[VS2010]TPL平行運算 - 使用Parallel.For來處理影像 | 上班族也要寫日報 - 點部落

2010-01-24

[VS2010]TPL平行運算 - 使用Parallel.For來處理影像

20422
0
Parallel

摘要:[Visual Studio 2010]TPL平行運算 - 使用Parallel.For來處理影像

在Visual Studio 2010提供了更多更強大的功能以及新的函式庫，例如軟體工程的整合、雲端、平行運算、MEF開放架構等，不過在平行運算的技術方面，.NET 4.0提供了Task Parallel Library(TPL)的函式庫，此函式庫主要是用在Manage Code上面，當然在C++方面微軟也有提供另一個Parallel Pattern Library(PPL)的函式庫，也支援新一代的C++ 0x（參考MSDN）。在.NET 3.5的時候其實TPL就已經開始發展中，當時是以Parallel Extension的方式來擴充（在Codeplex上，不知道有沒有記錯），不過到了4.0才正式納入.NET Framework當中。

微軟的TPL函式庫基本上都是由執行緒所建立而成，並且幫我們處理掉許多並行執行以及多執行緒的相關問題，這樣在使用平行運算的時候，就可以避免到一些執行緒的衝突或是需要作鎖定等，目前所知的平行運算大致分為三種：

任務平行（Task Parallelism）：基本上每個任務會以System.Threading.Tasks.Task的類別來表示，不再是使用Thread來代表，並且Task類別都需要傳入Action的委派，這樣可以告知此任務要執行哪些動作，例如new Task(() => DoSomething());，所以每一個Task都是一的執行單元，並且可以透過Start()方法來啟動任務。
資料平行（Data Parallelism）：通常處理的項目會是一個集合或是陣列（由多個單元所組成的資料），例如我們常用for或foreach來處理集合內的資料，不過for只能循序的存取資料，並沒有辦法充分運用多核心的處理器，導致在讀取大量的資料時，只用到CPU其中一個核心作處理，所以在TPL提供了好用的類別System.Threading.Tasks.Parallel，Parallel提供了一些靜態方法，例如Parallel.For、Parallel.ForEach，這兩個都是用來執行回圈的動作，但是差別在於只要是透過Parallel.For或是Parallel.ForEach的方法執行，就會以平行的方式來處理資料。
PLINQ（Parallel Linq）：LINQ在C# 3.0的語法大放異彩，改變很多人對於程式語言的寫作方式，而且LINQ也可以透過LINQ Provider來擴充，讓所有的資料存取都可以使用linq語法來查詢。不過在.NET 4.0提供了平行的LINQ Provider，並且透過擴充方法（Extension Method）的方式來對IEnumerable<T>型別擴充，提供了AsEnumerable()的方法（定義在System.Linq.ParallelEnumerable類別中），例如下面的範例是來自MSDN：

 var source = Enumerable.Range(100, 20000);

 // Result sequence might be out of order.
 var parallelQuery = from num in source.AsParallel()
                     where num % 10 == 0
                     select num;

上面提到了許多關於平行運算的簡介，開始要來執行今天的任務，這次想要將以前寫的灰階轉換程式透過TPL來處理，下面的範例是之前寫的程式碼片段：

/// 
/// 轉換成灰階圖檔
/// 
public static Bitmap ConvertToGrey(string filePath)
{
    //來源圖檔
    Bitmap bmp = new Bitmap(filePath);
    //建立新的Bitmap物件,用來存放轉換後的圖片
    Bitmap newBmp = new Bitmap(bmp.Width, bmp.Height, bmp.PixelFormat);
    
    BitmapData newData = newBmp.LockBits(new Rectangle(0, 0, newBmp.Width, newBmp.Height),
        ImageLockMode.WriteOnly,
        bmp.PixelFormat);

    BitmapData bmpData = bmp.LockBits(new Rectangle(0, 0, bmp.Width, bmp.Height),
        ImageLockMode.ReadOnly,
        bmp.PixelFormat);

