OpenCL 图像处理中的 local memory 与同步机制

一、Mali-G610 GPU 简介

Mali-G610 是 ARM 基于 Valhall 架构的 GPU，支持 OpenCL 2.1，具备高并行执行能力，适用于嵌入式平台（如 RK3588）上的图像处理任务。

• 支持 OpenCL 2.1 标准
• 多 Shader Core 架构（MP4、MP6）
• 统一内存架构，CPU/GPU 共享 DRAM
• 支持本地内存（__local）和图像对象操作

二、图像处理中适合使用 __local 内存的算法

在 OpenCL 中，__local 内存用于工作组内共享小块数据，具有低延迟的特点，适合以下算法：

• 图像滤波（如均值滤波、高斯滤波）
• Sobel 边缘检测（对局部邻域进行卷积）
• 中值滤波（排序需要反复访问邻域像素）
• 图像金字塔构建（上下采样阶段）
• 模板匹配（需要滑窗计算）
• 图像旋转/仿射变换（共享变换数据）

这些算法通常使用滑动窗口处理局部邻域数据，利用 __local 内存可减少全局内存访问。

三、BLOCK_SIZE 含义

BLOCK_SIZE 通常指的是每个 工作组（Work Group） 的局部大小，即 local_work_size。例如：

local_work_size = (BLOCK_SIZE, BLOCK_SIZE)

它定义了工作组中工作项的二维布局，控制共享内存分配及并行策略。

四、barrier() 的作用与限制

在 OpenCL 中，barrier(CLK_LOCAL_MEM_FENCE) 用于同步同一个工作组内的所有工作项，确保局部内存写入完成后再进行后续操作。

• 仅对同一工作组有效，不能跨组同步
• 用于协调对 __local 内存的并发访问
• 错误使用（如未同步即读取）可能导致数据竞争和错误

五、同步开销分析

使用 barrier() 虽然能避免数据冲突，但也会引入性能开销：

• GPU 执行流必须等待所有工作项到达同步点
• 工作项间负载不均会导致线程阻塞时间差异
• 频繁使用 barrier 会影响吞吐率，应尽量减少同步次数

六、Tile 边缘问题

在图像处理中，每个工作组通常处理一个 tile 区域并将其载入 __local 内存。但靠近图像边缘的 tile 可能访问不到完整邻域数据：

• 需要通过 if 条件判断边界情况
• 或在 global kernel 中向 tile 边缘额外扩展（padding）

示例：Sobel 滤波时需要 3x3 邻域，如果当前像素是图像边缘，就必须跳过或使用镜像边界策略。

七、适合 OpenCL 加速的图像处理场景

• 摄像头预处理（去噪、锐化、增强）
• 图像金字塔构建用于多尺度检测
• 双目图像预处理（Sobel+SGBM）
• 畸变矫正或图像矫正
• AI 前处理/后处理中的图像 resize 和归一化
• GPU 上进行大规模视频帧批量滤波