阅读(2708) (1)

GPU上的相似性检查(PNSR和SSIM)

2017-10-25 10:22:22 更新

目标

OpenCV和相似度测量教程的视频输入中,我已经介绍了用于检查两个图像之间的相似性的PSNR和SSIM方法。正如你所看到的,执行过程需要相当长的一段时间,特别是在SSIM的情况下。然而,如果CPU的OpenCV实现的性能数字不能满足您的需求,并且您的系统中恰好有一个NVidia CUDA GPU设备,则所有这些都不会丢失。您可以尝试为视频卡端口或写入您的owm算法。

本教程将很好地掌握如何使用OpenCV的GPU模块来处理编码。作为先决条件,您应该已经知道如何处理core,highgui和imgproc模块。所以我们的主要目标是:

  • 与CPU相比有什么不同?
  • 为PSNR和SSIM创建GPU代码
  • 优化代码以获得最大性能

源代码

您也可以将源代码和视频文件放在samples/cpp/tutorial_code/gpu/gpu-basics-similarity/gpu-basics-similarityOpenCV源库的目录中或从这里下载。完整的源代码相当长(由于通过命令行参数和性能测量来控制应用程序)。因此,为了避免这些部分与这些部分混乱,这里只有功能本身。

PSNR返回一个浮点数,如果两个输入在30和50之间是相似的(越高越好)。

double getPSNR(const Mat& I1, const Mat& I2)
{
    Mat s1;
    absdiff(I1, I2, s1);       // |I1 - I2|
    s1.convertTo(s1, CV_32F);  // cannot make a square on 8 bits
    s1 = s1.mul(s1);           // |I1 - I2|^2
    Scalar s = sum(s1);         // sum elements per channel
    double sse = s.val[0] + s.val[1] + s.val[2]; // sum channels
    if( sse <= 1e-10) // for small values return zero
        return 0;
    else
    {
        double  mse =sse /(double)(I1.channels() * I1.total());
        double psnr = 10.0*log10((255*255)/mse);
        return psnr;
    }
}
double getPSNR_CUDA(const Mat& I1, const Mat& I2)
{
    cuda::GpuMat gI1, gI2, gs, t1,t2;
    gI1.upload(I1);
    gI2.upload(I2);
    gI1.convertTo(t1, CV_32F);
    gI2.convertTo(t2, CV_32F);
    cuda::absdiff(t1.reshape(1), t2.reshape(1), gs);
    cuda::multiply(gs, gs, gs);
    Scalar s = cuda::sum(gs);
    double sse = s.val[0] + s.val[1] + s.val[2];
    if( sse <= 1e-10) // for small values return zero
        return 0;
    else
    {
        double  mse =sse /(double)(gI1.channels() * I1.total());
        double psnr = 10.0*log10((255*255)/mse);
        return psnr;
    }
}
struct BufferPSNR                                     // Optimized CUDA versions
{   // Data allocations are very expensive on CUDA. Use a buffer to solve: allocate once reuse later.
    cuda::GpuMat gI1, gI2, gs, t1,t2;
    cuda::GpuMat buf;
};
double getPSNR_CUDA_optimized(const Mat& I1, const Mat& I2, BufferPSNR& b)
{
    b.gI1.upload(I1);
    b.gI2.upload(I2);
    b.gI1.convertTo(b.t1, CV_32F);
    b.gI2.convertTo(b.t2, CV_32F);
    cuda::absdiff(b.t1.reshape(1), b.t2.reshape(1), b.gs);
    cuda::multiply(b.gs, b.gs, b.gs);
    double sse = cuda::sum(b.gs, b.buf)[0];
    if( sse <= 1e-10) // for small values return zero
        return 0;
    else
    {
        double mse = sse /(double)(I1.channels() * I1.total());
        double psnr = 10.0*log10((255*255)/mse);
        return psnr;
    }
}

SSIM返回图像的MSSIM。这也是零和一之间的浮点数(更高更好),但是每个通道都有一个。因此,我们返回一个Scalar OpenCV数据结构:

