OpenCV的加速

• OpenCV基于OpenCL进行加速

在opencv2.x版本中，ocl作为一个专门的模块，里边重新构建了一系列可以加速的算子，包括：feature2d。调用方法是基于宏指令#ifdef HAVE_OPENCL来查看是否调用ocl中对应的算法分支，这种方法不是特别方便，造成了用户代码冗余。

在opencv3.x以后的版本中，ocl模块进行了重构，无需专门调用ocl模块中的算法，也无需定义HAVE_OPENCL，而只需要把mat输入改成Umat，即可自动内底层使用opencl的优化，而在opencv源码中看到的#ifdef HAVE_OPENCV则是为了兼容之前opencv2.x版本而存在的，实际上无需考虑。如下是在opencv3.x之下调用的方式：可见只需要把mat的声明变成Umat的声明，然后读取得到的mat转为Umat即可实现加速。

opencv3.x的新接口API底层实现方式

- 首先定义了接口函数cvtColor()

- 在接口函数内部进行判断：是否启动ocl，数据是否为Umat，如果是则直接执行ocl_cvtColor()并返回，而如果不是，则继续往前执行cpu_cvtColor()

 

使用Umat进行加速的流程

- mat转Umat：可以使用um = m.getUmat()，也可以m.copyTo(um)都可以

- Umat转mat：可以使用um.copyTo(m)

- 调用函数：通常无需区分函数是否支持Umat，因为opencv在函数内部都进行了判断，如果是Umat就会制动跳转使用带opencljiasu的函数。

实例：进行边缘检测

void test_ocl_edge()

{

            ocl::setUseOpenCL(true);

            UMat src, bw, blur, edge;

            src = imread("D:\\MyDatasets\\misc\\1.jpg").getUMat(ACCESS_RW);

            cvtColor(src, bw, COLOR_BGR2GRAY);

            GaussianBlur(bw, blur, Size(3, 3), 0);

            Canny(blur, edge, 50, 100, 3);

            imshow("res", edge);

            waitKey(0);

}

 

• OpenCV基于CUDA进行加速

使用GpuMat进行cuda加速的流程

- mat转GpuMat：使用GpuMat的方法g.upload(host_img)

- GpuMat转mat：使用GpuMat的方法g.download(host_img)

- 使用cuda版本的函数接收GpuMat：cuda版本的函数一般在cuda命名空间，比如cuda::orb，常规版本函数传入GpuMat会报错。

 

注意：不是所有函数都支持GpuMat，只有特定支持GpuMat的函数能够接收GpuMat作为形参，否则就会报错，比如GaussianBlur()就不支持GpuMat，一般支持GpuMat的函数当前都还在cv::cuda命名空间中。从这点说，Umat比GpuMat相对更方便，因为即使该函数不支持opencl加速，传入Umat也可以当成常规mat执行运行不会报错，但现阶段GpuMat貌似做不到

（猜测将来opencv有可能会统一用opencl做加速而不是cuda，因为opencl能够支持不同厂家的显卡和加速硬件，所以Umat在实施上更通用，跟mat结构更加深度绑定）

实例：进行高斯模糊

void test_gpu_mat()

{

    Mat img = imread("D:\\MyDatasets\\misc\\1.jpg", 0);

    GpuMat dev_img, dev_res;

    dev_img.upload(img);

    // 高斯柔化，只能用这个函数，不能用GaussianBlur

    auto filter = createGaussianFilter(CV_8UC1, CV_8UC1, Size(3,3), 5);

    filter->apply(dev_img, dev_res);

    Mat res;

    dev_res.download(res);

    imshow("res", res);

    waitKey(0);

}