【OpenCV开发】使用OpenCV的OpenCL(ocl)模块

参加OpenCV的OpenCL模块（以下称OCL）移植工作已经有2个月了。这里我说移植而不是开发，是因为大部分OCL模块的函数都是从已经很成熟的GPU模块移植过来的。于是目前阶段OCL模块所支持的函数接口只是GPU模块的一个子集。

OpenCV的版本控制系统已经转移到了git上面（见https://github.com/itseez/opencv），最新的trunk的master分支正式加入了OCL模块。今天逛OpenCV的开发者社区，我发现有人提问在OpenCV库中如何进行使用OCL模块的函数；回答问题的同时，由于网上还没有针对OpenCV的OCL模块的资料，我决定写一篇文章简单介绍下OCL模块以方便开发者使用。

Introduction
to OpenCL

对于OpenCL已经有所了解的，可以直接跳过这一节。

"OpenCL是用于编写在异构平台上运行程序的框架，所谓异构平台，一般情况我们指GPU和CPU两种处理器混合的平台。OpenCL由一门用于编写kernels （在OpenCL设备上运行的函数）的语言（基于C99）和一组用于定义并控制平台的API组成。" 
OpenCL可以实现GPGPU（General-purpose computing on graphics processing units, 通用图形处理器）运算, "是一种利用处理图形任务的GPU来计算原本由CPU处理的通用计算任务。这些通用计算常常与图形处理没有任何关系。由于现代图形处理器强大的并行处理能力和可编程流水线，令流处理器可以处理非图形数据。特别在面对单指令流多数据流（SIMD），且数据处理的运算量远大于数据调度和传输的需要时，通用图形处理器在性能上大大超越了传统的中央处理器应用程序。"
-- 摘自wikipedia

简单解释一下这段话中几个重点：

利用GPU强大的并行能力代替CPU进行运算
GPU的并行能力特别适合于关于矩阵的运算。利用GPU，我们可以发起很多个轻量级线程，每个线程仅处理一个元素的计算来实现数据并行；而对于CPU，我们只能按顺序每个元素迭代运算。GPU和CPU运算对比起来可以想象成4辆坦克与1万个士兵的战斗力水平的对比；孰胜孰劣，还要看具体进行的任务。因此，并不是所有的OpenCV函数都适合移植到GPU上进行运算。

OpenCL由在OpenCL设备上运行的kernel函数语言和控制平台的API组成
OpenCL包含两个主要部分：device和host。在CPU和GPU组成的异构平台中，我们一般把运行核函数的GPU处理器部分称为device，把控制平台API的CPU称为host。相应的，把host上的内存（就是内存）称为host memory；而把device上的内存（GPU显存）称为device memory或者device
buffer。在OpenCV里，我们把这两种内存封装为cv::Mat和cv::ocl::oclMat结构。

数据调度和传输
OpenCV的OCL模块中，在GPU上进行运算之前我们必须把内存转成GPU可以直接调用的显存。而在GPU上的运算结束后，我们还需要将在GPU显存上的数据转移到CPU可用的内存上。这两个操作在oclMat中定义为两个成员函数，分别为oclMat::download和oclMat::upload。由于这两个数据传输操作受PCI总线宽带的限制，在实际应用中应尽量减少数据传输，把尽可能多的运算在gpu
device上计算完成后，再把数据传回cpu host，以达到最大的数据吞吐量。

OpenCV's CUDA Module

介绍OpenCL模块前，不得不先提一下OpenCV的GPU（以下特指CUDA模块）模块。由于OCL模块是直接移植自GPU的代码，所以我们可以先来了解下他的前身。

来源：http://opencv.org/platforms/cuda.html

历史

GPU模块最初由NVIDIA公司在2010年起支持开发，2011年春发布了第一个带有GPU模块的OpenCV版本。GPU模块包含并加速了很大一部分原先只能运行在CPU设备上的库函数，并且随着新的计算技术和GPU架构不断发展和更新。

目标

1. 为开发者提供一个便于使用CUDA的计算机视觉框架，同时在概念上保持了当前的CPU的功能性。
2. 把用最高效的方式优化GPU模块函数作为目标。这些优化方法包含：适应最新的硬件架构；非同步模式核函数执行；重叠式拷贝和零拷贝等。
3. 功能完整性。意思就是说即使有些函数性能并没有提高的情况下，尽可能的把CPU模块函数移植到GPU上去做，以减少数据传输产生的延迟。

性能

模块设计

OpenCV的GPU模块还加入了CUDA第三方函数的支持，如NVIDIA NPP和CUFFT。（相应的，OCL模块也加入了AMD提供的amdBlas和amdFft库）

