撰写不易,转载需注明出处：http://blog.csdn.net/jscese/article/details/51745250本文来自 【jscese】的博客！
概念
OpenCV ：Open Source Computer Vision Library
通俗理解为 计算机视图处理的一层封装库，可服务于多个平台的开源c.c++框架
OpenCL ：Open Computing Language
类似于前文提到过的OpenGL ，为同一组织维护的标准接口框架，用在调度CPU GPU协作，利用起GPU的资源进行并行计算，提高性能
不同GPU厂商根据OpenCL的标准头文件实现底层逻辑
源代码
OpenCV：
关注 linux 版本 以及 android-sdk版本 ，网址：http://opencv.org/downloads.html
linux 版本含所有源码，可自己编译整个opencv ，拿需要的module
android-sdk版本是现成的so，含有头文件， 可直接拿来用
OpenCL ：
标准框架以及头文件可通过 https://www.khronos.org/opencl/获取
但是真正的实现，是由各GPU厂商根据框架的头文件来做，要细究开发，需要对应的驱动代码
编译
OpenCV：
在ubuntu下编译linux版本，目标平台选为android
为android编译动态库，少不了编译工具链，配置NDK ：
export ANDROID_NDK=tool/android-ndk-r10 ，NDK的根目录，网上有人说什么一般NDK不行，需要什么crystal版的NDK,扯淡~
因为OpenCV 跨平台，所以编译系统采用了cmake（cross platform make），通俗理解：可根据平台不同 适配成对应的编译环境
linux下自然是纯正的Makefile-gcc-g++ ， 所以ubuntu下要编译opencv ，得先安装好cmake，cmake –version 查看版本
我下载的最新2.4.13，编译步骤记录如下：
1：运行~/opencv-2.4.13/platforms/scripts/cmake_android_arm.sh 脚本内容如下：
#!/bin/sh
cd `dirname $0`/..
mkdir -p build_android_arm
cd build_android_arm
cmake -DCMAKE_BUILD_WITH_INSTALL_RPATH=ON -DBUILD_SHARED_LIBS=ON -DWITH_OPENCL=ON -DCMAKE_TOOLCHAIN_FILE=../android/android.toolchain.cmake $@ ../..很明显，通过cmake 进行配置编译环境，android.toolchain.cmake 为核心逻辑
2：到build_android_arm 目录下 make ，就开始全编译，最终会在这个目录下生成对应的lib 以及 测试bin之类的，makefile 环境也同样在这个目录下
make install 会生成install/sdk 目录，含有对应so以及头文件
注意事项：
android L版本后，可执行文件需要PIE,可查看android.toolchain.cmake中有这么一段：
# pie/pic
if( NOT (ANDROID_NATIVE_API_LEVEL LESS 16) AND (NOT DEFINED ANDROID_APP_PIE OR ANDROID_APP_PIE) AND (CMAKE_VERSION VERSION_GREATER 2.8.8))
set( CMAKE_POSITION_INDEPENDENT_CODE TRUE )
set( CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} -fPIE -pie")
else()
set( CMAKE_POSITION_INDEPENDENT_CODE FALSE )
set( CMAKE_CXX_FLAGS "-fpic ${CMAKE_CXX_FLAGS}" )
set( CMAKE_C_FLAGS "-fpic ${CMAKE_C_FLAGS}" )
endif()没有PIE，编译出来的测试用例bin ，在android上跑不了
OpenCL ：
各个实现平台编译手段不同，没有参考价值，不记录了
框架实现
OpenCV： 上面有说到，实为处理封装库，主要是一些复杂的矩阵变换，以及图形处理算法的集合，模块化清晰，有需求可以针对性的研究其中的某一个模块处理流程。
OpenCL ：原理架构可参考OpenCL 原理架构
软件层面-根据OpenCL的标准接口头文件 cl.h 实现逻辑大体如下：
选择opencl框架下的platform device
platform 指接口实现平台， 也就是gpu的平台
device 指选取进行计算的设备（cpu 或者 gpu），当前准备这些的 当做 host
创建device上面的content 和 memory， 当前host与这个device属于同一content，同content才能进行数据交互
会有从当前内存 copy 数据到 devices上memory的操作，如device为gpu 即为显存
需要编写 devices上运行的程序，类似于opengl 的shader编程， 这里由opencl 往下解析运行在devices上的操作， 统称 program 程序
program 程序需要动态编译，可以得到抽象的 kernel 函数，可理解为入口函数，设置这个kernel函数的参数，host， device两端所准备的数据资源等
为device创建commandqueue，用来存放 kernel
调用clEnqueueNDRangeKernel 接口将kernel加入到commandqueue中，device会根据顺序执行当前queue中的kernel
执行之后的结果存放在 device 上，可通过clEnqueueReadBuffer 接口读回host，也就是我们当前cpu程序
host 在加入kernel之后 就与device出于异步执行状态，所以某些情况下还需要 创建event 用来同步
OpenCV调用OpenCL
这篇博客将cv和cl放一起来概述，原因就是cv和cl可以一起协作，通过cl的加速在图形的处理上达到最优表现
适配
目前OpenCV中已经兼容支持了OpenCL ，当做了一个子模块，/opencv-2.4.13/module/ocl ,需要进行一些适配如下：
可以看到上面 编译步骤的第一个执行脚本cmake_android_arm.sh 中需要传入参数：
-DBUILD_SHARED_LIBS=ON -DWITH_OPENCL=ON/opencv-2.4.13/module/ocl/src/cl_runtime/cl_runtime.cpp中添加动态库加载的路径 返回CV_CL_GET_PROC_ADDRESS(name)
