了解 OpenCL 在 OpenCV 中的用法（Mat/ Umat 对象）

我运行下面的代码来检查 GPU 和 CPU 使用率之间的性能差异。我正在计算平均时间cv::cvtColor()功能。我进行了四个函数调用：

1. Just_mat()（不使用 OpenCLMat目的）
2. Just_UMat()（不使用 OpenCLUmat目的）
3. OpenCL_Mat()（使用 OpenCL 进行Mat object)
4. OpenCL_UMat()（使用 OpenCL 进行UMat目的）

适用于 CPU 和 GPU。
我没有发现 GPU 和 CPU 使用率之间存在巨大的性能差异。

int main(int argc, char* argv[])
{
    loc = argv[1];
    just_mat(loc);// Calling function Without OpenCL 
    just_umat(loc);//Calling function Without OpenCL 
    cv::ocl::Context context;
    std::vector<cv::ocl::PlatformInfo> platforms;
    cv::ocl::getPlatfomsInfo(platforms);
    for (size_t i = 0; i < platforms.size(); i++)
    {
        //Access to Platform
        const cv::ocl::PlatformInfo* platform = &platforms[i];

        //Platform Name
        std::cout << "Platform Name: " << platform->name().c_str() << "\n" << endl;

        //Access Device within Platform
        cv::ocl::Device current_device;
        for (int j = 0; j < platform->deviceNumber(); j++)
        {
            //Access Device
            platform->getDevice(current_device, j);
            int deviceType = current_device.type();
            cout << "Device name:  " << current_device.name() << endl;
            if (deviceType == 2)
                cout << context.ndevices() << " CPU devices are detected." << std::endl;
            if (deviceType == 4)
                cout << context.ndevices() << " GPU devices are detected." << std::endl;
            cout << "===============================================" << endl << endl;
            switch (deviceType) 
            {
            case (1 << 1):
                cout << "CPU device\n";
                if (context.create(deviceType))
                    opencl_mat(loc);//With OpenCL Mat
                break;
            case (1 << 2):
                cout << "GPU device\n";              
                if (context.create(deviceType))
                    opencl_mat(loc);//With OpenCL UMat
                break;
            }
            cin.ignore(1);
        }
    }
    return 0;
}
int just_mat(string loc);// I check for the average time taken for cvtColor() without using OpenCl
int just_umat(string loc);// I check for the average time taken for cvtColor() without using OpenCl
int opencl_mat(string loc);//ocl::setUseOpenCL(true); and check for time difference for cvtColor function
int opencl_umat(string loc);//ocl::setUseOpenCL(true); and check for time difference for cvtColor function

上述代码的输出（以毫秒为单位）是
__________________________________________
|GPU 名称|使用 OpenCL Mat |使用 OpenCl UMat|
|________________________________________|
|--卡里佐---|------7.69052 ------ |-----0.247069--------|
|________________________________________|
|---岛屿--- |--------7.12455----- |-----0.233345-----|
|________________________________________|

__________________________________________
|----CPU---|带有 OpenCL Mat |使用 OpenCl UMat |
|________________________________________|
|---AMD---|--------6.76169 ------ |--------0.231103--------|
|________________________________________|

________________________________________________
|----CPU---|没有 OpenCL Mat |没有OpenCl UMat |
|________________________________________________________|
|----AMD---|--------7.15959------ |------------0.246138------------ |
|________________________________________________________|

在代码中，无论代码如何，使用 Mat 对象始终在 CPU 上运行，而使用 UMat 对象始终在 GPU 上运行ocl::setUseOpenCL(true/false);
有人能解释所有输出时间变化的原因吗？

还有一个问题，我没有使用任何 OpenCL 特定的 .dll 和 .exe 文件，但使用 GPU 时没有任何错误，在使用 Cmake 构建 OpenCV 时我检查过With_OpenCL这是否构建了所有 OpenCL 所需的功能opencv_World310.dll ?

在代码中，使用 Mat 对象始终在 CPU 上运行，使用 UMat 对象始终在 GPU 上运行，无论代码如何 ocl::setUseOpenCL(true/false);

抱歉，因为我不确定这是一个问题还是一个陈述……无论哪种情况，这都是部分正确的。在 3.0 中，对于UMat，如果您没有专用 GPU，那么 OpenCV 只会在 CPU 上运行所有内容。如果您特别要求Mat你把它放在CPU上。在您的情况下，您通过专门选择每个 GPU/CPU 来指示两者在每个 GPU/CPU 上运行（更多关于“选择下面的 CPU”的信息）...阅读this https://software.intel.com/sites/default/files/managed/2f/19/inde_opencv_3.0_arch_guide.pdf:

很少有设计选择支持新架构：

1. 统一抽象 cv::UMat，可以使用 CPU 或 OpenCL 代码实现相同的 API，无需调用 OpenCL 明确加速版本。这些函数使用 OpenCL -启用GPU（如果系统中存在），并自动切换到CPU 否则进行操作。

2. UMat 抽象允许异步调用函数。 与OpenCV 2.x版本的cv::Mat不同，访问underlyi cv::UMat 的 ng 数据是通过类的方法执行的，而不是通过其数据成员。这种方法使得 仅当 CPU 代码绝对需要结果时才显式等待 GPU 完成。

3. UMat 实现利用 Intel SoC 上可用的 CPU-GPU 共享物理内存，包括来自传递到 OpenCV 的指针的分配。

我认为对于“使用OpenCL”也可能存在误解。当您使用UMat，您专门尝试使用 GPU。而且，我会在这里恳求一些无知，因此我相信 CV 正在使用一些 CL 库来自动实现这一点...作为 2.X 中的一个方面，我们有 cv::ocl 来专门/手动执行因此，如果您在 3.X 中使用 2.X 遗留代码，请务必小心。这样做是有原因的，但并不总是那么简单。但是，回到主题，当你说，

与 OpenCL UMat

你可能是多余的。代码片段中的 CL 代码基本上是找出安装了哪些设备、有多少个、它们的名称是什么，以及选择使用哪个...我必须深入研究它的实例化方式，但也许当你做到的时候UMat它会自动将 OpenCL 设置为 True？ （link http://answers.opencv.org/question/123097/how-to-stop-using-gpu-in-opencv-32/）这肯定会支持你提供的数据。您可以通过检查 ocl::setUseOpenCL 将其设置为 false 后的状态来测试这个想法，然后使用UMat.

最后，我猜测您的 CPU 具有内置 GPU。因此，它使用 OpenCL 运行并行处理，而不需要花费时间来往返于单独/专用 GPU 上，因此您感知到的性能相对于 GPU 而言有所提高（因为从技术上讲，它不是运行它的 CPU）……只有当您正在专门使用Mat仅使用CPU。

你的最后一个问题，我不确定......这是我的猜测：OpenCL 架构存在于 GPU 上，当你使用 CL 安装 CV 时，你正在安装两个库和关联头文件之间的链接。我不确定需要哪些 dll 文件才能实现这一神奇效果。