如何加快C＃中的嵌套循环

Question

这是我的一段代码，用于计算差异。 它可以正常工作，但是会花费很多（因为高度和宽度）。

• “数据”是灰色图像位图。
• “过滤器”是[3,3]矩阵。
• “ fh”和“ fw”的最大值为3。

我希望加快此代码的速度。

我也尝试使用并行，因为它不能正常工作（超出范围的错误）。

private float[,] Differentiate(int[,] Data, int[,] Filter)
{
    int i, j, k, l, Fh, Fw;

    Fw = Filter.GetLength(0);
    Fh = Filter.GetLength(1);

    float sum = 0;
    float[,] Output = new float[Width, Height];

    for (i = Fw / 2; i <= (Width - Fw / 2) - 1; i++)
    {
        for (j = Fh / 2; j <= (Height  - Fh / 2) - 1; j++)
        {
            sum=0;

            for(k = -Fw/2; k <= Fw/2; k++)
            {
                for(l = -Fh/2; l <= Fh/2; l++)
                {
                    sum = sum + Data[i+k, j+l] * Filter[Fw/2+k, Fh/2+l];
                }
            }

            Output[i,j] = sum;
        }

    }

    return Output;
}

Answer 1

对于并行执行，您需要在方法的开头删除c语言（如变量声明），并在使用它们的实际范围内声明它们，以便它们不会在线程之间共享。 使其并行应该可以为性能带来一些好处，但是使它们全部为ParallerFors并不是一个好主意，因为实际上可以并行运行的线程数量是有限的。 我会尝试只使用顶级循环：

private static float[,] Differentiate(int[,] Data, int[,] Filter)
{
    var Fw = Filter.GetLength(0);
    var Fh = Filter.GetLength(1);

    float[,] Output = new float[Width, Height];

    Parallel.For(Fw / 2, Width - Fw / 2 - 1, (i, state) =>
    {
        for (var j = Fh / 2; j <= (Height - Fh / 2) - 1; j++)
        {
            var sum = 0;
            for (var k = -Fw / 2; k <= Fw / 2; k++)
            {
                for (var l = -Fh / 2; l <= Fh / 2; l++)
                {
                    sum = sum + Data[i + k, j + l] * Filter[Fw / 2 + k, Fh / 2 + l];
                }
            }

            Output[i, j] = sum;
        }
    });
    return Output;
}

Answer 2

这是使用GPU比使用CPU更好的任务的完美示例。 GPU每秒可以执行数万亿个浮点运算（TFlops），而CPU性能仍以GFlops为单位。 要注意的是，如果您使用SIMD指令（单指令多数据），那就太有用了。 GPU在数据并行任务方面表现出色。 如果不同的数据需要不同的指令，则使用GPU没有优势。

在您的程序中，位图的元素经过相同的计算：只是在数据略有不同的情况下进行相同的计算（SIMD！）。 因此，使用GPU是一个不错的选择。 这不会太复杂，因为使用您的计算，GPU上的线程将不需要交换信息，也不必依赖于先前迭代的结果（每个元素将由GPU上的不同线程处理）。

例如，您可以使用OpenCL轻松访问GPU。 有关OpenCL和使用GPU的更多信息，请访问： https ： //www.codeproject.com/Articles/502829/GPGPU-image-processing-basics-using-OpenCL-NET