Scalar getMSSIM( const Mat& i1, const Mat& i2)
{
    const double C1 = 6.5025, C2 = 58.5225;
    /***************************** INITS **********************************/
    int d     = CV_32F;
    Mat I1, I2;
    i1.convertTo(I1, d);           // cannot calculate on one byte large values
    i2.convertTo(I2, d);
    Mat I2_2   = I2.mul(I2);        // I2^2
    Mat I1_2   = I1.mul(I1);        // I1^2
    Mat I1_I2  = I1.mul(I2);        // I1 * I2
    /*************************** END INITS **********************************/
    Mat mu1, mu2;   // PRELIMINARY COMPUTING
    GaussianBlur(I1, mu1, Size(11, 11), 1.5);
    GaussianBlur(I2, mu2, Size(11, 11), 1.5);
    Mat mu1_2   =   mu1.mul(mu1);
    Mat mu2_2   =   mu2.mul(mu2);
    Mat mu1_mu2 =   mu1.mul(mu2);
    Mat sigma1_2, sigma2_2, sigma12;
    GaussianBlur(I1_2, sigma1_2, Size(11, 11), 1.5);
    sigma1_2 -= mu1_2;
    GaussianBlur(I2_2, sigma2_2, Size(11, 11), 1.5);
    sigma2_2 -= mu2_2;
    GaussianBlur(I1_I2, sigma12, Size(11, 11), 1.5);
    sigma12 -= mu1_mu2;
    Mat t1, t2, t3;
    t1 = 2 * mu1_mu2 + C1;
    t2 = 2 * sigma12 + C2;
    t3 = t1.mul(t2);              // t3 = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))
    t1 = mu1_2 + mu2_2 + C1;
    t2 = sigma1_2 + sigma2_2 + C2;
    t1 = t1.mul(t2);               // t1 =((mu1_2 + mu2_2 + C1).*(sigma1_2 + sigma2_2 + C2))
    Mat ssim_map;
    divide(t3, t1, ssim_map);      // ssim_map =  t3./t1;
    Scalar mssim = mean( ssim_map ); // mssim = average of ssim map
    return mssim;
}
Scalar getMSSIM_CUDA( const Mat& i1, const Mat& i2)
{
    const float C1 = 6.5025f, C2 = 58.5225f;
    /***************************** INITS **********************************/
    cuda::GpuMat gI1, gI2, gs1, tmp1,tmp2;
    gI1.upload(i1);
    gI2.upload(i2);
    gI1.convertTo(tmp1, CV_MAKE_TYPE(CV_32F, gI1.channels()));
    gI2.convertTo(tmp2, CV_MAKE_TYPE(CV_32F, gI2.channels()));
    vector<cuda::GpuMat> vI1, vI2;
    cuda::split(tmp1, vI1);
    cuda::split(tmp2, vI2);
    Scalar mssim;
    Ptr<cuda::Filter> gauss = cuda::createGaussianFilter(vI2[0].type(), -1, Size(11, 11), 1.5);
    for( int i = 0; i < gI1.channels(); ++i )
    {
        cuda::GpuMat I2_2, I1_2, I1_I2;
        cuda::multiply(vI2[i], vI2[i], I2_2);        // I2^2
        cuda::multiply(vI1[i], vI1[i], I1_2);        // I1^2
        cuda::multiply(vI1[i], vI2[i], I1_I2);       // I1 * I2
        /*************************** END INITS **********************************/
        cuda::GpuMat mu1, mu2;   // PRELIMINARY COMPUTING
        gauss->apply(vI1[i], mu1);
        gauss->apply(vI2[i], mu2);
        cuda::GpuMat mu1_2, mu2_2, mu1_mu2;
        cuda::multiply(mu1, mu1, mu1_2);
        cuda::multiply(mu2, mu2, mu2_2);
        cuda::multiply(mu1, mu2, mu1_mu2);
        cuda::GpuMat sigma1_2, sigma2_2, sigma12;
        gauss->apply(I1_2, sigma1_2);
        cuda::subtract(sigma1_2, mu1_2, sigma1_2); // sigma1_2 -= mu1_2;
        gauss->apply(I2_2, sigma2_2);
        cuda::subtract(sigma2_2, mu2_2, sigma2_2); // sigma2_2 -= mu2_2;
        gauss->apply(I1_I2, sigma12);
        cuda::subtract(sigma12, mu1_mu2, sigma12); // sigma12 -= mu1_mu2;
        cuda::GpuMat t1, t2, t3;
        mu1_mu2.convertTo(t1, -1, 2, C1); // t1 = 2 * mu1_mu2 + C1;
        sigma12.convertTo(t2, -1, 2, C2); // t2 = 2 * sigma12 + C2;
        cuda::multiply(t1, t2, t3);        // t3 = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))
        cuda::addWeighted(mu1_2, 1.0, mu2_2, 1.0, C1, t1);       // t1 = mu1_2 + mu2_2 + C1;
        cuda::addWeighted(sigma1_2, 1.0, sigma2_2, 1.0, C2, t2); // t2 = sigma1_2 + sigma2_2 + C2;
