什么是多核优化？多线程试验效果怎么样？

如今，计算机CPU通常是多核的，许多程序并未针对多核进行优化，因此无法充分利用cpu的性能。

例如，如果您在vs2010中编写了while（1)循环，则旧计算机上运行的CPU占100％，而新四核计算机上仅占25％。不可能更高。

许多地方都说使用openmp可以充分发挥多核处理的能力，但是在我向程序中添加了openmp优化指令后，我仍然无法达到100％的性能。也许我弄错了。

因此，我这里没有使用openmp，而是使用多线程来加速计算。

例如，如果要处理10000 * 10000像素的图像，则可以打开四个线程，每个线程分别处理2500 * 10000像素，因此速度可以提高4倍。

实验效果证明了上述方法的有效性，速度提高了近4倍。

当然，如果它具有8个内核或16个内核以及8个或16个线程，则基本上可以增加8倍或16倍。

图像算法通常很容易并行编写。我在这里使用了freeimage图片库，而CPU是i5 4590。

处理10000 * 10000图像时，单线程花费了3500ms，四线程花费了900ms，这基本上是4倍。

该程序也许可以打开更多线程，但是我还没有尝试过。

代码如下，功能是反转颜色：

#include 
#include 
#include 
#include 
#include "FreeImage.h"
using namespace std;

//就设成全局变量吧
FREE_IMAGE_FORMAT fif;
FIBITMAP *img;
FIBITMAP *re;
int h;
int w;
int bpp;
void Init()
{
    string name="img.jpg";
    fif=FreeImage_GetFileType(name.c_str());
    img=FreeImage_Load(fif,name.c_str());
    h=FreeImage_GetHeight(img);
    w=FreeImage_GetWidth(img);
    bpp=FreeImage_GetBPP(img);
    re=FreeImage_Allocate(w,h,bpp);
}
void Calc(int ymin,int ymax)
{
    for (int y=ymin;y)
    {
        for (int x=0;x)
        {
            RGBQUAD color;
            FreeImage_GetPixelColor(img,x,y,&color);
            color.rgbBlue-=255;
            color.rgbGreen-=255;
            color.rgbRed-=255;
            FreeImage_SetPixelColor(re,x,y,&color);
        }
    }
}
void CalcAll()
{
    Calc(0,h);
}
//每个线程处理图像的1/4
void Calc1(PVOID param)
{
    Calc(0,int(h/4));
}
void Calc2(PVOID param)
{
    Calc(int(h/4),int(h/2));
}
void Calc3(PVOID param)
{
    Calc(int(h/2),int(3*h/4));
}
void Cal(PVOID param)
{
    Calc(int(3*h/4),h);
}
void main()
{
    double start,end;
    HANDLE hThread[4];
    Init();
    start=clock();
        CalcAll();
    end=clock();
    cout<endl;
    start=clock();
        hThread[0]=(HANDLE)_beginthread(Calc1,0,NULL);
        hThread[1]=(HANDLE)_beginthread(Calc2,0,NULL);
        hThread[2]=(HANDLE)_beginthread(Calc3,0,NULL);
        hThread[3]=(HANDLE)_beginthread(Cal,0,NULL);
        WaitForMultipleObjects(4,hThread,true,INFINITE);
    end=clock();
    cout<endl;
    FreeImage_Unload(img);
    FreeImage_Unload(re);
    system("pause");
}

后记：

我再次对其进行了测试，计算机可以使用openmp加速，您需要打开vs2010 openmp优化选项，然后将Calc（）函数更改为以下形式：

void Calc(int ymin,int ymax)
{
    RGBQUAD color;
    #pragma omp parallel for schedule(dynamic, 1) private(color)   
    for (int y=ymin;y)
    {
        for (int x=0;x)
        {
            FreeImage_GetPixelColor(img,x,y,&color);
            color.rgbBlue-=255;
            color.rgbGreen-=255;
            color.rgbRed-=255;
            FreeImage_SetPixelColor(re1,x,y,&color);
        }
    }
}

速度比我自己编写的多线程要快。

后记：

最后，我仍然建议使用我自己编写的多线程。不建议使用OpenMP，因为使用openMP处理后图像会产生很多凹痕，这是不可接受的，就像下面这样：

使用自控多线程时没有这种问题。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shoujiruanjian/article-358037-1.html