CPU和GPU实现julia

//1）CUDA和OPENCV联系起来；（test1.cu)
#include "stdafx.h"
#include <iostream>
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <stdio.h>
#include <assert.h>
#include <cuda_runtime.h>
#include <helper_functions.h>
#include <helper_cuda.h>
using namespace std;
using namespace cv;
#define N 250
//test1的kernel
__global__ void test1kernel(int *t)
{
    int x = blockIdx.x;
    int y = blockIdx.y;
    int offset = x+y*gridDim.x; 
    t[offset] =255-t[offset];
 
}
int main(void)
{    
    //step0.数据和内存初始化
    Mat src = imread("opencv-logo.png",0);
    resize(src,src,Size(N,N));
    int *dev_t;
    int t[N*N];
    Mat dst = Mat(N,N,CV_8UC3);
    for (int i=0;i<N*N;i++)
    {
        t[i]  =(int)src.at<char>(i/N,i%N);
    }
    checkCudaErrors(cudaMalloc((void **)&dev_t, sizeof(int)*N*N));
    //step1.由cpu向gpu中导入数据
    checkCudaErrors(cudaMemcpy(dev_t, t,sizeof(int)*N*N, cudaMemcpyHostToDevice));
    //step2.gpu运算
    dim3 grid(N,N);
    test1kernel<<<grid,1>>>(dev_t);
    //step3.由gpu向cpu中传输数据
    checkCudaErrors(cudaMemcpy(t, dev_t,sizeof(int)*N*N, cudaMemcpyDeviceToHost));
    //step4.显示结果
    for (int i=0;i<N;i++)
    {
        for (int j=0;j<N;j++)
        {
             int offset = i*N+j;
             for (int c=0;c<3;c++)
             {
                 dst.at<Vec3b>(i,j)[c] =t[offset];
             }
        }
    }
    //step5，释放资源
    checkCudaErrors(cudaFree(dev_t));
    imshow("dst",dst);
    waitKey();
    return 0;
}

//3）julia
#include "stdafx.h"
#include <iostream>
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <stdio.h>
#include <assert.h>
#include <cuda_runtime.h>
#include <helper_functions.h>
#include <helper_cuda.h>
using namespace std;
using namespace cv;
#define N 250
struct cuComplex
{
    float r;
    float i;
    __device__ cuComplex(float a,float b): r(a),i(b){}
    __device__ float magnitude2(void)
    {
        return r*r+i*i;
    }
    __device__ cuComplex operator*(const cuComplex& a)
    {
        return cuComplex(r*a.r - i*a.i,i*a.r + r*a.i);
    }
    __device__ cuComplex operator+(const cuComplex& a)
    {
        return cuComplex(r+a.r,i+a.i);
    }
};
__device__ int julia(int x,int y)
{
    const float scale = 1.5;
    float jx = scale*(float)(N/2 - x)/(N/2);
    float jy = scale*(float)(N/2 - y)/(N/2);
    cuComplex c(-0.8,0.156);
    cuComplex a(jx,jy);
    for (int i=0;i<200;i++)
    {
        a=a*a +c;
        if (a.magnitude2()>1000)
        {
            return 0;
        }
    }
    return 1;
}
__device__ int fblx(int offset)
{
    if (offset ==0 || offset==1)
    {
        return offset;
    }
    else
    {
        return(fblx(offset - 1)+fblx(offset - 2));
    }
}
//test3的kernel
__global__ void juliakernel(int *t)
{
    int x = blockIdx.x;
    int y = blockIdx.y;
    int offset = x+y*gridDim.x;
    int juliaValue = julia(x,y);
    t[offset] =juliaValue*255;
}
int main(void)
{    
    //step0.数据和内存初始化
    int *dev_t;
    int t[N*N];
    Mat dst = Mat(N,N,CV_8UC3);
    for (int i=0;i<N*N;i++)
    {
        t[i]  =0;
    }
    checkCudaErrors(cudaMalloc((void **)&dev_t, sizeof(int)*N*N));
    //step1.由cpu向gpu中导入数据
    checkCudaErrors(cudaMemcpy(dev_t, t,sizeof(int)*N*N, cudaMemcpyHostToDevice));
    //step2.gpu运算
    dim3 grid(N,N);
    juliakernel<<<grid,1>>>(dev_t);
    //step3.由gpu向cpu中传输数据
    checkCudaErrors(cudaMemcpy(t, dev_t,sizeof(int)*N*N, cudaMemcpyDeviceToHost));
    //step4.显示结果
    for (int i=0;i<N;i++)
    {
        for (int j=0;j<N;j++)
        {
             int offset = i*N+j;
             printf("%d is %d",offset,t[offset]);
             for (int c=0;c<3;c++)
             {
                  dst.at<Vec3b>(i,j)[c] =t[offset];
             }
        }
    }
    //step5，释放资源
    checkCudaErrors(cudaFree(dev_t));
    imshow("dst",dst);
    waitKey();
    return 0;
}