        cuda::multiply(t1, t2, t1);                              // t1 =((mu1_2 + mu2_2 + C1).*(sigma1_2 + sigma2_2 + C2))
        cuda::GpuMat ssim_map;
        cuda::divide(t3, t1, ssim_map);      // ssim_map =  t3./t1;
        Scalar s = cuda::sum(ssim_map);
        mssim.val[i] = s.val[0] / (ssim_map.rows * ssim_map.cols);
    }
    return mssim;
}
struct BufferMSSIM                                     // Optimized CUDA versions
{   // Data allocations are very expensive on CUDA. Use a buffer to solve: allocate once reuse later.
    cuda::GpuMat gI1, gI2, gs, t1,t2;
    cuda::GpuMat I1_2, I2_2, I1_I2;
    vector<cuda::GpuMat> vI1, vI2;
    cuda::GpuMat mu1, mu2;
    cuda::GpuMat mu1_2, mu2_2, mu1_mu2;
    cuda::GpuMat sigma1_2, sigma2_2, sigma12;
    cuda::GpuMat t3;
    cuda::GpuMat ssim_map;
    cuda::GpuMat buf;
};
Scalar getMSSIM_CUDA_optimized( const Mat& i1, const Mat& i2, BufferMSSIM& b)
{
    const float C1 = 6.5025f, C2 = 58.5225f;
    /***************************** INITS **********************************/
    b.gI1.upload(i1);
    b.gI2.upload(i2);
    cuda::Stream stream;
    b.gI1.convertTo(b.t1, CV_32F, stream);
    b.gI2.convertTo(b.t2, CV_32F, stream);
    cuda::split(b.t1, b.vI1, stream);
    cuda::split(b.t2, b.vI2, stream);
    Scalar mssim;
    Ptr<cuda::Filter> gauss = cuda::createGaussianFilter(b.vI1[0].type(), -1, Size(11, 11), 1.5);
    for( int i = 0; i < b.gI1.channels(); ++i )
    {
        cuda::multiply(b.vI2[i], b.vI2[i], b.I2_2, 1, -1, stream);        // I2^2
        cuda::multiply(b.vI1[i], b.vI1[i], b.I1_2, 1, -1, stream);        // I1^2
        cuda::multiply(b.vI1[i], b.vI2[i], b.I1_I2, 1, -1, stream);       // I1 * I2
        gauss->apply(b.vI1[i], b.mu1, stream);
        gauss->apply(b.vI2[i], b.mu2, stream);
        cuda::multiply(b.mu1, b.mu1, b.mu1_2, 1, -1, stream);
        cuda::multiply(b.mu2, b.mu2, b.mu2_2, 1, -1, stream);
        cuda::multiply(b.mu1, b.mu2, b.mu1_mu2, 1, -1, stream);
        gauss->apply(b.I1_2, b.sigma1_2, stream);
        cuda::subtract(b.sigma1_2, b.mu1_2, b.sigma1_2, cuda::GpuMat(), -1, stream);
        //b.sigma1_2 -= b.mu1_2;  - This would result in an extra data transfer operation
        gauss->apply(b.I2_2, b.sigma2_2, stream);
        cuda::subtract(b.sigma2_2, b.mu2_2, b.sigma2_2, cuda::GpuMat(), -1, stream);
        //b.sigma2_2 -= b.mu2_2;
        gauss->apply(b.I1_I2, b.sigma12, stream);
        cuda::subtract(b.sigma12, b.mu1_mu2, b.sigma12, cuda::GpuMat(), -1, stream);
        //b.sigma12 -= b.mu1_mu2;
        //here too it would be an extra data transfer due to call of operator*(Scalar, Mat)
        cuda::multiply(b.mu1_mu2, 2, b.t1, 1, -1, stream); //b.t1 = 2 * b.mu1_mu2 + C1;
        cuda::add(b.t1, C1, b.t1, cuda::GpuMat(), -1, stream);
        cuda::multiply(b.sigma12, 2, b.t2, 1, -1, stream); //b.t2 = 2 * b.sigma12 + C2;
        cuda::add(b.t2, C2, b.t2, cuda::GpuMat(), -12, stream);
        cuda::multiply(b.t1, b.t2, b.t3, 1, -1, stream);     // t3 = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))
        cuda::add(b.mu1_2, b.mu2_2, b.t1, cuda::GpuMat(), -1, stream);
        cuda::add(b.t1, C1, b.t1, cuda::GpuMat(), -1, stream);
        cuda::add(b.sigma1_2, b.sigma2_2, b.t2, cuda::GpuMat(), -1, stream);
        cuda::add(b.t2, C2, b.t2, cuda::GpuMat(), -1, stream);
        cuda::multiply(b.t1, b.t2, b.t1, 1, -1, stream);     // t1 =((mu1_2 + mu2_2 + C1).*(sigma1_2 + sigma2_2 + C2))
        cuda::divide(b.t3, b.t1, b.ssim_map, 1, -1, stream);      // ssim_map =  t3./t1;
        stream.waitForCompletion();
        Scalar s = cuda::sum(b.ssim_map, b.buf);
        mssim.val[i] = s.val[0] / (b.ssim_map.rows * b.ssim_map.cols);
    }
    return mssim;
}

