代码之家 › 专栏 › 技术社区 › Crigges

2019年OpenCV中如何正确实现多线程?

vectorization opencv performance multithreading c++

Crigges · 技术社区 · 6 年前

背景:

一方面,您可以使用TBB或OpenMP支持来构建OpenCV,这些支持在内部并行OpenCV的功能。
另一方面,您可以自己创建多个线程,并调用并行函数来实现应用程序级的多线程。

但是我无法得到一致的答案,哪种多线程方法是正确的。

关于TBB answer 从2012年起,获得5张赞成票:

With_TBB=ON OpenCV尝试对某些函数使用多个线程。问题是目前只有一个漂亮的函数与TBB连接(可能有十几个)。所以,很难看到任何加速。OpenCV的原理是应用程序应该是多线程的,而不是OpenCV函数。[…]

关于应用程序级的多线程,一个 comment 从主持人开始 answers.opencv.org :

请避免在opencv中使用自己的多线程。很多函数显式地不是线程安全的。而是使用TBB或openmp支持重建opencv libs。

但是另一个 answer 以3票以上的票数表明:

库本身是线程安全的,因为您可以同时对库进行多个调用,但是数据并不总是线程安全的。

问题描述:

在调查了这些性能问题之后,我创建了这个最小、完整和可验证的示例代码:

#include "opencv2\opencv.hpp"
#include <vector>
#include <chrono>
#include <thread>

using namespace cv;
using namespace std;
using namespace std::chrono;

void blurSlowdown(void*) {
    Mat m1(360, 640, CV_8UC3);
    Mat m2(360, 640, CV_8UC3);
    medianBlur(m1, m2, 3);
}

int main()
{
    for (;;) {
        high_resolution_clock::time_point start = high_resolution_clock::now();

        for (int k = 0; k < 100; k++) {
            thread t(blurSlowdown, nullptr);
            t.join(); //INTENTIONALLY PUT HERE READ PROBLEM DESCRIPTION
        }

        high_resolution_clock::time_point end = high_resolution_clock::now();
        cout << duration_cast<microseconds>(end - start).count() << endl;
    }
}

如果程序长时间运行,则

cout << duration_cast<microseconds>(end - start).count() << endl;

越来越大了。

运行程序约10分钟后,打印的时间跨度已翻倍,这在正常波动下是无法解释的。

预期行为:

我希望程序的行为是,时间跨度几乎保持不变,即使它们可能比直接调用函数要长。

笔记:

直接调用函数时:

[...]
for (int k = 0; k < 100; k++) {
    blurSlowdown(nullptr);
}
[...]

打印的时间跨度保持不变。

void blurSlowdown(void*) {
    Mat m1(360, 640, CV_8UC3);
    Mat m2(360, 640, CV_8UC3);
    //medianBlur(m1, m2, 3);
}

打印的时间跨度也保持不变。因此,在将线程与OpenCV函数结合使用时,一定有问题。

我知道上面的代码并没有实现实际的多线程处理,只有一个线程同时处于活动状态,调用 blurSlowdown() 功能。
我知道创建线程并在之后清理它们并不是免费的,而且比直接调用函数要慢。
它是关于这一点,代码通常是慢的。 随着时间的推移越来越长 .
这个问题与 medianBlur() 函数,因为它发生在其他函数上,如 erode() 或 blur()
这个问题是在Mac下的clang++下重现的,请参阅@Mark Setchell的评论
当使用调试库而不是发行版时,问题被放大了

我的测试环境:

Windows 10 64位
MSVC编译器

我的问题:

在OpenCV的应用程序级别上使用(多)线程可以吗?
如果是,为什么上面的程序会打印时间跨度 增长的
如果没有,为什么OpenCV是 considered thread safe 请解释如何解释 statement from Kirill Kornyakov 相反
2019年的TBB/OpenMP现在是否得到广泛支持?

0 回复 | 直到 6 年前

FutureJJ Saba Chaudry 6 年前

首先,谢谢你澄清了这个问题。

问: 在OpenCV的应用程序级别上使用(多)线程可以吗?

