android平台的neon优化策略
android平台的neon优化策略
目前市面上主流的旗舰android手机搭载的Soc都是64位的CPU，常见的armv7指令集的公版架构如Cortex-A8，Cortex-A9，Cortex-A15，常见的armv8指令集的公版架构如Cortex-A53，Cortex-A57，Cortex-A72，Cortex-A73。arm架构的CPU从armv7a开始已经支持neon（可选项），从而实现并行计算功能。armv8a还具备32个128neon寄存器，并且支持双精度浮点数。
| armv6 | ARMv7-A NEON | ARMv8-A AArch64 NEON |
|---|---|---|
| 在32位通用ARM寄存器上运行 | 独立寄存器组，32x64位NEON寄存器 | 独立寄存器组，32x128位NEON寄存器 |
| 8位/ 16位整数 | 8/16/32/64位整数,单精度浮点 | 8/16/32/64位整数,单精度浮点,双精度浮点，它们都符合IEEE标准 |
| 每条指令的2x16位/ 4x8位操作 | 每条指令最多可执行16x8位操作 | 每条指令最多可执行16x8位操作 |
neon是一种SIMD（单指令多数据）指令集，其效率相当于汇编，用于arm cpu平台的优化，在音视频、图形图像处理领域性能提升较大。类似的x86平台的cpu也有相关的指令集SSE，两者可以互相转化。
在android studio编写测试样例，使用cmake交叉编译工具配置neon，如下
cmake_minimum_required(VERSION 3.4.1)
#add neon property
if((${ANDROID_ABI} STREQUAL "armeabi-v7a") OR
(${ANDROID_ABI} STREQUAL "arm64-v8a"))
#如果cpu类型为armeabi-v7a或armeabi-v7a，在使用到neon函数的文件添加neon支持
set(neon_SRCS src/main/cpp/test.cpp)
set_property(SOURCE ${neon_SRCS}
APPEND_STRING PROPERTY COMPILE_FLAGS " -mfpu=neon")
add_definitions("-DHAVE_NEON=1")#定义HAVE_NEON宏
elseif(${ANDROID_ABI} STREQUAL "x86")
#如果cpu类型为x86，添加sse flag
set(neon_SRCS test.cpp)
set_property(SOURCE ${neon_SRCS} APPEND_STRING PROPERTY COMPILE_FLAGS
"-mssse3 -Wno-unkown-attributes \
-Wno-deprecated-declarations \
-Wno-constant-concersion \
-Wno-static-int-inline")
add_definitions(-DHAVE_NEON_X86=1 -DHAVE_NEON=1)#定义HAVE_NEON_X86，HAVE_NEON宏
else ()
set(neon_SRCS)
endif()
add_library(neondemo
SHARED
src/main/cpp/test.cpp )
target_link_libraries( neondemo
log
jnigraphics#naitve需要用到android sdk中的bitmap类，所以添加此系统库
)x86平台不直接支持neon指令，需要将其转为sse指令，就要用到NEON_2_SSE.h,最新的下载地址：
https://github.com/intel/ARM_NEON_2_x86_SSE。
然后将其放在工程源码目录下，如图：
为了做测试，作者决定在用纯C语言，opencv函数，neon做三套代码，计算图片色彩空间转换的耗时。
关于opencv的配置作者给出两种方式，android版本的opencv库可在官网下载或者自行编译。
方法1：
添加cmakeLists.txt的配置
#通过opencv自带的脚本添加（静态库）
set(OpenCV_DIR E:/opencv-sdk/OpenCV-android-sdk341/sdk/native/jni)#设置自己的android版本opencv的路径
find_package(OpenCV REQUIRED)
include_directories(${OpenCV_INCLUDE_DIRS})
#链接opencv库至目标
target_link_libraries( neondemo
${OpenCV_LIBS})方法2：
1、将需要的对应cpu类型的动态库拷贝至工程目录下，如图：
2、添加cmakeLists.txt的配置
#手动添加opencv动态链接库
include_directories(E:/opencv-sdk/OpenCV-android-sdk341/sdk/native/jni/include)#包含opencv头文件
add_library(opencvLib SHARED IMPORTED)
set_target_properties(opencvLib
PROPERTIES
IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/src/main/jniLibs/${ANDROID_ABI}/libopencv_java3.so)#路径就是第1步拷贝的路径
#链接opencv库至目标
target_link_libraries( neondemo
opencvLib )接下来是代码部分，将图片转为bitmap对象，将bitmap传入native，然后色彩空间转换，计算耗时并打印：
/*
将一张图转为Bitmap对象，传入native处理。
*/
public class MainActivity extends AppCompatActivity {
static {
System.loadLibrary("neondemo");
}
ImageView iv_src;
ImageView iv_dst;
Bitmap src,dst;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
iv_src = (ImageView) findViewById(R.id.iv_src);
iv_dst = (ImageView) findViewById(R.id.iv_dst);
src= BitmapFactory.decodeResource(getResources(),R.drawable.cat);
dst=src.copy(Bitmap.Config.ARGB_8888,true);
iv_src.setImageBitmap(src);
}
public native int processImg(Bitmap src);
public void convert(View view) {
if(dst!=null){
processImg(dst);
iv_dst.setImageBitmap(dst);
}
}
}#include 点击转换按钮，得到测试数据。
根据5次测试的数据，计算平均耗时。
结论：相比纯C函数，opencv的函数的运行时间提高了1.9倍，neon函数的运行时间提高了7.5倍！优化效果很好。
注：针对x86平台，neon函数转化sse函数的优化效果不佳甚至不如纯C代码实现，作者日后在做研究。