怎么做? - GPU

如上所述,我们对每个操作有三种类型的功能。一个用于CPU,另一个用于GPU。我为GPU制作两个原因也说明了将CPU简单移植到GPU的时候,实际上会慢一些。如果你想要一些表现获得,你将需要记住一些规则,稍后将详细介绍。

GPU模块的开发使其尽可能类似于其CPU对应。这使得移植过程更容易。在编写任何代码之前,您需要做的第一件事是将GPU模块链接到项目,并包含模块的头文件。GPU的所有功能和数据结构都位于cv命名空间的gpu子命名空间中。您可以通过use namespace关键字将其添加到默认值,或者通过cv ::显式地标记它,以避免混淆。我稍后会做。

#include <opencv2/gpu.hpp>        // GPU structures and methods

GPU代表“图形处理单元”。它最初是为了渲染图形场景而构建的。这些场景以某种方式建立在很多数据上。然而,这些并不都是以顺序的方式彼此依赖的,并且它们可以并行处理它们。由于这一点,GPU将包含多个较小的处理单元。这些不是最先进的处理器,而是在一个一个测试中与一个CPU会落后。然而,其实力在于其数量。在过去的几年中,在非图形场景中收获GPU的巨大并行力量已经呈上升趋势; 渲染也是如此。这产生了图形处理单元(GPGPU)的通用计算。

GPU有自己的内存。当您使用OpenCV从硬盘驱动器读取数据到系统内存中发生的Mat对象时。CPU直接在此(通过其缓存)工作,但是GPU不能。它必须将计算所需的信息从系统内存传输到其自身。这是通过上传过程完成的,并且耗时。最后,结果将不得不下载回您的系统内存,让您的CPU看到并使用它。不推荐将小功能移植到GPU,因为上传/下载时间将大于并行执行所获得的数量。

Mat对象仅存储在系统内存(或CPU缓存)中。要获得OpenCV矩阵到GPU,您需要使用其GPU对应的cv :: cuda :: GpuMat。它的作用类似于仅具有2D限制的Mat,并且没有参考返回其功能(不能将GPU引用与CPU混合)。要将Mat对象上传到GPU,您需要在创建类的实例之后调用upload功能。要下载,您可以使用Mat对象的简单分配或使用下载功能。

Mat I1;         // Main memory item - read image into with imread for example
gpu::GpuMat gI; // GPU matrix - for now empty
gI1.upload(I1); // Upload a data from the system memory to the GPU memory
I1 = gI1;       // Download, gI1.download(I1) will work too

一旦你的数据在GPU内存中,你可以调用OpenCV的GPU启用功能。大多数功能与CPU相同,名称与GpuMat输入不同。您可以在文档中找到这些的完整列表:在这里或源代码附带的OpenCV参考手册。

要记住的另一件事是,不是所有的频道号码都可以在GPU上制作高效的算法。一般来说,我发现GPU图像的输入图像需要是一个或四个通道图像,而一个char或float类型用于项目大小。对GPU没有双重支持,对不起。传递某些功能的其他类型的对象将导致异常抛出,并在错误输出上显示错误消息。大多数地方的输入文件接受的类型的文档详细信息。如果您有三个通道图像作为输入,您可以做两件事情:添加新的通道(并使用char元素)或分割图像并调用每个图像的功能。第一个不是真的推荐,因为这浪费了浪费存储空间。

对于某些功能,元素(邻居项目)的位置无关紧要,快速解决方案是将其重新形成单个通道图像。这是PSNR实现的情况,对于absdiff方法,邻居的值不重要。然而,对于GaussianBlur,这不是一个选项,因此需要使用分割方法来进行SSIM。有了这个知识,你可以制作一个GPU可行的代码(像我的GPU一个),并运行它。您会惊讶地发现,它可能会比您的CPU执行速度慢。

