Microsoft MVP성태의 닷넷 이야기
VC++: 123. 내가 만든 코드보다 OpenCV의 속도가 월등히 빠른 이유 [링크 복사], [링크+제목 복사]
조회: 10941
글쓴 사람
홈페이지
첨부 파일

내가 만든 코드보다 OpenCV의 속도가 월등히 빠른 이유

(이 글의 테스트 환경은 i5-4670 4코어, x64로 5760 * 1080 이미지에 대해 처리한 것입니다.)

지난 글에서,

C# - OpenCvSharp 사용 시 C/C++을 이용한 속도 향상 (for 루프 연산)
; https://www.sysnet.pe.kr/2/0/11422

단순 for 루프 연산에 한해 OpenCV가 제공하는 속도를 구현해봤는데요. 사실, 제가 진짜 해보고 싶은 것은 다음의 글에 나온 erode 연산입니다.

OpenCV - 속도 분석 (1)
; https://laonple.blog.me/220861902363

위의 글에 나온 코드를 C# + OpenCvSharp으로 옮겨 보면 다음과 같이 구현됩니다.

static void Convert2(Mat srcMat, Mat kernel)
{
    int iMin, iVal;

    using (Mat dstMat = srcMat.Clone())
    {
        for (int i = 0; i < srcMat.Rows - 2; i++)
        {
            for (int j = 0; j < srcMat.Cols - 2; j++)
            {
                iMin = 0xFFF;

                for (int ii = 0; ii < kernel.Rows; ii ++)
                {
                    for (int jj = 0; jj < kernel.Cols; jj++)
                    {
                        if (kernel.At<byte>(ii, jj) != 0)
                        {
                            iVal = srcMat.At<byte>(i + ii, j + jj);
                            if (iMin > iVal)
                            {
                                iMin = iVal;
                            }
                        }
                    }
                }

                dstMat.Set<byte>(i + 1, j + 1, (byte)iMin);
            }
        }
    }
}

놀라운 것은 위의 코드를 실행했을 때 OpenCV로는 10회의 erode 연산을 25ms 안에 완료하는 것을 C#으로는 1회만으로도 26,498ms가 걸린다는 사실입니다. 그나마 Parallel.For를 사용해 바꾸면,

static unsafe int Convert2(Mat srcMat, Mat kernel)
{
    using (Mat dstMat = srcMat.Clone())
    {
        Parallel.For(0, srcMat.Rows - 2, (y) =>)
        {
            int iMin, iVal;

            for (int j = 0; j < srcMat.Cols - 2; j++)
            {
                iMin = 0xFFF;

                for (int ii = 0; ii < kernel.Rows; ii++)
                {
                    for (int jj = 0; jj < kernel.Cols; jj++)
                    {
                        if (kernel.At<byte>(ii, jj) != 0)
                        {
                            iVal = srcMat.At<byte>(y + ii, j + jj);
                            if (iMin > iVal)
                            {
                                iMin = iVal;
                            }
                        }
                    }
                }

                dstMat.Set<byte>(y + 1, j + 1, (byte)iMin);
            }
        });
    }

    return 0;
}

8초 정도로 떨어지는 데, 이를 10회 반복하면 80초가 넘게 걸립니다. 따라서 erosion/dilation 동작은 C#으로는 구현하지 않는 것이 현명합니다.




재미있는 것은 이제부터입니다. erosion 연산을 C++로 구현하는 경우,

__declspec(dllexport) void erode_cpp_single(BYTE *srcPtr, int srcRows, int srcCols, BYTE *kernelPtr, int kernelRows, int kernelCols, BYTE *dstPtr)
{
    int iMin, iVal;

    for (int i = 0; i < srcRows - 2; i++)
    {
        for (int j = 0; j < srcCols - 2; j++)
        {
            iMin = 255;

            for (int ii = 0; ii < kernelRows; ii++)
            {
                for (int jj = 0; jj < kernelCols; jj++)
                {
                    if (kernelPtr[ii, jj] != 0)
                    {
                        iVal = srcPtr[i + ii, j + jj];
                        if (iMin > iVal)
                        {
                            iMin = iVal;
                        }
                    }
                }
            }

            dstPtr[i + 1, j + 1] = (BYTE)iMin;
        }
    }
}

10회 연산을 하면 527ms가 나옵니다. 그리고 지난번처럼 parallel로 바꾸면,

__declspec(dllexport) void erode_cpp_parallel(BYTE *srcPtr, int srcRows, int srcCols, BYTE *kernelPtr, int kernelRows, int kernelCols, BYTE *dstPtr)
{
    parallel_for(0, srcRows - 2, [&](size_t srcRow))
    {
        int iMin, iVal;

