OpenMP并行编程应用—加速OpenCV图像拼接算法

《OpenMP并行编程应用—加速OpenCV图像拼接算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、OpenMP并行编程应用—加速OpenCV图像拼接算法OpenMP是一种应用于多处理器程序设计的并行编程处理方案，它提供了对于并行编程的高层抽象，只需要在程序中添加简单的指令，就可以编写高效的并行程序，而不用关心具体的并行实现细节，降低了并行编程的难度和复杂度。也正因为OpenMP的简单易用性，它并不适合于需要复杂的线程间同步和互斥的场合。OpenCV中使用Sift或者Surf特征进行图像拼接的算法，需要分别对两幅或多幅图像进行特征提取和特征描述，之后再进行图像特征点的配对，图像变换等操作。不同图像的特征提取和描述的工作是整个过程中最耗费时

2、间的，也是独立运行的，可以使用OpenMP进行加速。以下是不使用OpenMP加速的Sift图像拼接原程序：[cpp]viewplaincopyprint?在CODE上查看代码片派生到我的代码片#include"highgui/highgui.hpp"#include"opencv2/nonfree/nonfree.hpp"#include"opencv2/legacy/legacy.hpp"#include"omp.h"usingnamespacecv;//计算原始图像点位在经过矩阵变换后在目标图像上对应位置Point2fgetTransf

3、ormPoint(constPoint2foriginalPoint,constMat&transformMaxtri);intmain(intargc,char*argv[]){floatstartTime=omp_get_wtime();Matimage01=imread("Test01.jpg");Matimage02=imread("Test02.jpg");imshow("拼接图像1",image01);imshow("拼接图像2",image02);//灰度图转换Matimage1,image2;cvtColor(image01

4、,image1,CV_RGB2GRAY);cvtColor(image02,image2,CV_RGB2GRAY);//提取特征点SiftFeatureDetectorsiftDetector(800);//海塞矩阵阈值vectorkeyPoint1,keyPoint2;siftDetector.detect(image1,keyPoint1);siftDetector.detect(image2,keyPoint2);//特征点描述，为下边的特征点匹配做准备SiftDescriptorExtractorsiftDesc

5、riptor;MatimageDesc1,imageDesc2;siftDescriptor.compute(image1,keyPoint1,imageDesc1);siftDescriptor.compute(image2,keyPoint2,imageDesc2);floatendTime=omp_get_wtime();std::cout<<"不使用OpenMP加速消耗时间："<

6、matchePoints;matcher.match(imageDesc1,imageDesc2,matchePoints,Mat());sort(matchePoints.begin(),matchePoints.end());//特征点排序//获取排在前N个的最优匹配特征点vectorimagePoints1,imagePoints2;for(inti=0;i<10;i++){imagePoints1.push_back(keyPoint1[matchePoints[i].queryIdx].pt);i

7、magePoints2.push_back(keyPoint2[matchePoints[i].trainIdx].pt);}//获取图像1到图像2的投影映射矩阵，尺寸为3*3Mathomo=findHomography(imagePoints1,imagePoints2,CV_RANSAC);MatadjustMat=(Mat_(3,3)<<1.0,0,image01.cols,0,1.0,0,0,0,1.0);MatadjustHomo=adjustMat*homo;//获取最强配对点在原始图像和矩阵变换后图像上的对应位

8、置，用于图像拼接点的定位Point2foriginalLinkPoint,targetLinkPoint,basedImagePoint;originalLinkPoint=ke