cuda二维数据极值点计算，每次结果都不相同

2024-12-17 11:08:37 236 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

纯C++实现Halcon points_harris算子：从算法原理到工业级优化角点检测是计算机视觉中的基础任务，用于识别图像中两个或多个边缘相交的特征点。其核心原理是通过分析局部窗口内像素灰度值的变化程度，利用结构张量矩阵的特征值来区分平坦区域、边缘和角点。Harris角点检测算法因其计算效率和良好的稳定性，成为工业视觉领域的经典选择，广泛应用于目标定位、图像配准和三维重建等场景。在工程实践中，算法的性能优化和平台适配至关重要，涉及高斯滤波的可分离卷积实现、内存访问优化以及并行计算等技术。本文聚焦于逆向工程Halcon的points_harris算子，通过纯C++实现，深入探讨了其底阅读详情

下面是我的代码，每一次得到的结果都不相同，请大神帮我看看~
__global__ void cuda_findExtrema(float* input, float* extremaX, float* extremaY, float* maxValues, float* extremiX, float* extremiY, float* minValues, int* numMax, int* numMin, int nz, int nx)
{ int i1 = threadIdx.x + blockIdx.x * blockDim.x; // 行索引
int i2 = threadIdx.y + blockIdx.y * blockDim.y; // 列索引
if (i1 > 0 && i1 < nz - 1 && i2 > 0 && i2 < nx - 1)
{ float center = input[i1 * nx + i2]; // 8邻域点
float up = input[(i1 - 1) * nx + i2];
float down = input[(i1 + 1) * nx + i2];
float left = input[i1 * nx + (i2 - 1)];
float right = input[i1 * nx + (i2 + 1)];
float upLeft = input[(i1 - 1) * nx + (i2 - 1)];
float upRight = input[(i1 - 1) * nx + (i2 + 1)];
float downLeft = input[(i1 + 1) * nx + (i2 - 1)];
float downRight = input[(i1 + 1) * nx + (i2 + 1)]; // 极大值点 - 与八个邻域点比较
if (center > up && center > down && center > left && center > right && center > upLeft && center > upRight && center > downLeft && center > downRight)
{ int idx = atomicAdd(numMax, 1);
extremaX[idx] = i2; extremaY[idx] = i1;
maxValues[idx] = center; } // 极小值点 - 与八个邻域点比较
else if (center < up && center < down && center < left && center < right && center < upLeft && center < upRight && center < downLeft && center < downRight)
{ int idx = atomicAdd(numMin, 1);
extremiX[idx] = i2; extremiY[idx] = i1; minValues[idx] = center; } } }