CUDA 内核中的 2D 图像索引错误

我正在使用 CUDA 对图像进行线性过滤。我使用 2D 线程块和 2D 网格来使问题变得自然。这是我的索引方式：(height and width是图像尺寸）

dim3 BlockDim(16,16);

dim3 GridDim;
GridDim.x = (width + 15) / 16;
GridDim.y = (height + 15) / 16;

在内核中我访问的位置如下：

unsigned int xIndex = blockIdx.x*16+ threadIdx.x;
unsigned int yIndex = blockIdx.y*16+ threadIdx.y;
unsigned int tid = yIndex * width + xIndex;

我想返回四个边界（稍后我会满足它们）。我这样做：

if(yIndex>=height-N || xIndex>=width-N || yIndex<N || xIndex<N)
  return;

其中 N 是我不想计算的每个边界处的像素数。

Problem:

该代码在所有标准图像尺寸上运行良好。但对于某些随机图像尺寸，它会显示对角线。例如，在我的例子中，500x333 图像（即使没有尺寸是 16 的倍数）显示正确的输出，而 450x365 在输出中显示对角线。即使我只返回网格的额外线程而没有其他类似的内容，问题仍然存在：

if(yIndex>=height || xIndex>=width)
return;

代码保持不变，一些输入运行良好，而另一些则不然。有人能发现这个错误吗？我在这里附上了输入和输出示例：IMAGES Thanks!

Update:

内核代码（简化为返回输入图像，但给出了相同的问题）

__global__ void filter_8u_c1_kernel(unsigned char* in, unsigned char* out, int width, int height, float* filter, int fSize)
{
    unsigned int xIndex = blockIdx.x*BLOCK_SIZE + threadIdx.x;
    unsigned int yIndex = blockIdx.y*BLOCK_SIZE + threadIdx.y;
    unsigned int tid = yIndex * width + xIndex;

    unsigned int N = filterSize/2;

    if(yIndex>=height-N || xIndex>=width-N || yIndex<N || xIndex<N)
        return;

       /*Filter code removed, still gives the same problem*/

    out[tid] = in[tid];
}

更新2：

我也删除了return通过反转声明if健康）状况。但问题仍然存在。

if(yIndex<=height-N && xIndex<=width-N && yIndex>N && xIndex>N){

  /*Kernel Code*/

}

您仍然没有很好地描述很多事情，但是根据您发布的信息，我构建了一个合理的重现案例，其参数与您所说的失败案例相匹配（450 x 364 和filterSize=5):

#include <stdio.h>
#include <assert.h>

template<int filterSize>
__global__ void filter_8u_c1_kernel(unsigned char* in, unsigned char* out, int width, int height, float* filter, int fSize)
{
    unsigned int xIndex = blockIdx.x*blockDim.x + threadIdx.x;
    unsigned int yIndex = blockIdx.y*blockDim.y + threadIdx.y;
    unsigned int tid = yIndex * width + xIndex;

    unsigned int N = filterSize/2;

    if(yIndex>=height-N || xIndex>=width-N || yIndex<N || xIndex<N)
        return;

    out[tid] = in[tid];
}

int main(void)
{
    const int width = 450, height = 365, filterSize=5;
    const size_t isize = sizeof(unsigned char) * size_t(width * height);
    unsigned char * _in, * _out, * out;

    assert( cudaMalloc((void **)&_in, isize) == cudaSuccess ); 
    assert( cudaMalloc((void **)&_out, isize) == cudaSuccess ); 
    assert( cudaMemset(_in, 'Z', isize) == cudaSuccess );
    assert( cudaMemset(_out, 'A', isize) == cudaSuccess );

    const dim3 BlockDim(16,16);
    dim3 GridDim;
    GridDim.x = (width + BlockDim.x - 1) / BlockDim.x;
    GridDim.y = (height + BlockDim.y - 1) / BlockDim.y;

    filter_8u_c1_kernel<filterSize><<<GridDim,BlockDim>>>(_in,_out,width,height,0,0);
    assert( cudaPeekAtLastError() == cudaSuccess );

    out = (unsigned char *)malloc(isize);
    assert( cudaMemcpy(out, _out, isize, cudaMemcpyDeviceToHost) == cudaSuccess);

    for(int i=0; i<width; i++) {
        fprintf(stdout, "%d: ", i);
        for(int j=0; j<height; j++) {
            unsigned int idx = i + j*width;
            fprintf(stdout, "%c", out[idx]);
        }
        fprintf(stdout, "\n");
    }

    return cudaThreadExit();
}

运行时，它完全符合我的预期，除了第一行和最后两行以及中间所有行中的第一个和最后两个条目之外，到处都用输入覆盖输出内存。它在 OS X 10.6.5 上使用 CUDA 3.2 和计算 1.2 GPU 运行。因此，无论您的代码中发生了什么，它都不会发生在我的重现案例中，这要么意味着我误解了您所写的内容，要么是您没有描述的其他内容导致了问题。