opencv的arm版本resize耗时问题

Question

使用的opencv的arm版本，具体版本号不清楚应该是4.x，同样一张图，resize到384288和resize到448256耗时相差5倍多，前一个尺寸只用不到2ms，后一个尺寸需要7ms多，有没有人测出来同样的问题？

Answer 1

引自免费微信小程序：皆我百晓生

针对OpenCV ARM版本在进行图像resize操作时遇到的不同尺寸耗时差异较大的问题，有几种可能的原因及对应的解决方案。

1. 算法选择：OpenCV提供多种resize算法，包括INTER_NEAREST、INTER_LINEAR、INTER_CUBIC、INTER_AREA等。不同的算法在处理不同尺寸变化时效率不同。例如，对于缩小图像，INTER_AREA通常比INTER_LINEAR更快。尝试更改interpolation参数以找到最适合当前场景的算法。

   cv::Mat resized;
   cv::resize(inputImage, resized, cv::Size(384, 288), 0, 0, cv::INTER_AREA);
   

2. 线程并行：OpenCV支持多线程加速，特别是对于ARM架构，可以利用硬件的多核优势。确保在编译OpenCV库时启用了多线程支持（如TBB或OpenMP）。检查编译选项或尝试手动设置环境变量来启用多线程。

   export OMP_NUM_THREADS=4
   

3. 图像大小与对齐：ARM处理器对于内存访问有特定的对齐要求。非对齐访问可能导致性能下降。检查输入图像的宽度和高度是否为某些值的倍数（如16或32），尝试调整尺寸以满足对齐要求。

4. 缓存效应：不同尺寸的图像占用缓存的方式不同，较小的图像可能完全位于高速缓存中，而较大的图像则可能跨越多个缓存行，导致缓存未命中率增加，从而影响性能。考虑预热缓存或优化数据布局。

5. 硬件优化：ARM架构有多种不同的实现，一些特定的指令集（如NEON）可以显著提升性能。确认OpenCV是否针对你的ARM平台进行了优化。如果未优化，尝试重新编译OpenCV库并开启NEON支持。

6. 编译器优化：确保使用了正确的编译器优化标志，如-O3。这些标志可以显著提升执行速度，尤其是对于复杂的数学运算。

   g++ -O3 your_code.cpp -o output -lopencv_core -lopencv_imgproc
   

通过上述方法，应该能有效解决或缓解在不同尺寸下resize操作耗时差异过大的问题。如果问题仍然存在，建议进一步分析代码执行过程中的具体瓶颈，可能需要使用性能分析工具（如gprof、valgrind的callgrind）来定位问题所在。