OpenCV在移动端的优化

先说一下OpenCV在Android移动端的历史。OpenCV官方正式开始支持Android平台的是在OpenCV 2.4版本，2012年。OpenCV4Android是OpenCV库支持Android接口的官方命名。共提供两种接入方式：使用OpenCV Java API以及使用Android NDK。
使用Java API的好处是接入简单，缺点是只支持OpenCV的部分库函数以及由于是封装了C++而带来的一小部分性能损失。具体可以看一下下面两张图：假如视频的每一帧都需要调用三个OpenCV的函数，使用Java API的话就需要有三对JNI的输入输出，也就是应用每一帧会导致6次JNI的调用；而使用native C++的方式时，OpenCV的部分完全由C++写，在调用OpenCV的函数时完全绕开了JNI的调用，就会将每一帧JNI的调用次数从6次减到了2次，对性能表现会有优化。当然，如果只是调用一次OpenCV函数的过程的话，性能优化方面其实是不明显的。

bdti figure 2 500.jpg

使用Java API

bdti figure 3 500.jpg

使用Native C++
OpenCV针对NVDIA的的Tegra3及以上平台系列做了针对Android操作系统的优化(TADP, Tegra Android Development Pack)，在Tegra上使用OpenCV通常能达到几倍快于一般平台上基于Android的实现。也是从Tegra3开始，OpenCV开始支持 ARM的SIMD扩展，NEON。这里在Google Play上有专门一个针对Tegra平台性能的Demo—OpenCV for Tegra Demo。以上可以为今后针对Tegra的芯片优化做参考。
NEON专为矢量操作设计，适合用于图片处理，对许多视觉算法可以显著提升速度。下面举个栗子：将RGB转为灰图，一般的颜色转换这么写，每次处理一个像素：

{
    for(int i=0; i>8;
    }
}```
使用NEON intrinsics
```void rgb_to_gray_neon(const uint8_t* rgb, uint8_t* gray, int num_pixels)
{
    // We'll use 64-bit NEON registers to process 8 pixels in parallel.
    num_pixels /= 8;
    // Duplicate the weight 8 times.
    uint8x8_t w_r = vdup_n_u8(77);
    uint8x8_t w_g = vdup_n_u8(150);
    uint8x8_t w_b = vdup_n_u8(29);
    // For intermediate results. 16-bit/pixel to avoid overflow.
    uint16x8_t temp;
    // For the converted grayscale values.
    uint8x8_t result;
    for(int i=0; i