АЭС Nvidia nppiFilter выдает мусор при свертке с 2d ядром

Question

Nvidia Performance Primitives (NPP) обеспечивает nppiFilter функция для свертки предоставленного пользователем изображения с предоставленным пользователем ядром. Для 1D сверточных ядер, nppiFilter работает правильно. Тем не мение, nppiFilter создает изображение мусора для 2D-ядер.

Я использовал типичное изображение Лены в качестве входных данных:

---

Вот мой эксперимент с ядром 1D свертки, которое дает хороший результат.

#include <npp.h> // provided in CUDA SDK
#include <ImagesCPU.h> // these image libraries are also in CUDA SDK
#include <ImagesNPP.h>
#include <ImageIO.h>

void test_nppiFilter()
{
    npp::ImageCPU_8u_C1 oHostSrc;
    npp::loadImage("Lena.pgm", oHostSrc);
    npp::ImageNPP_8u_C1 oDeviceSrc(oHostSrc); // malloc and memcpy to GPU 
    NppiSize kernelSize = {3, 1}; // dimensions of convolution kernel (filter)
    NppiSize oSizeROI = {oHostSrc.width() - kernelSize.width + 1, oHostSrc.height() - kernelSize.height + 1};
    npp::ImageNPP_8u_C1 oDeviceDst(oSizeROI.width, oSizeROI.height); // allocate device image of appropriately reduced size
    npp::ImageCPU_8u_C1 oHostDst(oDeviceDst.size());
    NppiPoint oAnchor = {2, 1}; // found that oAnchor = {2,1} or {3,1} works for kernel [-1 0 1] 
    NppStatus eStatusNPP;

    Npp32s hostKernel[3] = {-1, 0, 1}; // convolving with this should do edge detection
    Npp32s* deviceKernel;
    size_t deviceKernelPitch;
    cudaMallocPitch((void**)&deviceKernel, &deviceKernelPitch, kernelSize.width*sizeof(Npp32s), kernelSize.height*sizeof(Npp32s));
    cudaMemcpy2D(deviceKernel, deviceKernelPitch, hostKernel,
                     sizeof(Npp32s)*kernelSize.width, // sPitch
                     sizeof(Npp32s)*kernelSize.width, // width
                     kernelSize.height, // height
                     cudaMemcpyHostToDevice);
    Npp32s divisor = 1; // no scaling

    eStatusNPP = nppiFilter_8u_C1R(oDeviceSrc.data(), oDeviceSrc.pitch(),
                                          oDeviceDst.data(), oDeviceDst.pitch(),
                                          oSizeROI, deviceKernel, kernelSize, oAnchor, divisor);

    cout << "NppiFilter error status " << eStatusNPP << endl; // prints 0 (no errors)
    oDeviceDst.copyTo(oHostDst.data(), oHostDst.pitch()); // memcpy to host
    saveImage("Lena_filter_1d.pgm", oHostDst); 
}

Вывод вышеуказанного кода с ядром [-1 0 1] - это выглядит как разумное градиентное изображение:

---

Тем не мение, nppiFilter выводит изображение мусора, если я использую ядро 2D свертки. Вот то, что я изменил из приведенного выше кода для запуска с 2D ядром [-1 0 1; -1 0 1; -1 0 1]:

NppiSize kernelSize = {3, 3};
Npp32s hostKernel[9] = {-1, 0, 1, -1, 0, 1, -1, 0, 1};
NppiPoint oAnchor = {2, 2}; // note: using anchor {1,1} or {0,0} causes error -24 (NPP_TEXTURE_BIND_ERROR)
saveImage("Lena_filter_2d.pgm", oHostDst);

Ниже выводится изображение с использованием 2D ядра [-1 0 1; -1 0 1; -1 0 1] ,

Что я делаю неправильно?

В этом посте Stackru описана похожая проблема, как показано на изображении пользователя Steenstrup: http://1ordrup.dk/kasper/image/Lena_boxFilter5.jpg

---

Несколько заключительных замечаний:

• С 2D ядром, для определенных значений привязки (например, NppiPoint oAnchor = {0, 0} или же {1, 1}) Я получаю ошибку -24, что переводится как NPP_TEXTURE_BIND_ERROR согласно Руководству пользователя АЭС. Эта проблема была кратко упомянута в этом сообщении Stackru.
• Этот код очень многословен. Это не главный вопрос, но есть ли у кого-нибудь предложения о том, как сделать этот код более кратким?

Answer 1

Вы используете 2D-распределитель памяти для массива ядра. Ядра массивов представляют собой плотные одномерные массивы, а не двумерные пошаговые массивы, как типичное изображение АЭС.

Просто замените 2D CALLA malloc простым Cuda Malloc размером kernelWidth*kernelHeight*sizeof(Npp32s) и выполните обычную CUDA memcopy, а не memcopy 2D.

//1D instead of 2D
cudaMalloc((void**)&deviceKernel, kernelSize.width * kernelSize.height * sizeof(Npp32s));
cudaMemcpy(deviceKernel, hostKernel, kernelSize.width * kernelSize.height * sizeof(Npp32s), cudaMemcpyHostToDevice);

Кроме того, "коэффициент масштабирования" 1 не означает отсутствие масштабирования. Масштабирование происходит с коэффициентами 2^(-ScaleFactor).