C++ 在DFT OpenCV TAPI中UMat与Mat的速度

我发现了一些关于在

cv:：UMat

s与

cv:：Mat

s上执行

cv:：dft

函数的有趣结果。基本上，我发现，在图像高达4096x4096之前，

UMat

s实际上要慢得多。在此之前，

cv:：Mat

始终获胜。这是否仅仅是因为没有为TAPI api实现dft，而只为CV:：Mat实现dft？我运行的测试如下所示（我使用celero项目创建基准测试）：

我得到了以下结果：

cv:：UMat迭代次数/秒=4.51

cv:：Mat迭代次数/秒=4.70

对于较小的图像，例如1024x1024，我得到以下结果：

cv:：UMat迭代次数/秒=63.21

cv:：Mat迭代次数/秒=85.83

---

从这些结果中，您可以看到，对于较大的图像，使用UMat几乎没有任何优势，对于较小的图像尤其没有优势。这让我感到惊讶，因为当切换到OpenCV TAPI时，我使用

cv:：matchTemplate

获得了显著的速度提升。我的猜测是，

cv:：dft

没有在OpenCL中实现，但这真的是这样吗？DFT只是一个而不是好的算法，可以卸载到GPU上吗？谢谢

cv:：dft

肯定有OpenCL实现，但在某些设备上可能没有优势（它最初针对英特尔集成GPU进行了优化）。你用什么GPU？另外请注意，您测量初始化步骤，对于

UMat

来说，它可能非常慢。您是对的，创建

cv:：UMat

的速度较慢，但从我运行的实验来看，差异几乎可以忽略不计。尤其是在运行

cv:：matchTemplate

时，因为我使用

cv:：UMat

可以获得将近400倍的速度。我运行的GPU是AMD Radeon R9 M370X。您可以尝试使用clMath库支持构建opencv。该库包含AMD GPU的OpenCL实现。OpenCV有包装器（请使用_openclamdftcmake选项查找

），我可以试一试。我还没有查看引擎盖下的内容，但是我很惊讶
cv:：matchTemplate
函数不会使用
cv:：dft
函数。也许他们只是做一个卷积？我得四处看看。
cv:：matchTemplate
仅当模板大小大于18*18时才使用
cv:：dft
。对于较小的模板，它使用自定义OpenCL内核执行简单的卷积。
constexpr int num_samples = 2;
constexpr int num_iterations = 10;
constexpr int num_rows = 4096;
constexpr int num_cols = 4096;
cv::UMat a = cv::UMat(num_rows, num_cols, CV_32F);
cv::Mat b = cv::Mat(num_rows, num_cols, CV_32F);

void CreateUMat() { cv::randu(a, 0, 256); }
void CreateMat() { cv::randu(b, 0, 256); }
void DftUMat() {
  CreateUMat();
  cv::dft(a, a);
  cv::idft(a, a, cv::DFT_SCALE | cv::DFT_INVERSE);
}
void DftMat() {
  CreateMat();
  cv::dft(b, b);
  cv::idft(b, b, cv::DFT_SCALE | cv::DFT_INVERSE);
}

BASELINE(UMatBenchmarks, Baseline, num_samples, num_iterations) { DftUMat(); }

BENCHMARK(UMatBenchmarks, NoGPU, num_samples, num_iterations) { DftMat(); }