一般而言，cv::Mat 或 cv::Mat 向量的 omp 缩减

//In other words, this equilavent to cv::Mat1f mat(5,n)
//i.e. a matrix 5xn
std::vector<cv::Mat1f> mat(5,cv::Mat1f::zeros(1,n));
std::vector<float> indexes(m);
// fill indexes
// m >> nThreads (from hundreds to thousands)
for(size_t i=0; i<m; i++){
  mat[indexes[m]] += 1;
}

预期结果是将每行的每个元素加一。这是一个玩具示例，实际总和要复杂得多。我尝试将其与以下内容并行化：

#pragma omp declare reduction(vec_float_plus : std::vector<cv::Mat1f> : \
            std::transform(omp_out.begin(), omp_out.end(), omp_in.begin(), omp_out.begin(), std::plus<cv::Mat1f>())) \
            initializer(omp_priv=omp_orig);

#pragma omp parallel for reduction(vec_float_plus : mat)
for(size_t i=0; i<m; i++){
    mat[indexes[m]] += 1;
}       

但这会失败，因为每行的每个元素都是随机初始化的。我该如何解决这个问题？

所以我发现问题与this。所以我应该初始化mat with:

std::vector<cv::Mat1f> mat(5);
for(size_t i=0; i<mat.size(); i++)
  mat[i] = cv::Mat1f::zeros(1,n);

但这会产生问题omp_priv = omp_orig，因为它会考虑std::vector<cv::Mat1f> mat(5);它的值是未定义的。我该如何解决这个问题？我想到的唯一解决方案是创建一个包装器结构，例如：

class vectMat{
public:
    vectMat(size_t rows, size_t j){
        for(size_t i=0; i<rows; i++)
            mats.push_back(cv::Mat1f::zeros(1,j));
    }
private:
    std::vector<cv::Mat1f> mats;
};

但是我应该实现什么才能使其与其余代码一起工作呢？

类型如cv::Mat1f，使用引用而不是复制，在这种情况下确实是危险的。您可以通过拆分来制定清晰的显式解决方案parallel地区和for loop.

#pragma omp declare reduction(vec_mat1f_plus : std::vector<cv::Mat1f> : \
            std::transform(omp_out.begin(), omp_out.end(), omp_in.begin(), omp_out.begin(), std::plus<cv::Mat1f>()));
// initializer not necessary if you initialize explicitly

std::vector<cv::Mat1f> mat;
#pragma omp parallel reduction(vec_mat1f_plus : mat)
{
  mat = std::vector<cv::Mat1f>(5);
  for (auto& elem : mat) {
    elem = cv:Mat1f::zeros(1, n);
  }
  #pragma omp for
  for(size_t i=0; i<m; i++){
    mat[indexes[m]] += 1;
  }
}

^{I haven't tested whether std::plus<cv::Mat1f> works, but it looks good.}

你的方法与vectMat如果您提供一个，也将起作用operator=深度复制底层Mat with clone()，并保留初始值设定项。