    //循序轉換
    for (int i = 0; i < bmp.Height; i++)
    {
        for (int j = 0; j < bmp.Width; j++)
        {
            int offset = i * bmpData.Stride + j * (bmpData.Stride / bmpData.Width);
            //直接在記憶體讀寫像素的RGB值
              int r = Marshal.ReadByte(bmpData.Scan0, offset + 2);
            int g = Marshal.ReadByte(bmpData.Scan0, offset + 1);
            int b = Marshal.ReadByte(bmpData.Scan0, offset);

            int grey = (r * 77 + g * 151 + b * 28) >> 8;
            Marshal.WriteByte(newData.Scan0, offset, (byte)grey);
            Marshal.WriteByte(newData.Scan0, offset + 1, (byte)grey);
            Marshal.WriteByte(newData.Scan0, offset + 2, (byte)grey);
        }
    }

    newBmp.UnlockBits(newData);
    bmp.UnlockBits(bmpData);

    return newBmp;
}

由於處理的是一張影像圖檔，所以我改用Parallel.For的方式來讓資料平行處理，來看看效能是否變好，下面是修改後的程式碼，其實跟原來的差不多，只是將for回圈改成Parallel.For而已：

///
/// 透過TPL轉換成灰階圖檔
///
public static Bitmap ConvertToGreyWithParallel(string filePath)
{
    //來源圖檔
    Bitmap bmp = new Bitmap(filePath);
    //建立新的Bitmap物件,用來存放轉換後的圖片
    Bitmap newBmp = new Bitmap(bmp.Width, bmp.Height, bmp.PixelFormat);
    
    BitmapData newData = newBmp.LockBits(new Rectangle(0, 0, newBmp.Width, newBmp.Height),
        ImageLockMode.WriteOnly,
        bmp.PixelFormat);

    BitmapData bmpData = bmp.LockBits(new Rectangle(0, 0, bmp.Width, bmp.Height),
        ImageLockMode.ReadOnly,
        bmp.PixelFormat);
   
    int height = bmp.Height;
    int width = bmp.Width;
  
    //平行轉換
    Parallel.For(0, height, i =>
        Parallel.For(0, width, j =>
        {
            int offset = i * bmpData.Stride + j * (bmpData.Stride / bmpData.Width);
            //直接在記憶體讀寫像素的RGB值
              int r = Marshal.ReadByte(bmpData.Scan0, offset + 2);
            int g = Marshal.ReadByte(bmpData.Scan0, offset + 1);
            int b = Marshal.ReadByte(bmpData.Scan0, offset);

            int grey = (r * 77 + g * 151 + b * 28) >> 8;
            Marshal.WriteByte(newData.Scan0, offset, (byte)grey);
            Marshal.WriteByte(newData.Scan0, offset + 1, (byte)grey);
            Marshal.WriteByte(newData.Scan0, offset + 2, (byte)grey);
        }));


    newBmp.UnlockBits(newData);
    bmp.UnlockBits(bmpData);
    return newBmp;
  

}

這兩個程式碼看起來都一樣，只是變成Parallel.For來處理資料，基本上Parallel.For的基本簽名如下：

public static ParallelLoopResult For(int fromInclusive, int toExclusive, Action body);

fromInclusive：起始的計數數值

toExclusive：結束的計數數值

body：要執行的動作，也就是for迴圈內的區塊程式碼

測試結果：

下面的結果分別為透過循序的方式轉換（巢狀for迴圈，圖左）以及平行的方式轉換（Parallel.For，圖右）：

測試機器為Lenovo X61，雙核CPU，可以看到時間上差了約3.5倍，不過這也要看圖片的像素編排以及圖檔格式，不過使用平行的方式來轉換，可以發現它的效能是比循序的還要快。

參考資料：

http://msdn.microsoft.com/en-us/concurrency/default.aspx

http://msdn.microsoft.com/en-us/magazine/ee819128.aspx

http://msdn.microsoft.com/en-us/library/dd460693(VS.100).aspx

程式碼範例：

ConvertToGrey.rar

回首頁