优化

这样做的原因是您在窗口上扔出内存分配和数据传输的价格。在GPU上,这是很高的。优化的另一种可能性是在cv :: cuda :: Stream的帮助下引入异步OpenCV GPU调用。

  • GPU上的内存分配相当可观。因此,如果可能的话,尽可能多地分配新的内存。如果你创建一个函数你打算多次调用,最好在第一次调用期间为函数分配一次本地参数一次。为此,您将创建一个包含将使用的所有局部变量的数据结构。例如在PSNR的情况下,这些是:

struct BufferPSNR                                     // Optimized GPU versions
  {   // Data allocations are very expensive on GPU. Use a buffer to solve: allocate once reuse later.
  gpu::GpuMat gI1, gI2, gs, t1,t2;
  gpu::GpuMat buf;
};

然后在主程序中创建一个这样的实例:

BufferPSNR bufferPSNR;

最后把它传给函数,每次你调用它:

double getPSNR_GPU_optimized(const Mat&I1,const Mat&I2,BufferPSNR&b)

现在,您可以访问这些本地参数:b.gI1,b.buf等。如果新的矩阵大小与上一个矩阵的大小不同,GpuMat将仅重新分配一个新的调用。

  • 避免不必要的功能数据传输 一旦你去GPU,任何小的数据传输将是重要的。因此,如果可能的话,现在就进行所有的计算(换句话说,不会创建新的内存对象 - 由于上一点说明的原因)。例如,虽然表达算术操作可能更容易以一行公式表示,但是会更慢。在SSIM的情况下,我需要计算:

b.t1 = 2 * b.mu1_mu2 + C1;

虽然上层呼叫会成功,但请注意存在隐藏的数据传输。在它添加之前,它需要在某个地方存储乘法。因此,它将在后台创建一个局部矩阵,并将其添加到C1值,最后将其分配给t1。为了避免这种情况,我们使用gpu函数,而不是算术运算符:

gpu :: multiply(b.mu1_mu2,2,b.t1); //b.t1 = 2 * b.mu1_mu2 + C1;
gpu :: add(b.t1,C1,b.t1);

  • 使用asynchronous调用(cv :: cuda :: Stream)。默认情况下,只要您调用GPU功能,它将等待调用完成,然后返回结果。然而,可以进行asynchronous调用,这意味着它将调用操作执行,从而为算法提供昂贵的数据分配并立即返回。现在你可以调用另一个函数,如果你愿意的话。对于MSSIM,这是一个很小的优化点。在我们的默认实现中,我们将图像分解为通道,并为GPU的每个通道调用它们。流可以进行小程度的并行化。通过使用流,我们可以在GPU已经执行给定的方法时进行数据分配,上传操作。例如,我们需要上传两个图像。我们一个接一个地排队,并调用处理它的功能。

gpu::Stream stream;
stream.enqueueConvert(b.gI1, b.t1, CV_32F);    // Upload
gpu::split(b.t1, b.vI1, stream);              // Methods (pass the stream as final parameter).
gpu::multiply(b.vI1[i], b.vI1[i], b.I1_2, stream);        // I1^2

结果和结论

在配备低端NVidia GT220M的Intel P8700笔记本电脑CPU上,性能数字如下:

Time of PSNR CPU (averaged for 10 runs): 41.4122 milliseconds. With result of: 19.2506
Time of PSNR GPU (averaged for 10 runs): 158.977 milliseconds. With result of: 19.2506
Initial call GPU optimized:              31.3418 milliseconds. With result of: 19.2506
Time of PSNR GPU OPTIMIZED ( / 10 runs): 24.8171 milliseconds. With result of: 19.2506
Time of MSSIM CPU (averaged for 10 runs): 484.343 milliseconds. With result of B0.890964 G0.903845 R0.936934
Time of MSSIM GPU (averaged for 10 runs): 745.105 milliseconds. With result of B0.89922 G0.909051 R0.968223
Time of MSSIM GPU Initial Call            357.746 milliseconds. With result of B0.890964 G0.903845 R0.936934
Time of MSSIM GPU OPTIMIZED ( / 10 runs): 203.091 milliseconds. With result of B0.890964 G0.903845 R0.936934

在这两种情况下,与CPU执行相比,我们的性能提升了近100%。这可能只是您的应用程序工作所需的改进