OpenCL中的快速二維直方圖與PyOpenCL

Question

我想在HSV圖像上做Python的2D直方圖，但即使使用numpy和opencv它也不夠快（我實際上是用視頻做的，但考慮每個幀只是一個圖像）。

我正在尋找飽和度最高的色相值。目前我有以下代碼，它可以正常工作，但速度太慢。

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

我希望與PyOpenCL要做到這一點，而是和推計算的GPU，但除了OpenCL中的世界你好計劃。我發現了一些關於做它們的論文，但我不確定從哪裏開始。

我該如何開始？

編輯：

我已經想過這個多一點。我想，我想要做的GPU上的步驟大致如下：

1. 打開圖像轉換成一維數組（如果10×10，變成100多頭排列）
2. 上傳圖像到GPU
3. 裂像分成n片進行處理，其中n是並行計算單元的數量。或者每個可以引用此數組上的特定範圍。
4. （地圖）對於每個計算單元，分配180個「分箱」，每個分箱可以包含256個其他分箱。每個內部的最內容只是一個整數用於計數。
5. 對於每種色調（180個分檔中的一個），計算每個飽和度（其他256個分檔）中該色調的數量。對可以算作的數組的子部分執行此操作。
6. 創建一個新的空集合。
7. （Reduce）對於所有這些垃圾桶計數，然後將它們合併（添加值）。我不確定是否需要等到它們全部完成，或者只是按順序與上面的空箱合併。
8. （確定最終答案）對於最終的一組垃圾箱，循環瀏覽並找到該色相的最大飽和度值，並將其存儲起來。現在找到最大飽和度的色調。作爲最終答案，返回這個色調＃和這個最大飽和度＃。

儘管如此，我仍然對PyOpenCL（或OpenCL整體）的GPU不太瞭解。

Answer 1

如果採取不同的方法，您可以將計算時間減少到histogram2d佔用時間的大約2％。在3143x2095圖像上，此方法耗時約5 ms，而histogram2d浪費約280 ms。

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 

輸出：

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

可以很容易地處理具有與最大飽和度值超過一個像素的情況下。