我们计算CIImage/UIImage 中存在多少透明像素的最快方法是什么？
例如：
如果我们谈论效率，我的第一个想法是使用Metal Kernel 使用CIColorKernel 左右，但我不明白如何使用它来输出“count”。
还有我想到的其他想法：
CIAreaAverageCIFilter?RGB 值？达到此计数的最快方法是什么？
【问题讨论】：
标签： ios swift metal core-image metal-performance-shaders
要回答你的问题如何做金属，你会使用device atomic_int。
本质上，您创建一个 Int MTLBuffer 并将其传递给您的内核并使用 atomic_fetch_add_explicit 递增它。
创建一次缓冲区：
var bristleCounter = 0
counterBuffer = device.makeBuffer(bytes: &bristleCounter, length: MemoryLayout<Int>.size, options: [.storageModeShared])
将计数器重置为 0 并绑定计数器缓冲区：
var z = 0
counterBuffer.contents().copyMemory(from: &z, byteCount: MemoryLayout<Int>.size)
kernelEncoder.setBuffer(counterBuffer, offset: 0, index: 0)
内核：
kernel void myKernel (device atomic_int *counter [[buffer(0)]]) {}
内核中的增量计数器（并获取值）：
int newCounterValue = atomic_fetch_add_explicit(counter, 1, memory_order_relaxed);
获取CPU端的计数器：
kernelEncoder.endEncoding()
kernelBuffer.commit()
kernelBuffer.waitUntilCompleted()
//Counter from kernel now in counterBuffer
let bufPointer = counterBuffer.contents().load(as: Int.self)
print("Counter: \(bufPointer)")
【讨论】：
atomic 内在函数，您仍然 (a) 阻止任何并行执行，因为一次只有一个内核可以访问该值，并且 (b) 在访问全局内存时会导致大量延迟。
您要执行的是归约操作，由于其大规模并行性质，它不一定非常适合 GPU。我建议不要自己为 GPU 编写归约操作，而是使用 Apple 提供的一些高度优化的内置 API（如 CIAreaAverage 或相应的 Metal Performance Shaders）。
最有效的方法在一定程度上取决于您的用例，特别是图像的来源（通过 UIImage/CGImage 加载还是核心图像管道的结果？）以及您需要计算结果的位置（在 CPU/Swift 端还是作为另一个 Core Image 过滤器的输入？）。
这还取决于像素是否也可以是半透明的（alpha 不是 0.0 或 1.0）。
如果图像在 GPU 上和/或应该在 GPU 上使用计数，我建议使用 CIAreaAverage。结果的 alpha 值应反映透明像素的百分比。请注意，这只适用于现在有半透明像素的情况。
下一个最佳解决方案可能只是在 CPU 上迭代像素数据。它可能是几百万像素，但操作本身非常快，所以这几乎不需要时间。您甚至可以通过将图像分成块并使用concurrentPerform(...) 或DispatchQueue 来使用多线程。
最后一个但可能有点过分的解决方案是使用 Accelerate（这会让@FlexMonkey 高兴）：将图像的像素数据加载到 vDSP 缓冲区中，然后使用 sum 或 average 方法计算百分比，使用CPU 的向量单元。
澄清
当我说归约操作“不一定非常适合 GPU”时，我的意思是说以一种有效的方式实现它相当复杂，而且远不如顺序算法那么简单。
检查一个像素是否透明可以并行进行，当然，但结果需要收集成一个单个值，这需要多个GPU核心读取和写入值到同一内存中。这通常需要一些同步（从而阻碍并行执行）并且由于访问共享或全局内存空间而产生延迟成本。这就是为什么 GPU 的高效收集算法通常遵循基于多步树的方法。我强烈推荐阅读 NVIDIA 关于该主题的出版物（例如 here 和 here）。这也是为什么我建议尽可能使用内置 API 的原因，因为 Apple 的 Metal 团队知道如何针对他们的硬件最好地优化这些算法。
Apple 的 Metal Shading Language Specification（第 158 页）中还有一个缩减实现示例，它使用 simd_shuffle 内在函数来有效地在树中传递中间值。不过，一般原则与上面链接的 NVIDIA 出版物所述相同。
【讨论】：
如果图像包含半透明像素，则可以轻松地对其进行预处理，以使 alpha 低于某个阈值的所有像素完全透明，否则完全不透明。然后可以应用CIAreaAverage，正如问题中最初建议的那样，最后可以通过将结果的 alpha 分量乘以图像大小来计算完全不透明像素的近似数量。
对于预处理，我们可以使用这样的普通 CIColorKernel：
half4 clampAlpha(coreimage::sample_t color) {
half4 out = half4(color);
out.a = step(half(0.99), out.a);
return out;
}
（选择你喜欢的任何阈值而不是 0.99）
要从CIAreaAverage 的输出中取出 alpha 分量，我们可以这样做：
let context = CIContext(options: [.workingColorSpace: NSNull(), .outputColorSpace: NSNull()])
var color: [Float] = [0, 0, 0, 0]
context.render(output,
toBitmap: &color,
rowBytes: MemoryLayout<Float>.size * 4,
bounds: CGRect(origin: .zero, size: CGSize(width: 1, height: 1)),
format: .RGBAf,
colorSpace: nil)
// color[3] contains alpha component of the result
通过这种方法，一切都在 GPU 上完成，同时利用其固有的并行性。
顺便说一句，看看这个应用程序https://apps.apple.com/us/app/filter-magic/id1594986951。它让您可以使用每一个 CoreImage 过滤器。
【讨论】：