        BYTE *srcPtrY = srcPtr + (srcRow * srcCols);
        BYTE *dstPtrY = dstPtr + (srcRow * srcCols);

        for (int j = 0; j < srcCols - 2; j++)
        {
            iMin = 0xFF;

            for (int ii = 0; ii < kernelRows; ii++)
            {
                for (int jj = 0; jj < kernelCols; jj++)
                {
                    if (*(kernelPtr + (ii * kernelRows + jj)) != 0)
                    {
                        iVal = *(srcPtrY + (ii * srcCols + j + jj));
                        if (iMin > iVal)
                        {
                            iMin = iVal;
                        }
                    }
                }
            }

            dstPtrY[j] = (BYTE)iMin;
        }
    });
}

(10회 수행 시) 282ms가 나옵니다. OpenCV의 25ms 수행 시간에 비하면 여전히 10배가 느립니다. 도대체 어디서 이렇게 느린 걸까요? ^^




혹시, 병렬 처리를 더 늘려 보면 될까요? 그래서 2중 for 문이었던 처리를 모두 병렬로 돌려 봤습니다.

__declspec(dllexport) void erode_cpp_parallel2(BYTE *srcPtr, int srcRows, int srcCols, BYTE *kernelPtr, int kernelRows, int kernelCols, BYTE *dstPtr)
{
    parallel_for(0, srcRows - 2, [&](size_t srcRow))
    {
        parallel_for(0, srcCols - 2, [&](size_t srcCol))
        {
            BYTE *srcPtrY = srcPtr + (srcRow * srcCols);
            BYTE *dstPtrY = dstPtr + (srcRow * srcCols);

            int iVal;
            int iMin = 0xFF;

            for (int ii = 0; ii < kernelRows; ii++)
            {
                for (int jj = 0; jj < kernelCols; jj++)
                {
                    if (*(kernelPtr + (ii * kernelRows + jj)) != 0)
                    {
                        iVal = *(srcPtrY + (ii * srcCols + srcCol + jj));
                        if (iMin > iVal)
                        {
                            iMin = iVal;
                        }
                    }
                }
            }

            dstPtrY[srcCol] = (BYTE)iMin;
        });
    });
}

그랬더니, 시간이 좀 왔다 갔다 합니다. 어떤 때는 erode_cpp_parallel에 비해 근소하게 빨랐다가 어떤 때는 느린데, 대체로 30 ~ 100ms 정도 더 느리게 나옵니다. 어쨌든 결과를 봤을 때 분명한 것은 OpenCV는 이런 식으로 처리하지 않는다는 점입니다.




그런데, OpenCV의 저런 처리 속도가 어느 정도 빠른 것인지 감이 안 오실 텐데요. 비교를 위해 erode_cpp_parallel에서 kernel 쪽 루프를 완전히 제거한 경우,

__declspec(dllexport) void erode_cpp_parallel(BYTE *srcPtr, int srcRows, int srcCols, BYTE *kernelPtr, int kernelRows, int kernelCols, BYTE *dstPtr)
{
    parallel_for(0, srcRows - 2, [&](size_t srcRow)
    {
        int iMin, iVal;

        BYTE *srcPtrY = srcPtr + (srcRow * srcCols);
        BYTE *dstPtrY = dstPtr + (srcRow * srcCols);

        for (int j = 0; j < srcCols - 2; j++)
        {
            iMin = 0xFF;

            //for (int ii = 0; ii < kernelRows; ii++)
            //{
            //    for (int jj = 0; jj < kernelCols; jj++)
            //    {
            //        if (*(kernelPtr + (ii * kernelRows + jj)) != 0)
            //        {
            //            iVal = *(srcPtrY + (ii * srcCols + j + jj));
            //            if (iMin > iVal)
            //            {
            //                iMin = iVal;
            //            }
            //        }
            //    }
            //}

            dstPtrY[j] = (BYTE)iMin;
        }
    });
}

실행해 보면 이제서야 속도가 21ms 정도가 나옵니다. 저렇게 아예 처리를 안 하는 정도가 되어야 OpenCV보다 근소하게 빨라지는 것입니다. 어떻게 그럴 수 있는지에 대해서는 다음의 글에서 자세하게 설명하고 있습니다.

