TBB、OpenCV混合编程

TBB提供了Parallel_for、Parallel_do、Parallel_reduce等通用并行算法，可以应用在不同的并行算法场合，Parallel_for适合用在多个数据或请求之间彼此没有依赖关系，所要进行的操作也是一样的情况。

Parallel_for的调用格式：

Parallel_for（first，last，step，func）

表示一个循环的并行执行，等价于以下操作：

for（auto i =first；i<last; i+=step）func(i);

第三个参数step可以省略，默认为1。Parallel_for的使用：

#include <tbb/tbb.h>#include <iostream>using namespace std;using namespace tbb;void func1(int a){cout << a << endl;}int main(){parallel_for(0, 10, 2, func1); //step为2//parallel_for(0, 10, func1); //默认的step为1getchar();return 0;}

其中一次输出为0 4 2 6 8。

在OpenCV中有些场景需要读入多张图片，并对这些图片进行预处理，如二值化、滤波等这种场景可以使用TBB进行加速。以下是使用parallel_for模板读入多幅图片并执行高斯滤波的示例：

#include <tbb/tbb.h>#include <iostream>#include <core/core.hpp>#include <imgproc.hpp>#include <highgui/highgui.hpp>using namespace std;using namespace tbb;using namespace cv;vector<Mat> imageVec;spin_mutex mutexObj; //互斥锁void ReadImage(int a){//获取图像名字，在硬盘上按0~9.jpg排列stringstream stringstr;stringstr << a;string imagePath;stringstr >> imagePath;imagePath += ".jpg";Mat image = imread(imagePath);mutexObj.lock(); //互斥imageVec.push_back(image);mutexObj.unlock(); //解除互斥}void GaussOperate(int a){GaussianBlur(imageVec[a], imageVec[a], Size(11, 11), 10);}int main(){parallel_for(0, 10, 1, ReadImage); //多线程读入图片parallel_for(0, 10, 1, GaussOperate);  //分别执行高斯滤波操作imshow("高斯滤波", imageVec[0]); //显示其中一幅图像waitKey();return 0;}

其中一幅原始输入图像：

滤波效果：

程序中首先定义了一个spin_mutex类的对象mutexObj。TBB中spin_mutex类用来对多线程中一段代码或变量提供同步和互斥保护，保证在同一时间只有一个线程对这段代码或变量进行操作。

lock函数开启互斥锁，unlock函数解除互斥。TBB中提供的互斥锁除了spin_mutex外还有5个： mutex、quening_mutex、spin_rw_mutex、recurisve_mutex、queuing_rw_mutex。

上例中高斯滤波部分只有一个滤波操作，使用lambda表达式更为简洁，上例中的main函数可以改写为：

int main(){parallel_for(0, 10, 1, ReadImage); //多线程读入图片parallel_for(0, 10, 1, [](int a) {GaussianBlur(imageVec[a],imageVec[a], Size(11, 11), 10); }); //lambda表达式写法imshow("高斯滤波", imageVec[0]);waitKey();return 0;}

parallel_for(0, 10, 1, GaussOperate)等价于parallel_for(0, 10, 1, [](int a) {GaussianBlur(imageVec[a],imageVec[a], Size(11, 11), 10); })