python - OpenCL 中使用 PyOpenCL 的快速二维直方图

Question

我正在尝试用 Python 在 HSV 图像上做一个二维直方图，但即使使用 numpy 和 opencv 也不够快(我实际上是用视频做的，但考虑每一帧只是一个图像).

我正在寻找最饱和的色相值。目前我有以下代码，工作正常，但速度太慢。

hist, xbins, ybins = np.histogram2d(hsv_channels[0].ravel(), saturation_channel.ravel(), [180,256],[[0,180],[0,256]])

我希望改为使用 PyOpenCL 执行此操作，并将计算推送到 GPU，但除了 OpenCL 中的 hello world 程序。我找到了一些关于这样做的论文，但我不确定从哪里开始。

我该如何开始呢？

编辑:

这个问题我想多了。我想在GPU上要做的步骤大致如下:

1. 将图片转成一维数组(如果是10x10，转成100长的数组)
2. 上传图片到GPU
3. 将图像分成 n 个切片进行处理，其中 n 是并行计算单元的数量。或者每个人都可以引用此数组上的特定范围。
4. ( map )为每个计算单元分配 180 个“箱子”，每个箱子可以包含 256 个其他箱子。每个的最里面的内容只是一个用于计数的整数。
5. 对于每种色调(180 个分箱之一)，计算每个饱和度水平(其他 256 个分箱)有多少该色调。对数组中可以指望的子部分执行此操作。
6. 创建一组新的空容器。
7. (减少)对于所有这些 bin 计数，然后将它们合并在一起(添加值)。我不确定我是否需要等到它们全部完成，或者只是每个都按顺序与上面的空垃圾箱合并。
8. (确定最终答案)对于最后一组 bin，遍历它们并找到该色调的最大饱和度值，并将其存储。现在找到具有最大饱和度的色调。作为最终答案，返回这个色调#和这个最大饱和度#。

不过，我对使用 PyOpenCL(或整个 OpenCL)的 GPU 了解不够，无法正确执行此操作。

Answer 1

如果您采用不同的方法，您可以将计算时间减少到 histogram2d 所用时间的 2% 左右。在 3143x2095 图像上，此方法花费了大约 5 毫秒，而 histogram2d 浪费了大约 280 毫秒。

import cv2
import numpy as np
from numpy import unravel_index
import time

img = cv2.imread('ducks.jpg')

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

print hsv.shape
hue = hsv[:, :, 0]
sat = hsv[:, :, 1]

start = time.time()
max_index = unravel_index(sat.argmax(), sat.shape)
end = time.time()
print 'argmax time:', end - start
print sat[max_index]
print hue[max_index]

start = time.time()
hist, xbins, ybins = np.histogram2d(hue.ravel(), sat.ravel(), [180, 256], [[0, 180], [0, 256]])
end = time.time()
print 'histogram2d time:', end - start

输出:

(2095, 3143, 3)
argmax time: 0.00526285171509
255
39
histogram2d time: 0.288522958755

如果有多个像素具有最大饱和度值，则很容易处理。