OpenCV - 속도 분석 (1)
; http://laonple.blog.me/220861902363

OpenCV - 속도 분석 (6)
; http://laonple.blog.me/220889347089

그렇습니다. 이제 남은 방법은 SIMD입니다. 그리고 이 방법에 대해서는 이미 다음의 글에서 잘 설명하고 있습니다.

SSE - Image Processing
; https://felix.abecassis.me/2012/03/sse-image-processing/

그래도 ^^ 직접 해볼까요? (위의 글에 나오는 코드는 dilation이지만 이 글에서는 erosion으로 해보겠습니다.)

참고로 위의 소스 코드에서는 kernel 처리를 2차원 배열로 하지 않고 1차원으로 처리를 하기 때문에 for 루프가 하나 줄어듭니다. 또한, 코드의 간결함을 위해 일단 kernel의 masking 처리는 제거하고 모두 기본 적용하는 것을 가정하며, 대신 이 글 전체에서 사용한 3*3 커널과 동일한 처리는 합니다. 아래는 이러한 조건들을 반영한 코드입니다.

__declspec(dllexport) void erode_custom(BYTE *srcPtr, int srcRows, int srcCols, BYTE *dstPtr)
{
    int width = srcCols;
    int height = srcRows;

    int step = width;
    BYTE *dst = dstPtr;
    const BYTE *src = srcPtr;

    const int wsize = 9;
    const int off[wsize] = { -step - 1, -step, -step + 1,
                             -1, 0, 1,
                             step - 1, step, step + 1, };

    dst += step;
    src += step;

    for (int i = 0; i < height - 2; i++)
    {
        for (int j = 0; j < width - 2; j++)
        {
            BYTE sup = 0xFF;

            for (int k = 0; k < wsize; k++)
            {
                sup = min(sup, src[j + off[k]]);
            }

            dst[j] = sup;
        }

        dst += step;
        src += step;
    }
}

어쨌든, 이와 같은 방식으로 parallel + SIMD 연산 코드를 적용하면,

__declspec(dllexport) void erode_custom_parallel(BYTE *srcPtr, int srcRows, int srcCols, BYTE *kernelPtr, int kernelRows, int kernelCols, BYTE *dstPtr)
{
    int width = srcCols;
    int height = srcRows;

    int step = width;
    BYTE *dst = dstPtr;
    const BYTE *src = srcPtr;

    const int wsize = 9;
    const int off[wsize] = { -step - 1, -step, -step + 1,
        -1, 0, 1,
        step - 1, step, step + 1, };

    parallel_for(1, height - 2, [&](size_t srcRow)
    {
        BYTE *srcPtrY = srcPtr + (srcRow * srcCols);
        BYTE *dstPtrY = dstPtr + (srcRow * srcCols);

        for (int j = 0; j < width - 16; j += 16)
        {
            __m128i m = _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[0]));
            m = _mm_min_epu8(m, _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[1])));
            m = _mm_min_epu8(m, _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[2])));
            m = _mm_min_epu8(m, _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[3])));
            m = _mm_min_epu8(m, _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[4])));
            m = _mm_min_epu8(m, _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[5])));
            m = _mm_min_epu8(m, _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[6])));
            m = _mm_min_epu8(m, _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[7])));
            m = _mm_min_epu8(m, _mm_loadu_si128((const __m128i*)(srcPtrY + j + off[8])));

            _mm_storeu_si128((__m128i*)(dstPtrY + j), m);
        }

        srcPtrY += step;
        dstPtrY += step;
    });
}

/*
이 소스 코드는 +16씩 진행하기 때문에 마지막 %16 크기만큼의 처리를 더 해줘야 하지만 생략합니다.
게다가 kernel의 mask 처리도 생략된 것입니다.
*/

