【米尔FZ3深度学习计算卡】PS端opencv运算性能小测试

day_day

拿到板子一般来说应该先点个灯的，不过个人对1.2G A53的性能还是相当期待，因此想先测试下。
但这一周早些时候花费了大量时间寻找交叉编译opencv的方法，折腾了很久，最后才发现板子TF卡自带的镜像竟然有opencv库。加上gcc编译链也齐全，因此测试用的小程序都可以在板子上直接编译。
本来个人对Qt生态比较依赖，看了下板子的库，竟然也有Qt，还是5.9.6版本，一个相当新的版本了：

opencv也是3.3.0，这大概是18-19年才推出的版本：

一开始还相当满意，觉得这块工控板生态很不错。然而很快啊，我就发现我还是想得太简单：

对于这个问题，搜到的解决方案都是不太搭边的，目前猜测大概还是因为用交叉编译环境构建Qt的时候有某些地方没有配置对吧。从板载的库来说，这个带有百度AI的镜像应该是经过深度定制的，其他功能都挺完善的，没有发现特别的问题，但官方没有提供这个镜像的交叉编译环境，想要自己提取再重新交叉编译Qt还是挺复杂的，因此暂时避开Qt。失去了Qt的qmake，只能寻求不太熟悉的cmake了。

• 测试试验
  

所幸opencv所在的/usr/lib是系统能够自动识别的路径，如果是/usr/local/lib下面，编写CmakeList.txt的时候就麻烦了。
新建一个canny文件夹，进去新建一个canny.c文件：

现在测试一段canny算子运算能力：

1. #include <opencv2/opencv.hpp>
   
2. #include<opencv2/highgui/highgui.hpp>
   
3. #include<opencv2/imgproc/imgproc.hpp>
   
4. using namespace cv;
   
5. 
   
6. 
   
7. //-----------------------------------【main( )函数】-------------------------------------------
   
8. //            描述：控制台应用程序的入口函数，我们的程序从这里开始
   
9. //-----------------------------------------------------------------------------------------------
   
10. int main()
    
11. {
    
12.         struct timespec tpstart;
    
13.         struct timespec tpmiddle;
    
14.         struct timespec tpend;
    
15.         long timedif;
    
16.         clock_gettime(CLOCK_MONOTONIC, &tpstart);
    
17. 
    
18.         //载入原始图
    
19.         Mat srcImage = imread("/home/qt/qt_for_opencv/28.jpg",1);  //工程目录下应该有一张名为1.jpg的素材图
    
20.         Mat srcImage1 = srcImage.clone();
    
21. 
    
22.         //显示原始图
    
23.         ///imshow("【原始图】Canny边缘检测", srcImage);
    
24. 
    
25.         clock_gettime(CLOCK_MONOTONIC, &tpmiddle);
    
26. 
    
27.         //----------------------------------------------------------------------------------
    
28.         //        一、最简单的canny用法，拿到原图后直接用。
    
29.         //----------------------------------------------------------------------------------
    
30.         //Canny(srcImage, srcImage, 150, 100, 3);
    
31.         ///imshow("【效果图】Canny边缘检测", srcImage);
    
32. 
    
33. 
    
34.         //----------------------------------------------------------------------------------
    
35.         //        二、高阶的canny用法，转成灰度图，降噪，用canny，最后将得到的边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘图
    
36.         //----------------------------------------------------------------------------------
    
37.         Mat dstImage, edge, grayImage;
    
38. 
    
39.         // 【1】创建与src同类型和大小的矩阵(dst)
    
40.         dstImage.create(srcImage1.size(), srcImage1.type());
    
41. 
    
42.         // 【2】将原图像转换为灰度图像
    
43.         cvtColor(srcImage1, grayImage, CV_BGR2GRAY);
    
44. 
    
45.         // 【3】先用使用 3x3内核来降噪
    
46.         blur(grayImage, edge, Size(3, 3));
    
47. 
    
48.         // 【4】运行Canny算子
    
49.         Canny(edge, edge, 3, 9, 3);
    
50. 
    
51.         //【5】将g_dstImage内的所有元素设置为0
    
52.         dstImage = Scalar::all(0);
    
53. 
    
54.         //【6】使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
    
55.         srcImage1.copyTo(dstImage, edge);
    
56. 
    
57.         //【7】显示效果图
    
58.         ///imshow("【效果图】Canny边缘检测2", dstImage);*/
    
59. 
    
60.         clock_gettime(CLOCK_MONOTONIC, &tpend);
    
61.         timedif = 1000000 * (tpend.tv_sec - tpstart.tv_sec) + (tpend.tv_nsec - tpstart.tv_nsec) / 1000;
    
62.         fprintf(stdout, "it took %ld microseconds\n", timedif);
    
63.         timedif = 1000000 * (tpend.tv_sec - tpmiddle.tv_sec) + (tpend.tv_nsec - tpmiddle.tv_nsec) / 1000;
    
64.         fprintf(stdout, "it took %ld microseconds\n", timedif);
    
65. 
    
66.         waitKey(0);
    
67. 
    
68.         return 0;
    
69. }
    

复制代码

新建CmakeList.txt，添加内容：

1. # project name
   
2. PROJECT(canny)
   
3. # requirement of cmake version
   
4. cmake_minimum_required(VERSION 3.5)
   
5. 
   
6. # set the directory of executable files
   
7. set(CMAKE_RUNTIME_OUTPUT_DIRECTORY ./)
   
8. 
   
9. # find required opencv
   
10. find_package(OpenCV REQUIRED)
    
11. # directory of opencv headers
    
12. include_directories(${OpenCV_INCLUDE_DIRS})
    
13. # name of executable file and path of source file
    
14. add_executable(canny canny.cpp)
    
15. # directory of opencv library
    
16. link_directories(${OpenCV_LIBRARY_DIRS})
    
17. # opencv libraries
    
18. target_link_libraries(canny ${OpenCV_LIBS})

复制代码

执行命令：

1. camke .

复制代码

执行make:

• 执行效果
  

canny算子：

blur算子：

contours:


实际上还有个自己写的小程序的，应用了surf在内的几个算子，同样的A53四核运算时间在1s以上，更能看出测试效果。但在2020年之前surf算子的专利还没有过期，因此一直放在opencv的contrib模块，这个板子的opencv库明显是没有编译contrib模块的，因此只能遗憾地放弃了。

• 对比
  

没有对比就不够直观。为了直观感受这个板子纯CPU运算能力到底如何，还缺一个横向对比。
但看了一遍手上的其他板子，性能都太过羸弱，与之相近的同样A53 4核的树莓派只能跑个32位系统，简直是虐菜。找来找去还是一块晶辰的S905比较合适，这颗核心时28nm制程，主频1.5G，比这块板子主频高一点，但制程落后，GPU同样位Mail-T450。

顺便附上手头其他板子，包括树莓派在内的一些测试结果：

同样的4核ARM A53看起来差距不大，性能都相当可以，ZU3低频还略占上风，纯CPU性能是足够通用计算了，接下来就是看AI部分了。

inowfordream

可以。不错