海思平台OpenCV编译与进一步裁剪

OpenCV是计算机视觉算法开发常用的工具。如果我们需要在嵌入式设备上运行opencv，那么就需要交叉编译，将它移植到对应平台上。但是有些嵌入式平台的存储空间有限，能节省1MB也有相当大的作用。OpenCV带了很多用不到的东西，如果对OpenCV做裁剪，可以节省不少空间。现在将opencv移植到海思的3516DV300/CV500平台。

准备工作

1. 下载源码
   在https://opencv.org/releases/下载OpenCV的源码包，我这里用的是3.4.10。
   准备交叉编译器
2. 需要提前安装好海思的交叉编译器，并配置到环境变量。
3. 安装cmake
   ubuntu/deepin/debian系统下直接apt install cmake make即可。

如何编译？

参考网上的教程，要用cmake-gui来配置，但是，实际上编译用cmake命令行，指定交叉编译器，然后配置一些目标平台的参数就可以了。
首先解压源码包，然后创建build和output文件夹，用来进行编译以及保存编译好的库。

unzip opencv-3.4.10
cd opencv-3.4.10
mkdir output build
cd build

然后使用cmake进行编译。这里指定交叉编译器，然后配置输出文件夹为上面创建的…/output。由于是嵌入式平台，没有gtk之类的图形库，所以选择WITH_GTK=OFF。OpenCV默认调用系统的zlib，在嵌入式平台上，需要重新编译，所以添加选项BUILD_ZLIB=ON和OPENCV_FORCE_3RDPARTY_BUILD=ON。

cmake ../ \
-DCMAKE_C_COMPILER=arm-himix200-linux-gcc \
-DCMAKE_CXX_COMPILER=arm-himix200-linux-g++ \
-DOPENCV_FORCE_3RDPARTY_BUILD=ON \
-DBUILD_ZLIB=ON \
-DWITH_GTK=OFF \
-DBUILD_SHARED_LIBS=ON \
-DCMAKE_BUILD_TYPE=RELEASE \
-DCMAKE_INSTALL_PREFIX=../output

等待cmake执行完成后，就可以进行编译了。使用make -j && make install命令，完成编译以，并把编译好的库存到指定位置。

进行裁剪

这里为了展示编译效果，替换掉make，使用ninja build来进行编译，因为ninja build可以显示出需要编译的文件的数量，而make只显示编译的百分比。ninja build的简介可以看这里ninja build简介

ninja build

cmake build

实际上效果是相同的。cmake只是一个编译信息生成工具，真正执行编译的是make或者ninja build。使用时，cmake添加-GNinja参数即可生成ninja build所需要的文件，然后就可以用ninja 来进行编译了。下面会使用cmake + ninja build的方式来进行编译，实际使用cmake + make也可以。 从ninja build的截图可以看到，需要处理（编译、链接）1283个对象（包括源码、编译中间产物.o），生成22MB的库文件。

a.裁剪不需要的OpenCV组件

裁剪掉不需要的组件是最简单的方法。先看下opencv包含了什么东西。

opencv 通常，在嵌入式端，比如海思这种芯片，有对视频解码的硬件，而这种平台CPU性能并不强，所以OpenCV关于视频解码的部分，可以完全干掉。在海思上，有深度学习推理硬件NNIE，所以OpenCV的机器学习、深度学习的模块也可以干掉。opencv_highgui是用来显示图像的，在海思平台，没有这种图像显示的设备，关于显示是用海思专门的模块实现的，所以highgui也干掉。 实际上，一般在海思平台开发有关NNIE的应用，用OpenCV最多的就是其中数据表示方式，比如cv::Mat、cv::Rect之类的，还有一些图像处理的功能。此外，在测试时，也可能对图像做读写操作。所以，这里我只留下了opencv_core、opencv_imgproc、opencv_imgcodecs这三个模块。至于opencv_superres、opencv_feature2d等模块，可以按需保留，但是又有多少人会在嵌入式端用CPU来做超分辨、图像特征点这些事呢？ 所以，按照上面裁剪的方法，写出cmake命令。

cmake ../ \
-DCMAKE_C_COMPILER=arm-himix200-linux-gcc \
-DCMAKE_CXX_COMPILER=arm-himix200-linux-g++ \
-DOPENCV_FORCE_3RDPARTY_BUILD=ON \
-DBUILD_ZLIB=ON \
-DWITH_GTK=OFF \
-DBUILD_SHARED_LIBS=ON \
-DBUILD_opencv_ts=OFF \
-DBUILD_opencv_shape=OFF \
-DBUILD_opencv_stitching=OFF \
-DBUILD_opencv_apps=OFF \
-DBUILD_opencv_calib3d=OFF \
-DBUILD_opencv_dnn=OFF \
-DBUILD_opencv_features2d=OFF \
-DBUILD_opencv_flann=OFF \
-DBUILD_opencv_highgui=OFF \
-DBUILD_opencv_ml=OFF \
-DBUILD_opencv_objdetect=OFF \
-DBUILD_opencv_photo=OFF \
-DBUILD_opencv_video=OFF \
-DBUILD_opencv_videoio=OFF \
-DBUILD_opencv_videostab=OFF \
-DCMAKE_BUILD_TYPE=RELEASE \
-DCMAKE_INSTALL_PREFIX=../output

