获取图像去噪 CUDA 示例使用 MATLAB CUDAKernel 工作

Question

TL;DR

我正在寻找一种方法来提取现有 CUDA 工具包示例的一部分并将其转换为 MATLAB 中的 CUDAKernel 可执行文件。

故事

为了获得非本地均值 （NLM） 2D 过滤器的短运行时实现，我偶然发现了 CUDA 工具包提供的 imageDenoising 示例，该示例实现了该过滤器的两个变体，称为 NLM 和 NLM2（或"快速 NLM"）。

由于以前没有 CUDA 编码的经验，我最初试图遵循 MATLAB 关于该主题的文档，这导致了几个奇怪的错误，包括：ptx 编译、多个入口点和 C 原型中的输入数量错误。在这一点上，我意识到这不会是一个"正常工作"的案例，需要一些修补。

因此，我决定通过简单地删除imageDenoising.cu文件的一部分并将相关.cuh（..._nlm_kernel.cuh或..._nlm2_kernel.cuh）合并到.cu中来消除多入口点问题，以便在任何给定时间获得单个入口点。令我惊讶的是，这实际上设法编译了，我终于能够创建一个没有错误的CUDAKernel（使用命令 k = parallel.gpu.CUDAKernel('imageDenoising.ptx', 'uint8_T *, int, int, float, float'); ）。

然而，这还不够，因为我错误地得出结论，第一个参数是 RGB 矩阵形式的未处理图像（即 X*Y*3 uint8），所以我得到的结果正是输入，但在第一个 4 个元素中带有0。

在

搜索了更多之后，我意识到在这样的转换过程中，还有一些我完全不知道的、关键的方面（比如需要初始化__device__变量），在这个阶段我决定寻求帮助。

问题所在

我目前想知道如何有效地从这里继续。虽然我很想听听这种方法是否通常可以取得成果（以及是否有这个过程的完整示例在某处可用），我应该注意哪些其他陷阱，以及我可以采取哪些替代行动方案（考虑到我在 CUDA 方面的知识非常有限以及我不会雇用其他人为我做这件事）， 我记住这是SO，所以我必须有一个特定的编程问题，所以这里是：

如何修改imageDenoising.cu，以便从中构造的 MATLAB CUDAKernel也接受未处理的图像作为输入？

注意：在我的应用程序中，输入矩阵是二维灰度double矩阵。

相关： CudaMalloc 如何工作？

附言

一段工作代码显然是受欢迎的，但我真的宁愿"学习钓鱼"。

Answer 1

我最终对 CUDAKernel 采取了另一种方法，使用 .MEX ，通过执行以下操作：

1. 设置外部库 OpenCV v2.4.10（不是 v3！）和 mexopencv。
2. 为OpenCV的fastNlMeans编写一个小包装器函数，使用mexopencv的准则对未实现的函数进行降噪，如下所示（不包括文档）：

#include "mexopencv.hpp"
using namespace cv;
void mexFunction(int nlhs, mxArray *plhs[],
                 int nrhs, const mxArray *prhs[])
{
    // Check arguments
    if (nlhs != 1 || nrhs<1 || ((nrhs % 2) != 1) )
        mexErrMsgIdAndTxt("fastNLM:invalidArgs", "Wrong number of arguments");
    // Argument vector  
    vector<MxArray> rhs(prhs, prhs + nrhs);
    // Option processing
      // Defaults:
    double h = 3;
    int templateWindowSize = 7;
    int searchWindowSize = 21;
      // Parsing input name-value pairs:
    for (int i = 1; i<nrhs; i += 2) {
        string key = rhs[i].toString();
        if (key == "h")
            h = rhs[i + 1].toDouble();
        else if (key == "templateWindowSize")
            templateWindowSize = rhs[i + 1].toInt();
        else if (key == "searchWindowSize")
            searchWindowSize = rhs[i + 1].toInt();
        else
            mexErrMsgIdAndTxt("mexopencv:error", "Unrecognized option");
    }
    // Process
    Mat src(rhs[0].toMat()), dst;
    fastNlMeansDenoising(src, dst, h, templateWindowSize, searchWindowSize);
    // Convert cv::Mat back to mxArray*
    plhs[0] = MxArray(dst);
}

3. 编译它.....和中提琴 - 一个工作 CUDA 加速的 NLM 过滤器。

我的问题本身的答案可以通过比较opencvsourcesmodulesphotosrccudanlm.cu（这是opencv2路径）与imageDenoising_nlm2_kernel.cuh 。

这个解决方案对我来说效果很好，因为对我来说，运行 NLM 过滤器比使用 CUDAKernel 更重要。

我从中学到的主要教训（我想传递给其他人）是：

在 MATLAB 中运行 CUDA 代码也可以通过 CUDAKernel 以外的方式完成，例如使用.mex包装器，如上所示。