Qt+openCV学习笔记（十二）Qt5.15.2+openCV4.5.5测试opencl加速

前言

前面已经记录了编译带opencl加速的库，本次记录下一个简单的测试，有需要的参考下

一、打印openCL设备基本信息

cv::ocl::setUseOpenCL(true);
    if (!cv::ocl::haveOpenCL())
    {
        qDebug() << "OpenCL is not available..." ;
        //return;
    }

    cv::ocl::Context context;
    if (!context.create(cv::ocl::Device::TYPE_GPU))
    {
        qDebug() << "Failed creating the context..." ;
        //return;
    }

    qDebug() << context.ndevices() << " GPU devices are detected." ; //This bit provides an overview of the OpenCL devices you have in your computer
    for (int i = 0; i < context.ndevices(); i++)
    {
        cv::ocl::Device device = context.device(i);
        qDebug() << "name:              " << QString::fromStdString(device.name()) ;
        qDebug() << "available:         " << device.available() ;
        qDebug() << "imageSupport:      " << device.imageSupport() ;
        qDebug() << "OpenCL_C_Version:  " << QString::fromStdString(device.OpenCL_C_Version()) ;

    }
           

1.win10下mingw 64位编译器输出如下

 2.win10下vs2019 64位编译器输出如下

 3.鸿蒙平板下 输出如下

 二、测试运行时间

void calEdgesCPU() {
    cv::Mat cpuBw, cpuBlur, cpuEdges;
    QTime time; time.start();
    cv::Mat cpuFrame = cv::imread("test.jpg");
//    cv::Mat cpuFrame = cv::imread("/mnt/sdcard/Download/test.jpg");
    qDebug()<<"CPU read time"<<time.elapsed()<<cpuFrame.data; time.restart();
    //namedWindow("Canny Edges CPU", 1);

    for(int i = 0; i < 3; i ++ )
    {
        cvtColor(cpuFrame, cpuBw, cv::COLOR_BGR2GRAY);
        qDebug()<<"CPU cvtColor time"<<time.elapsed(); time.restart();
        GaussianBlur(cpuBw, cpuBlur, cv::Size(1, 1), 1.5, 1.5);
        qDebug()<<"CPU GaussianBlur time"<<time.elapsed(); time.restart();
        Canny(cpuBlur, cpuEdges, 50, 100, 3);
        qDebug()<<"CPU Canny time"<<time.elapsed();
    }
    //imshow("Canny Edges CPU", cpuEdges);

}

void calEdgesGPU() {
    cv::ocl::setUseOpenCL(true);

    cv::UMat gpuBw, gpuBlur, gpuEdges,gpuFrame;
    QTime time; time.start();
    cv::Mat cpuFrame = cv::imread("test.jpg");
//    cv::Mat cpuFrame = cv::imread("/mnt/sdcard/Download/test.jpg");
    qDebug()<<"GPU read time"<<time.elapsed(); time.restart();

    for(int i = 0; i < 3; i ++ )
    {
        cpuFrame.copyTo(gpuFrame);
        qDebug()<<"GPU sentToGpu time"<<time.elapsed(); time.restart();
        //namedWindow("Canny Edges GPU", 1);
        cvtColor(gpuFrame, gpuBw, cv::COLOR_BGR2GRAY);
        qDebug()<<"GPU cvtColor time"<<time.elapsed(); time.restart();
        GaussianBlur(gpuBw, gpuBlur, cv::Size(1, 1), 1.5, 1.5);
        //    GaussianBlur(gpuBw, gpuBlur, cv::Size(7, 7), 1.5, 1.5);
        qDebug()<<"GPU GaussianBlur time"<<time.elapsed(); time.restart();
        Canny(gpuBlur, gpuEdges, 50, 100, 3);
        qDebug()<<"GPU Canny time"<<time.elapsed(); time.restart();
        
    }
    //imshow("Canny Edges CPU", gpuEdges);

}
           

1.win10下mingw 64位编译器输出如下

2.win10下vs2019 64位编译器输出如下

3.鸿蒙平板下 输出如下

为方便看，笔者整理了一个表格

	mingw64	vs2019 64	android
次数	1	2	3	1	2	3	1	2	3
CPU read time	511			431			559
CPU cvtColor time	148	345	245	24	112	113	30	250	176
CPU GaussianBlur time	20	6	5	9	5	6	26	5	5
CPU Canny time	322	222	216	99	100	91	234	160	160
次数	1	2	3	1	2	3	1	2	3
GPU read time	419			439			535
GPU sentToGpu time	63	32	43	34	32	43	38	21	20
GPU cvtColor time	53	6	59	5	5
GPU GaussianBlur time	27	20	21	30	19	21	36	45	43
GPU Canny time	20	2	3	18	2	3	345	234	236

为了有效对比下，笔者用PS生成了一张10M的图片，分别使用不同编译器生成的程序处理。硬件加速的结果，有点让笔者意外，但效果还是有的

后记

笔者曾尝试查找，umat如何选择使用的哪一个openCL硬件。没有查找到方便的接口，只查到使用openCL的接口。若是有时间，确实应该进修一下了