可以看到，现在只需处理601个文件，比之前少了一半多，而OpenCV的库也只要9.9MB

第一次裁剪的结果 ## b.继续裁剪opencv 在编译选项里，可以看到，还有很多WITH_XXX的编译选项，这些也有很多不需要，来删一点点干掉。

以上是需要被干掉的一些东西。部分的解释可能不准确，如有问题请指正。在海思这种平台，图像最常用的格式YUV、BGR（RGB）格式，还有压缩过的jpg/jpeg格式，以及未经过压缩的bmp格式。以上配置，可以按照个人需要来进行设置。以上的cmake命令如下：

cmake ../ \
-DCMAKE_C_COMPILER=arm-himix200-linux-gcc \
-DCMAKE_CXX_COMPILER=arm-himix200-linux-g++ \
-DOPENCV_FORCE_3RDPARTY_BUILD=ON \
-DBUILD_ZLIB=ON \
-DWITH_GTK=OFF \
-DWITH_GTK=OFF \
-DWITH_GTK_2_X=OFF \
-DWITH_CUDA=OFF \
-DWITH_IPP=OFF \
-DWITH_OPENCL=OFF \
-DWITH_OPENCLAMDBLAS=OFF \
-DWITH_QUIRC=OFF \
-DWITH_OPENCLAMDFFT=OFF \
-DWITH_1394=OFF \
-DWITH_FFMPEG=OFF \
-DWITH_WEBP=OFF \
-DWITH_TIFF=OFF \
-DWITH_OPENEXR=OFF \
-DWITH_PNG=OFF \
-DWITH_PROTOBUF=OFF \
-DWITH_GSTREAMER=OFF \
-DWITH_IMGCODEC_SUNRASTER=OFF \
-DBUILD_SHARED_LIBS=ON \
-DBUILD_opencv_ts=OFF \
-DBUILD_opencv_shape=OFF \
-DBUILD_opencv_stitching=OFF \
-DBUILD_opencv_apps=OFF \
-DBUILD_opencv_calib3d=OFF \
-DBUILD_opencv_dnn=OFF \
-DBUILD_opencv_features2d=OFF \
-DBUILD_opencv_flann=OFF \
-DBUILD_opencv_highgui=OFF \
-DBUILD_opencv_ml=OFF \
-DBUILD_opencv_objdetect=OFF \
-DBUILD_opencv_photo=OFF \
-DBUILD_opencv_video=OFF \
-DBUILD_opencv_videoio=OFF \
-DBUILD_opencv_videostab=OFF \
-DCMAKE_BUILD_TYPE=RELEASE \
-DCMAKE_INSTALL_PREFIX=../output

以上配置，需要处理的文件数量以及生成的库的大小如下图：

现在可以看到，opencv已经被压缩到很小了。

c.还能不能再小？

已经完成了opencv的裁剪，现在已经是裁剪到不能再裁剪了，那么能不能再让它变小点呢？能，当然能！这时候就要从编译器的角度来看了。

我们使用file命令来看下编译产物。这里，我们可以看到，这个是arm平台下的动态库，是not stripped的。这也就是说，这里包含符号表、重定位信息等多余的东西。
我们再看编译选项-s和-Os


-s是链接器的选项，是在链接时删除所有的符号表等信息，实际使用的时候，传给链接器ld，当然传给gcc/g++也可以实现相同功能，-Os是针对体积进行优化。所以，在编译的时候，设置编译选项为-s -Os，就可以达到目的。现在，cmake命令如下：

