发送到 OpenCL 缓冲区(不是图像缓冲区),内核启动选项为:

  • 全局范围 = 1024*1024(每个像素处理 1 个线程)
  • 本地范围= 256(这个不重要)
  • 缓冲区副本大小 1024*1024*4(rgba 格式的字节数)

这里的 kernelx 和 kernely 2D 数组也是 float,因此使它们 char 可以使其更快。如果结果看起来比预期的更丰富多彩,您也可以检查结果(钳位、划分、...)。主机端 representation/interpretation 对于处理颜色下溢和上溢也很重要。

ARM 计算库有精明的实现 Canny CL kernel