GPU模块被设计成host上能调用的CUDA API扩展集。这个设计模式让开发者能明确的控制数据在CPU和GPU的内存间的传输。尽管用户必须要多写一点代码来开始使用GPU模块，但是这个过程是灵活的，并且允许用户对GPU数据控制的代码进行优化。

GPU模块的gpu::GpuMat类是一个封装了储存在在GPU显存的容器，而他的接口与CPU的cv::Mat类非常相似。所有的GPU模块函数以GpuMat作为输入输出函数，这样的设计允许多个GPU算法在数据不下载到CPU内存就能完全调用，增加了数据吞吐效率。并且GPU函数接口也尽可能的和CPU函数保持移植，这样熟悉OpenCV
CPU操作的开发者能直接转移到GPU模块上进行开发。

由于OpenCL的开发模式与CUDA非常类似，包括host API和device上运行的核函数语法，所以移植工作并不困难。移植过程中，我们保持了GPU模块的设计理念，并且在保证代码质量的基础上，尽可能的让OCL模块的函数跟上GPU模块的更新节奏。

-----------------------------------------------------------------------------------

Compile
Latest OpenCV trunk repository

以下以windows 7 32bit + visual studio 2010 + AMD显卡为例。

由于ocl模块刚刚加入OpenCV的主版本，用户想要基于ocl开发的话，需要从OpenCV的git服务器上pull一下最新trunk repository的OpenCV代码。git地址如下：
git://code.opencv.org/opencv.git
或者github的镜像
https://github.com/itseez/opencv

下载完成后，你还需要一个新的OpenCL SDK。以AMD显卡系列为例，APP SDK v2.7下载地址http://developer.amd.com/sdks/amdappsdk/downloads/pages/default.aspx

你还需要CMake2.8版本来生成Visual Studio的sln项目。cmake的使用方法就不多说了，网上有很详细的教程。

应注意的是在用CMake对OpenCV项目进行配置时，要手动打开WITH_OPENCL选项，这个是默认关闭的。如果一切正常的话，在CMake的命令行输出终究会提示找到OpenCL的静态库和include文件夹；如果提示没有找到的话，需要自己手动在cmake中找到这两个选项，添加include文件夹和动态库路径。

上面步骤完成后，就可以打开OpenCL.sln文件编译OpenCV了~

Using OCL module

使用ocl模块的方法跟gpu非常类似（本来就是无脑无缝移植什么的）。调用ocl模块的任何模块前，必须明确的调用一下ocl名字空间下的getDevice函数。

[cpp] view plaincopy

1. vector<ocl::Info> info;
2. ocl::getDevice(info);

getDevice函数会在你电脑中寻找是否有合适的含有GPU的OpenCL平台，并且返回可用的device设备数量，并生成并注册可用的上下文(cl_context)和一个命令执行队列。
上文提到，所有的ocl模块调用的矩阵类型格式是oclMat。oclMat跟Mat结构类似，包含大部分的成员函数和成员变量，但是最重要的是封装了OpenCL的buffer数据(cl_mem)并控制他的内存释放与传输。
把一个Mat转化成oclMat非常简单，你可以调用oclMat的构造函数：

[cpp] view plaincopy

1. oclMat myOclMat(mat); // mat is a Mat object

oclMat的构造函数会自动复制据Mat的矩阵头，如列、行数，元素类型，通道数等等，并且隐式的把cpu host上的内存转移到gpu device的显存上。如果用户想显示的转移（或者称为“上传”），可以调用：

[cpp] view plaincopy

1. oclMat myOclMat;
2. myOclMat.upload(mat);

这样我们就有了一个上传到device上的oclMat矩阵。这个矩阵数据就可以传递给ocl模块的函数，进行你所需要的运算。但是由于oclMat矩阵的数据是储存在gpu显存上的，我们在host（cpp文件中）是不能直接去取值的。如果计算完毕后，我们想取得oclMat的结果，需要把在显存上的oclMat数据转移成Mat格式，这个操作叫做”下载”。跟上传类似，我们也有隐式和显示两种方法：

[cpp] view plaincopy

1. mat = Mat(myOclMat);

[cpp] view plaincopy

1. myOclMat.download(mat);

一般情况下，你不必担心oclMat数据的释放问题，因为在oclMat被解体的时候，会自动调用数据的释放。

概括地说，使用ocl模块有这么几个过程：

1. 注册全局OpenCL设备。 //调用getDevice
2. 把内存的数据上传到显存。//把Mat转化成oclMat
3. 在OpenCL设备上进行计算。//调用ocl模块函数
4. 把显存的数据下载到内存。//把oclMat转化成Mat
5. 在host上进行剩余的运算。//调用cv::函数

PS
下载到的OpenCV的trunk代码中包含了几个OpenCL的sample程序可以作为开发者的参考。

谢谢阅读~
鹏 
August 19, 2012

【原文地址】http://blog.csdn.net/pengx17/article/details/7880642