Darknet 预测分类：图像数据格式转换与 GPU 加速

这里的关键在于 m_height - i - 1，它实现了图像的垂直翻转。同时，当 c == 3 时，我们将单通道值复制三份填充到 RGB 三个通道中。

CPU 端循环合并优化

为了减少内存访问次数，我们可以将上述两个嵌套循环合并为一个。这样既减少了中间变量 m_tmpImgData 的依赖，也提升了缓存命中率。

for (int i = 0; i < m_height; ++i) {
    for (int j = 0; j < m_wid; ++j) {
        int iPos = j * c;
        int k = i * m_wid * c + iPos;
        if (c == 3) {
            // 直接读取源数据并完成翻转与通道扩展
            mImgData[h][k] = (unsigned char)pOctdata->_pbyOCTDataBuffer[j * m_height + m_height - i - 1];
            mImgData[h][k + 1] = (unsigned char)pOctdata->_pbyOCTDataBuffer[j * m_height + m_height - i - 1];
            mImgData[h][k + 2] = (unsigned char)pOctdata->_pbyOCTDataBuffer[j * m_height + m_height - i - 1];
        } else {
            mImgData[h][k] = (unsigned char)pOctdata->_pbyOCTDataBuffer[j * m_height + m_height - i - 1];
        }
    }
}

注意，合并后需要仔细核对索引计算，特别是源数据的行偏移量 j * m_height 是否正确对应了翻转后的坐标。

GPU 并行加速方案

当处理高分辨率图像或批量数据时，CPU 串行处理可能成为瓶颈。利用 CUDA 内核可以将像素级的转换任务卸载到 GPU 上执行。

以下是一个简单的 CUDA 内核示例，用于将单通道矩阵转换为三通道格式，并在转换过程中完成翻转操作：

__global__ void MatChannelsOneToThree(unsigned char* dst, unsigned char* src, int w, int h, int c) {
    int i = blockIdx.x * blockDim.x + threadIdx.x;
    int j = blockIdx.y * blockDim.y + threadIdx.y;
    int k = blockIdx.z * blockDim.z + threadIdx.z;
    
    if (i < w && j < h && k < c) {
        int iPos = i * c;
        int m = j * w * c + iPos;
        // 核心逻辑：源数据行翻转
        dst[m+k] = src[i * h + h - j - 1];
    }
}

在这个核函数中，三维网格配置分别对应宽、高和通道维度。通过 blockIdx 和 threadIdx 的组合，每个线程负责输出矩阵中的一个特定元素。src[i * h + h - j - 1] 这一行索引计算确保了数据在传输过程中完成了垂直翻转。

实际部署时，建议根据显存大小调整 Block 和 Grid 的尺寸，并确保主机端与设备端的内存拷贝使用异步流，以最大化流水线效率。