이제서야 속도가 18ms로 나오면서 OpenCV를 따라잡았습니다. 물론 범용 처리를 하는 OpenCV가 약간의 부가 작업이 있을 테니 당연히 이 정도는 빨라야 합니다. 보는 바와 같이 SIMD 처리가 의외로 막강하다는 것을 체감할 수 있었는데요, 그렇다면 혹시 AVX 256bit로 하면 좀 더 빨라질 수 있을까요?

for (int j = 0; j < width - 32; j += 32)
{
    __m256i m = _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[0]));
    m = _mm256_min_epu8(m, _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[1])));
    m = _mm256_min_epu8(m, _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[2])));
    m = _mm256_min_epu8(m, _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[3])));
    m = _mm256_min_epu8(m, _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[4])));
    m = _mm256_min_epu8(m, _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[5])));
    m = _mm256_min_epu8(m, _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[6])));
    m = _mm256_min_epu8(m, _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[7])));
    m = _mm256_min_epu8(m, _mm256_loadu_si256((const __m256i*)(srcPtrY + j + off[8])));

    _mm256_storeu_si256((__m256i*)(dstPtrY + j), m);
}

아쉽지만 더 빨라지지는 않고 128bit 처리와 거의 동일했습니다. 어쨌든, 이것으로 OpenCV가 왜 빠른지 알 수 있었는데요, 역시 알면 알수록 OpenCV 내의 메서드 호출을 기반으로 구현하는 것이 더 좋은 선택이라는 답이 나옵니다. ^^

(첨부 파일은 이 글의 소스 코드를 포함합니다.)

이번에도 성능 수치를 엑셀 그래프로 그려봤습니다. ^^ (C#은 너무 느려서 포함시키면 그래프가 왜곡되므로 제외했습니다.)

erosion_perf.png




개인적으로 이 글을 쓰면서 느낀 점이 좀 있습니다. 사실 그전에는 parallel 처리라고 해봐야 결국 CPU 자원을 쓰는 것이기 때문에 그다지 매력적이라고 생각지 않았고 SIMD는 다소... 먼 나라 이야기라고 생각했었습니다. 하지만, 이 글을 통해서 parallel + SIMD 처리가 소프트웨어에서 얼마나 강력한 성능을 발휘하는지 실감하게 되었고 현실적으로 충분히 적용할만한 기술로 다가왔습니다. 물론 SIMD 연산이 아무 데나 적용할 수 있는 유형은 아닙니다. 예를 들어 지난번 글에서 예제로 든 RGB -> RGBA 변환과 같은 간단한 유형에도 SIMD 연산은 적용할 수 없는 로직에 속합니다.

그렇긴 하지만, 만약 적용할 수 있었을 때의 성능 향상이 이 정도라면 평소 코딩에서 SIMD 적용 여부에 대한 촉각을 곤두세울만한 가치는 있어 보입니다.

그나저나 이왕 내친김에, GPGPU 연산 쪽 관련 공부도 해봐야겠다는 생각이 듭니다. ^^ 음... 뭐랄까... 게임하면서 강력한 아이템을 하나 얻은 것 같은 기분입니다. ^^




[이 글에 대해서 여러분들과 의견을 공유하고 싶습니다. 틀리거나 미흡한 부분 또는 의문 사항이 있으시면 언제든 댓글 남겨주십시오.]

[연관 글]





[최초 등록일: ]
[최종 수정일: 1/4/2018 ]

Creative Commons License
이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이센스에 따라 이용하실 수 있습니다.
by SeongTae Jeong, mailto:techsharer@outlook.com

비밀번호

댓글 쓴 사람
 



2018-05-01 11시28분
SSE 사용하기 (How to use SSE)
; https://blog.naver.com/sorkelf/221264505285
정성태
2018-06-26 01시57분
[이필국] error MSB3030: "E:\C#\OpenCV\Projects\opencv_simd_perf\test_img.png" 파일을 찾을 수 없으므로 복사할 수 없습니다.
압축화일에 test_img.png 가 없어 빌드시 오류가 나는거지요???
[손님]
2018-06-26 02시05분
넵, 그 파일은 임의로 이미지 파일 하나 만들어서 넣어주시면 됩니다. 그걸 넣으니 쓸데 없이 zip 용량이 커져서 뺀 것입니다.
정성태
2019-11-11 01시05분
[dd] 잘보았습니다
[손님]

