Hetcompute image processing example (2)

一、Hetcompute 并行编程综述
HetCompute并行模式提供了可以进行数据交互的数据存储区，通过原子操作可以实现对数据的访问。HetCompute提供的API可以创建任务函数和申请空间，并可以在任务函数实现过程中访问内存数据。

二、实现过程
１）实例简介：
在本次实例中，主要实现了GPU、CPU、DSP基于Heterogeneous Compute SDK 协同工作，对照片去噪，并返回所需时间。
２）部分函数介绍：
上图中使用函数申请了三个内存空间，并同时创建四个任务，ct1、ct2为CPU任务，dt、gt为DSP和GPU的任务，并通过函数确定它们的执行顺序，最后通过SDK实现去噪任务中CPU、GPU、DSP之间数据的传递。
CPU主要负责了原始图片的加载，去噪后图片的输出工作。
DSP主要实现了图片权重的初始化，然后传值给GPU。
GPU主要负责了去噪算法模块。GPU的启动执行在创建任务传参中已经进行了实现，因此在调用GPU处理算法计算部分时，只需要调用创建的任务即可。
通过wait_for()函数，实现所有任务顺序完成。
此处通过Heterogeneous Compute SDK提供的函数创建了三个缓冲区用作任务调度中的数据处理，将一个图片去噪任务实现了简化。每个处理器只需要处理一部分的数据，完成后数据传给下一位，充分的调用到了每一个硬件，真正意义上实现了并行处理。
上图中时GPU算法处理部分的去噪算法实现过程，调用GPU对CPU加载的图片数据进和DSP初始化的图片权重数据进行去噪处理，并返回去噪后的数据，放在上面提到的缓冲区中，供CPU进行调用。最终实现图片去噪这一流程。
上图为DSP初始化图片权重。DSP的启动加载在mian()函数中已经实现，通过调用对应dsp处理函数，加载.so文件启动DSP处理任务，dsp运算速度最慢，因此此处只是让它对部分数据进行初始化。最终的去噪算法的实现在速度最快的GPU中实现。

通过上图定义的路径，可以把处理好的图片拿到PC端。此任务通过CPU进行了实现。
三、实验结果分析
通过上图可以看出，在通过Heterogeneous Compute SDK提供的方法，我们可以很轻易地实现GPU、CPU、DSP协同工作，大大提高了任务的处理效率。