我想加速一种算法(具有圆形邻居的完整局部二进制模式)，为此我遍历所有像素并用它的邻居计算一些东西(所以我需要邻居像素访问)。
目前，我通过使用一个线程/进程遍历所有像素来实现这一点。我想通过将输入图像分成多个 ROI 并分别计算每个 ROI(使用多个线程)来并行化此任务。
这里的问题是，ROI 是重叠的(因为要计算一个像素，有时我需要看远处的邻居)并且可能有多个线程访问像素数据(阅读)在同一时间。如果两个或多个线程同时读取相同索引的相同 Mat，这是一个问题吗？
如果我并行写入同一个 Mat 但索引不同，这也是一个问题吗？
最佳答案
通常，并行读取不是问题，因为 cv::Mat 只是一个很好的数组包装器，就像 std::vector (是的，有差异，但我看不出它们会如何影响这里的主题，所以我将忽略它们)。但是，并行化不会自动提升性能。这里有很多事情需要考虑:
创建线程会占用大量资源，如果任务相对较短(就计算时间而言)可能会产生很大的负面影响，因此必须考虑线程池。
如果您编写高性能代码(无论是多线程还是单线程)，您应该了解硬件的工作原理。在这种情况下:内存和 CPU。有一个 very good talk来自 CppCon 2016 的 Timur Doumler 关于该主题。这应该可以帮助您避免缓存未命中。
另外值得一提的是编译器优化。打开它。我知道这听起来非常明显，但是 SO 上有很多人询问有关性能的问题，但他们不知道什么是编译器优化。
最后，还有 OpenCV 透明 API (TAPI)，它基本上利用 GPU 而不是 CPU。几乎所有 OpenCV 的内置算法都支持 TAPI，您只需传递一个 cv::UMat 而不是 cv::Mat。这两种类型可以相互转换。但是，转换非常耗时，因为 UMat 基本上是 GPU 内存 (VRAM) 上的一个数组，这意味着每次转换时都必须复制它。访问 VRAM 的时间也比访问 RAM 的时间长(对于 CPU 而言)。
但是，您必须记住，如果不将 VRAM 数据复制到 RAM，则无法使用 CPU 访问 VRAM 数据。这意味着如果您使用 cv::UMat，则无法迭代像素。仅当您编写自己的 OpenCL 或 Cuda 代码以便您的算法可以在 GPU 上运行时才有可能。
在大多数消费级 PC 中，对于滑动窗口算法(基本上是遍历像素并围绕每个像素执行计算的任何算法)，使用 GPU 通常是迄今为止最快的方法(但也需要最多的努力来实现) .当然，这仅在数据缓冲区(您的图像)足够大以使其值得复制到 VRAM 和从 VRAM 复制时才成立。
对于平行书写:只要没有重叠区域，通常是安全的。但是，缓存未命中和 false sharing (正如 NathanOliver 所指出的)是需要考虑的问题。
关于c++ - 在 OpenCV 中使用多线程访问 Mat 是线程安全的吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/57420290/