... 16  17  18  19  20  21  22  23  24  25  26  27  [28]  29  30  ...
NoWriterDateCnt.TitleFile(s)
11473정성태3/22/20183546.NET Framework: 734. C# - Thread.Suspend 호출 시 응용 프로그램 hang 현상파일 다운로드1
11472정성태3/22/20183203개발 환경 구성: 356. GTX 1070, GTX 960, GT 640M의 cudaGetDeviceProperties 출력 결과
11471정성태3/20/20182770VC++: 125. CUDA로 작성한 RGB2RGBA 성능파일 다운로드1
11470정성태3/20/20184890오류 유형: 458. Visual Studio - CUDA 프로젝트 빌드 시 오류 C1189, expression must have a constant value
11469정성태3/19/20182776오류 유형: 457. error MSB3103: Invalid Resx file. Could not load file or assembly 'System.Windows.Forms, ...' or one of its dependencies.
11468정성태3/19/20182733오류 유형: 456. 닷넷 응용 프로그램 실행 시 0x80131401 예외 발생
11467정성태3/19/20182338오류 유형: 455. Visual Studio Installer - 업데이트 실패
11466정성태3/18/20182846개발 환경 구성: 355. 한 대의 PC에서 2개 이상의 DirectX 게임을 실행하는 방법
11463정성태3/15/20183062.NET Framework: 733. 스레드 간의 read/write 시에도 lock이 필요 없는 경우파일 다운로드1
11462정성태3/14/20183448개발 환경 구성: 354. HTTPS 호출에 대한 TLS 설정 확인하는 방법 [1]
11461정성태3/13/20184471오류 유형: 454. 윈도우 업데이트 설치 오류 - 0x800705b4 [1]
11460정성태3/14/20183196디버깅 기술: 112. windbg - 닷넷 메모리 덤프에서 전역 객체의 내용을 조사하는 방법
11459정성태3/13/20182325오류 유형: 453. Debug Diagnostic Tool에서 mscordacwks.dll을 찾지 못하는 문제
11458정성태2/21/20182812오류 유형: 452. This share requires the obsolete SMB1 protocol, which is unsafe and could expose your system to attack.
11457정성태2/17/20184210.NET Framework: 732. C# - Task.ContinueWith 설명파일 다운로드1
11456정성태4/10/20185648.NET Framework: 731. C# - await을 Task 타입이 아닌 사용자 정의 타입에 적용하는 방법 [3]파일 다운로드1
11455정성태2/17/20183377오류 유형: 451. ASP.NET Core - An error occurred during the compilation of a resource required to process this request.
11454정성태2/12/20187454기타: 71. 만료된 Office 제품 키를 변경하는 방법
11453정성태1/31/20182479오류 유형: 450. Azure Cloud Services(classic) 배포 시 "Certificate with thumbprint ... doesn't exist." 오류 발생
11452정성태1/31/20185071기타: 70. 재현 가능한 최소한의 예제 프로젝트란? [3]
11451정성태1/24/20182982디버깅 기술: 111. x86 메모리 덤프 분석 시 닷넷 메서드의 호출 인자 값 확인
11450정성태11/15/20187922Windows: 146. PowerShell로 원격 프로세스(EXE, BAT) 실행하는 방법
11449정성태3/6/20184177오류 유형: 449. 단위 테스트 - Could not load file or assembly 'Microsoft.VisualStudio.QualityTools.VideoRecorderEngine' or one of its dependencies. [1]
11448정성태1/20/20182851오류 유형: 448. Fakes를 포함한 단위 테스트 프로젝트를 빌드 시 CS0619 관련 오류 발생
11447정성태1/20/20183269.NET Framework: 730. dotnet user-secrets 명령어파일 다운로드1
11446정성태1/20/20183241.NET Framework: 729. windbg로 살펴보는 GC heap의 Segment 구조파일 다운로드1
... 16  17  18  19  20  21  22  23  24  25  26  27  [28]  29  30  ...