答: 是的,在OpenCV的应用程序级别上使用多线程是完全可以的,除非并且直到您使用可以利用多线程的函数,例如模糊、颜色空间变化,在这里,您可以将图像分割成多个部分,并在分割的部分应用全局函数,然后重新组合它以给出最终输出。

在Hough、pca_分析等函数中,如果将其应用于分割的图像区域,然后重新组合,则无法给出正确的结果,因此在应用程序级对这些函数应用多线程可能无法给出正确的结果,因此不应执行。

正如±1所提到的,您的多线程实现不会给您带来优势,因为您将线程连接到for循环本身中。我建议您使用promise和future对象(如果您想要一个如何使用的示例,请在评论中让我知道,我将分享这个片段)。

下面的答案需要大量的研究,谢谢你的提问,它真的帮助我增加了我的多线程知识的信息:)

如果是,为什么我的程序打印的时间跨度会随着时间而增长?

经过大量的研究,我发现创建和销毁线程需要大量的CPU和内存资源。当我们初始化一个线程时(在您的代码中: thread t(blurSlowdown, nullptr); )一个标识符被写入这个变量指向的内存位置,这个标识符使我们能够引用线程。现在,在您的程序中,您正在以非常高的速度创建和销毁线程,现在发生的情况是,有一个线程池分配给一个程序,通过它,我们的程序可以运行和销毁线程,我将保持它的简短,让我们看一下下面的解释:

当您销毁线程时,此内存将被释放

但是

当您在第一个线程没有被破坏之后再次创建一个线程时,这个新线程的标识符指向 新位置 (上一个线程以外的位置)在线程池中。
在反复创建和销毁线程之后 线程池已耗尽 CPU被迫将我们的程序周期放慢一点,以便线程池再次被释放 为新的线腾出空间。

问: 2019年的TBB现在是否得到广泛支持?

是的,您可以在OpenCV程序中利用TBB,同时在构建OpenCV时启用TBB支持。

以下是在medianBlur中实现TBB的程序:

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
#include <chrono>

using namespace cv;
using namespace std;
using namespace std::chrono;

class Parallel_process : public cv::ParallelLoopBody
{

private:
    cv::Mat img;
    cv::Mat& retVal;
    int size;
    int diff;

public:
    Parallel_process(cv::Mat inputImgage, cv::Mat& outImage,
                     int sizeVal, int diffVal)
        : img(inputImgage), retVal(outImage),
          size(sizeVal), diff(diffVal)
    {
    }

    virtual void operator()(const cv::Range& range) const
    {
        for(int i = range.start; i < range.end; i++)
        {
            /* divide image in 'diff' number
               of parts and process simultaneously */

            cv::Mat in(img, cv::Rect(0, (img.rows/diff)*i,
                                     img.cols, img.rows/diff));
            cv::Mat out(retVal, cv::Rect(0, (retVal.rows/diff)*i,
                                         retVal.cols, retVal.rows/diff));

            cv::medianBlur(in, out, size);
        }
    }
};

int main()
{
    VideoCapture cap(0);

    cv::Mat img, out;

    while(1)
    {
        cap.read(img);
        out = cv::Mat::zeros(img.size(), CV_8UC3);

        // create 8 threads and use TBB
        auto start1 = high_resolution_clock::now();
        cv::parallel_for_(cv::Range(0, 8), Parallel_process(img, out, 9, 8));
        //cv::medianBlur(img, out, 9); //Uncomment to compare time w/o TBB
        auto stop1 = high_resolution_clock::now();
        auto duration1 = duration_cast<microseconds>(stop1 - start1);

        auto time_taken1 = duration1.count()/1000;
        cout << "TBB Time: " <<  time_taken1 << "ms" << endl;

        cv::imshow("image", img);
        cv::imshow("blur", out);
        cv::waitKey(1);
    }

    return 0;
}

在我的机器上,TBB的实现大约需要10毫秒,不带TBB的实现大约需要40毫秒。

如果是,有什么能提供更好的性能,在应用程序级别(如果允许)或TBB/OpenMP上实现多线程?

我建议在POSIX多线程(pthread/thread)上使用TBB/OpenMP,因为TBB提供了更好的线程控制+更好的结构来编写并行代码,并在内部管理pthreads。如果您使用pthreads,那么您必须在代码中注意同步和安全等问题。但是使用这些框架抽象了处理线程的需求,这可能会变得非常复杂。

编辑: 我检查了有关图像尺寸与要分割处理的线程数不兼容的注释。所以这里有一个解决方法(尚未测试但应该有效),将图像分辨率缩放到兼容的维度,如:

Parallel_process 然后将输出缩小到原始大小458x 647。

this answer