Robust/src/Benchmarks/Scheduling/Tracking/IXL.java

   1 public class IXL {
   2     flag toprocess;
   3     flag tomergeIXL;
   4     flag finish;
   5
   6     /* current processing image related */
   7     float[] m_image;
   8     int m_rows;
   9     int m_cols;
  10
  11     /* results related */
  12     float[] m_result;
  13     int m_rows_rs;
  14     int m_rows_re;
  15     int m_cols_r;
  16
  17     /* id indicating the piece # */
  18     int m_id;
  19     int m_range;
  20     int m_pnum;
  21
  22     /* constructor */
  23     public IXL(int id,
  24                int range,
  25                float[] data,
  26                int rows,
  27                int cols,
  28                int pnum) {
  29       this.m_id = id;
  30       this.m_range = range;
  31       this.m_image = data;
  32       this.m_rows = rows;
  33       this.m_cols = cols;
  34       this.m_pnum = pnum;
  35     }
  36
  37     public int getId() {
  38       return this.m_id;
  39     }
  40
  41     public float[] getResult() {
  42       return this.m_result;
  43     }
  44
  45     public int getRowsRS() {
  46       return this.m_rows_rs;
  47     }
  48
  49     public int getRowsRE() {
  50       return this.m_rows_re;
  51     }
  52
  53     public int getColsR() {
  54       return this.m_cols_r;
  55     }
  56
  57     public int getRows() {
  58       return this.m_rows;
  59     }
  60
  61     public int getCols() {
  62       return this.m_cols;
  63     }
  64
  65     public void calcSobel_dX() {
  66       int rows_k1, cols_k1, rows_k2, cols_k2;
  67       int[] kernel_1, kernel_2;
  68       float temp;
  69       int kernelSize, startCol, endCol, halfKernel, startRow, endRow;
  70       int k, i, j, kernelSum_1, kernelSum_2;
  71       float[] result, image;
  72       int rows = this.m_rows;
  73       int cols = this.m_cols;
  74
  75       image = this.m_image;
  76
  77       this.m_rows_rs = this.m_id * this.m_range;
  78       this.m_rows_re = (this.m_id + 1) * this.m_range;
  79       if(this.m_id == this.m_pnum - 1) {
  80         this.m_rows_re = rows;
  81       }
  82       this.m_cols_r = cols;
  83       result=this.m_result=new float[(this.m_rows_re-this.m_rows_rs)*this.m_cols_r];
  84
  85       rows_k1 = 1;
  86       cols_k1 = 3;
  87       kernel_1 = new int[rows_k1 * cols_k1];
  88       rows_k2 = 1;
  89       cols_k2 = 3;
  90       kernel_2 = new int[rows_k2 * cols_k2];
  91
  92       kernel_1[0] = 1;
  93       kernel_1[1] = 2;
  94       kernel_1[2] = 1;
  95
  96       kernelSize = 3;
  97       kernelSum_1 = 4;
  98
  99       kernel_2[0] = 1;
 100       kernel_2[1] = 0;
 101       kernel_2[2] = -1;
 102
 103       kernelSum_2 = 2;
 104
 105       startCol = 1;           //((kernelSize)/2);
 106       endCol = cols - 1;      //(int)(cols - (kernelSize/2));
 107       halfKernel = 1;         //(kernelSize-1)/2;
 108
 109       if((this.m_rows_re < 1) || (this.m_rows_rs > rows - 1)) {
 110         return;
 111       }
 112       startRow = (1>this.m_rows_rs)?1:(this.m_rows_rs);       //(kernelSize)/2;
 113       endRow = ((rows-1)<this.m_rows_re)?(rows-1):(this.m_rows_re);  //(rows - (kernelSize)/2);
 114
 115       int ii = startRow - this.m_rows_rs;
 116       for(i=startRow; i<endRow; i++) {
 117           for(j=startCol; j<endCol; j++) {
 118               temp = 0;
 119               for(k=-halfKernel; k<=halfKernel; k++) {
 120                   temp += (float)(image[i * cols + (j+k)]*kernel_2[k+halfKernel]);
 121               }
 122               result[ii * cols + j] = (float)(temp/kernelSum_2);
 123           }
 124           ii++;
 125       }
 126     }
 127
 128     public void printResult() {
 129       //    result validation
 130       System.printI(11111111);
 131       for(int i=0; i<this.m_rows_re-this.m_rows_rs; i++) {
 132           for(int j=0; j<this.m_cols_r; j++) {
 133               System.printI((int)(this.m_result[i * this.m_cols_r + j]*10));
 134           }
 135       }
 136     }
 137 }