论文总字数：22248字

摘 要

当今时代，多核处理器已经成为市场的主流，并迅速在生活中普及。但大多数软件都还是基于单核的，不能充分发挥出多核平台的优势，也对多核CPU资源造成浪费。由此，英特尔推出了将改变现有模式的多核编程工具TBB（线程构建模块），它能够在别的多核平台支持下对串行程序里可并行的部分进行线程的并行化改造，提高在多核处理器平台的执行效率。

图像处理是并行研究的重要领域之一，因为今天我们需要处理大量的图像，但却面临着数据量大、实时处理效率低等难题。本文利用TBB图像算法并行优化，用来提高算法的运算效率。本文先介绍了并行计算的发展历程和目前国内外的研究现状，然后对图像处理的基本概念及TBB相关知识进行介绍，对基于OpenCV的图像处理算法进行了详细的分析，最后对算法进行全面分析，利用TBB对可并行区域并行化改造，并对优化前后的数据进行一致性判别，对比程序执行所需时间，分析影响因素并得出结论。

关键词：并行计算；TBB；图像处理

The optimization of image processing algorithm based on TBB

Abstract

Now, multi-core processors have become the mainstream of the market, and the rapid popularization in life. But most of the software are based on a single core, can not give full play to the advantage of multi-core platform, also on multi-core CPU resources waste. Thus, Intel introduced TBB (Thread Building Blocks)will change the existing mode of multi-core programming tool, it can be in other multi-core platform supported by part of serial program to parallel threads of parallelization transformation, improve the execution efficiency of the multi-core processor platform.

Image processing is one of the important areas of parallel study, because today we need to deal with a large number of images, but it faces a large amount of data, low real-time processing efficiency problem. Parallel optimization algorithm based on TBB image, which is used to improve the operation efficiency of the algorithm. This paper first introduces the development of parallel computing and the research status at home and abroad, and then on the basic concept of image processing and TBB introduces the relevant knowledge, based on OpenCV image processing algorithms are analyzed in detail, finally, the comprehensive analysis on the algorithm, using the TBB parallel transformation of parallel region, and consistency of data before and after the optimization criterion, compare the time needed for the program execution, analysis of influence factors and draw conclusions.

Keywords: parallel computing; TBB; image processing

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 引言 1

1.2图像并行化研究的背景 2

1.2.1并行计算机的历程 2

1.2.2 并行计算机的现实需求 2

1.2.3 TBB产生的历史条件及其应用 2

1.3 并行计算的准备知识 3

1.4 OpenCV及TBB在vs2008中的安装简介 4

1.5 本文所做的工作和组织结构 5

第二章 基于OpenCV的图像处理算法 7

2.1 OpenCV 简介 7

2.2 OpenCV的体系结构和内容 7

2.3 图像处理算法分析 8

2.3.1 图像校正 8

2.3.2 计算背景亮度 10

2.3.3计算图像的对焦效率 11

2.3.4 判断是否存在细胞区域 12

2.3.5 判断是否存在空白图像 13

2.4 实现算法调用 13

2.5 本章小结 15

第三章 基于TBB的图像算法并行优化 16

3.1 TBB概论 16

3.1.1 TBB的主要内容 16

3.1.2　TBB的多核并行编程 16

3.2 TBB与裸线程和OpenMP对比 17

3.3 TBB的并行化设计 19

3.3.1 循环体并行化 19

3.3.2 流水线的并行化 20

3.3.3 任务的并行化 21

3.4 基于TBB的图像处理算法的优化 22

3.4.1 并行方式的选择 22

3.4.2 选择迭代空间 22

3.4.3 设计operator循环体函数 22

3.4.4 粒度划分 22

3.5 基于TBB的算法并行优化 22

3.5.1 parallel_for并行优化 23

3.5.2 parallel_reduce并行优化 24

3.6本章小结 25

第四章 实验结果与结论 27

4.1 环境及测试用图 27

4.1.1 环境介绍 27

4.1.2 测试用图 27

4.2 一致性判别 27

4.3 分析时间比 28

4.3.1 比较整体函数 28

4.3.2 比较独立for循环 30

4.3.4 CPU利用率 31

4.3.5附加测试 32

4.4分析影响因素 35

第五章 总结与展望 37

5.1 总结 37

5.2 展望 37

致谢 38

参考文献 39

第一章 绪论

1.1 引言

随着上个世纪70年代全球第一批微处理器4004的生产，处理器技术进入高速发展阶段。在以后的几年中，处理器一直按照着摩尔定律，以“每隔18个月左右的周期，处理器芯片里集成的晶体管数量增加一倍，频率提高一倍”的规律发展，该产业出现了多个具有代表性的处理器，如x86系列，Power系列和Sparc系列等，这不但改变了传统的工业模式，而且在人们的日常生活中扮演着非常的重要角色，促使向信息化时代转变。

这样一直到了21世纪初期，处理器的技术研究进入瓶颈期，摩尔定律再也难以持续，因为晶体管的密度不断提高，芯片的发热量也不断增大，越来越接近量子效应的微观尺度，晶体管的漏电流也越来越严重，集成电路技术的发展面临越来越多的困难；同时，超标量、VLIW和多级流水线等指令级并行实现的难度越来越大，控制逻辑单元也变得越来越复杂。芯片制造业发展到高峰后，遇到一个很难、很现实的问题，即解决如何提高处理器的外频，提高处理器速度的同时如何减少热量和能量。

剩余内容已隐藏，请支付后下载全文，论文总字数：22248字