cmake ../ \
-DCMAKE_C_COMPILER=arm-himix200-linux-gcc \
-DCMAKE_CXX_COMPILER=arm-himix200-linux-g++ \
-DOPENCV_FORCE_3RDPARTY_BUILD=ON \
-DBUILD_ZLIB=ON -DWITH_GTK=OFF -DWITH_GTK=OFF \
-DWITH_GTK_2_X=OFF -DWITH_CUDA=OFF -DWITH_IPP=OFF \
-DWITH_OPENCL=OFF -DWITH_OPENCLAMDBLAS=OFF \
-DWITH_QUIRC=OFF -DWITH_OPENCLAMDFFT=OFF \
-DWITH_1394=OFF -DWITH_FFMPEG=OFF -DWITH_WEBP=OFF \
-DWITH_TIFF=OFF -DWITH_OPENEXR=OFF -DWITH_PNG=OFF \
-DWITH_PROTOBUF=OFF -DWITH_GSTREAMER=OFF -DWITH_IMGCODEC_SUNRASTER=OFF \
-DBUILD_SHARED_LIBS=ON -DBUILD_opencv_ts=OFF \
-DBUILD_opencv_shape=OFF -DBUILD_opencv_stitching=OFF \
-DBUILD_opencv_apps=OFF -DBUILD_opencv_calib3d=OFF \
-DBUILD_opencv_dnn=OFF -DBUILD_opencv_features2d=OFF \
-DBUILD_opencv_flann=OFF -DBUILD_opencv_highgui=OFF \
-DBUILD_opencv_ml=OFF -DBUILD_opencv_objdetect=OFF \
-DBUILD_opencv_photo=OFF -DBUILD_opencv_video=OFF \
-DBUILD_opencv_videoio=OFF -DBUILD_opencv_videostab=OFF \
-DCMAKE_BUILD_TYPE=RELEASE \
-DCMAKE_INSTALL_PREFIX=../output \
-DCMAKE_CXX_FLAGS="-s -Os" -DCMAKE_C_FLAGS="-s -Os"

在命令行中指定编译选项，cmake会自动把这些选项与cmake生成的选项合并。

执行编译，和上面相同，需要处理283个文件。看下生成的文件：

现在已经是stripped的了。然后现在生成的库的只剩了5.2MB的大小，相比之前，小了非常多。

结束

在某些嵌入式设备上，存储空间非常紧张，通过这样的方法以及思路可以节省不少的存储空间。以上编译opencv的命令如下，直接复制粘贴了执行就可以，当然也可以替换了交叉编译器，来编译不同平台的库。

 cmake ../ \
-DCMAKE_C_COMPILER=arm-himix200-linux-gcc \
-DCMAKE_CXX_COMPILER=arm-himix200-linux-g++ \
-DOPENCV_FORCE_3RDPARTY_BUILD=ON \
-DBUILD_ZLIB=ON \
-DWITH_GTK=OFF \
-DENABLE_NEON=OFF \
-DWITH_GTK_2_X=OFF \
-DWITH_CUDA=OFF \
-DWITH_IPP=OFF \
-DWITH_OPENCL=OFF \
-DWITH_OPENCLAMDBLAS=OFF \
-DWITH_QUIRC=OFF \
-DWITH_OPENCLAMDFFT=OFF \
-DWITH_1394=OFF \
-DWITH_FFMPEG=OFF \
-DWITH_WEBP=OFF \
-DWITH_TIFF=OFF \
-DWITH_OPENEXR=OFF \
-DWITH_PNG=OFF \
-DWITH_PROTOBUF=OFF \
-DWITH_GSTREAMER=OFF \
-DWITH_IMGCODEC_SUNRASTER=OFF \
-DBUILD_SHARED_LIBS=ON \
-DBUILD_opencv_ts=OFF \
-DBUILD_opencv_shape=OFF \
-DBUILD_opencv_stitching=OFF \
-DBUILD_opencv_apps=OFF \
-DBUILD_opencv_calib3d=OFF \
-DBUILD_opencv_dnn=OFF \
-DBUILD_opencv_features2d=OFF \
-DBUILD_opencv_flann=OFF \
-DBUILD_opencv_highgui=OFF \
-DBUILD_opencv_ml=OFF \
-DBUILD_opencv_objdetect=OFF \
-DBUILD_opencv_photo=OFF \
-DBUILD_opencv_video=OFF \
-DBUILD_opencv_videoio=OFF \
-DBUILD_opencv_videostab=OFF \
-DBUILD_opencv_world=ON \
-DBUILD_opencv_python2=OFF \
-DBUILD_opencv_python3=OFF \
-DBUILD_opencv_python_bindings_generator=OFF \
-DBUILD_DOCS=OFF\
-DCMAKE_BUILD_TYPE=RELEASE \
-DCMAKE_INSTALL_PREFIX=../output \
-DCMAKE_CXX_FLAGS="-s -Os" \
-DCMAKE_C_FLAGS="-s -Os"

转自海思平台OpenCV编译与进一步裁剪

---

Building OpenCV for Tegra with CUDA