可看到适配了有 APPLE ，WIN ，LINUX 的，需要添加ANDROID的GetProcAddress ，可参考LINUX的：
#if defined(__linux__)
#include <dlfcn.h>
#include <stdio.h>
static void* GetProcAddress (const char* name)
{
static void* h = NULL;
if (!h)
{
const char* name = "libOpenCL.so";
const char* envOpenCLBinary = getenv("OPENCV_OPENCL_BINARY");
if (envOpenCLBinary)
name = envOpenCLBinary;
h = dlopen(name, RTLD_LAZY | RTLD_GLOBAL);
if (!h)
return NULL;
}
return dlsym(h, name);
}
#define CV_CL_GET_PROC_ADDRESS(name) GetProcAddress(name)
#endif对应加一段 #if defined(ANDROID) … #endif 中间的加载so路径名称 视具体平台而定
大体流程
ocl的program-kernel程序代码 目录：opencv-2.4.13\platforms\build_android_arm\modules\ocl\opencl_kernels.cpp
从编译上来看 是依赖于opencv的算法
动态编译为opencl的kernel函数：\opencv-2.4.13\modules\ocl\src\cl_operations.cpp 中的 openCLGetKernelFromSource：
kernel = clCreateKernel(program, kernelName.c_str(), &status);编译好kernel之后，调用openCLExecuteKernel 加入到opencl的commandqueue中：
clEnqueueNDRangeKernel(getClCommandQueue(ctx), kernel, 3, NULL, globalThreads,
localThreads, 0, NULL, NULL)opencl的标准接口，其中的3代表维度，globalThreads 代表需要处理的数据资源线程数，
localThreads 代表opencl设备并行计算的线程数-受限于CL_DEVICE_MAX_WORK_ITEM_SIZES
性能主要由globalThreads 以及 localThreads 大小决定
可查看OpenCL标准cl.h中的：
/* cl_device_info */
#define CL_DEVICE_TYPE 0x1000
#define CL_DEVICE_VENDOR_ID 0x1001
#define CL_DEVICE_MAX_COMPUTE_UNITS 0x1002
#define CL_DEVICE_MAX_WORK_ITEM_DIMENSIONS 0x1003 //支持维度
#define CL_DEVICE_MAX_WORK_GROUP_SIZE 0x1004 //一个work group上 work item的最大数量 = MAX_WORK_ITEM X*Y*Z
#define CL_DEVICE_MAX_WORK_ITEM_SIZES 0x1005 //维度上 work item最大数这些可以调OpenCL 标准接口，从GPU驱动CL实现中获取，是作为编写OpenCL 的program-kernel程序的重要依据
附一个stack overflow：http://stackoverflow.com/questions/7996537/cl-invalid-work-group-size-error
其中有这么一段话，可以帮助理解参数含义关系：
Ok, let me give you a 1D example. Let's say you have 10,000 things you want to process with your CL kernel.
That's your global size: 10,000. Perhaps you want to process these in groups of 100 things.
That's your local size: 100. Because 10,000/100 == 100, this particular arrangement will give you 100 workgroups.
Above, you have a global size of 16, and a local size of 128. This doesn't make sense for OpenCL -- 16 / 128.
Perhaps you wanted 16*128 as your global size, and 128 as your local size? That would yield 16 workgroups of 128 items eachandroid上的移植
在模块Android.mk中添加如下：
LOCAL_SHARED_LIBRARIES += \
libopencv_ocl \
libopencv_core \
libstlport
LOCAL_C_INCLUDES += \
opencv2 \
bionic \
bionic/libstdc++/include \
external/stlport/stlport libopencv_core . libopencv_ocl 这两个上面编译步骤lib下的库
core为OpenCV的核心，为必须的，这里用到OpenCL 就只要拿ocl这个module对应的库libopencv_ocl 即可
通过添加prebuilt编译copy到/system/lib即可
opencv2 头文件夹可又上面编译步骤说到的 make install 得到的sdk中拷贝到这里
还需要添加：
LOCAL_CFLAGS += -Wno-error=non-virtual-dtor加上这个，虚函数的类没有析构函数 不当做error停止
android编译系统默认的Werror：
./build/core/config.mk:129:TARGET_ERROR_FLAGS := -Werror=return-type -Werror=non-virtual-dtor -Werror=address -Werror=sequence-pointAndroid.mk中添加的LOCAL_CFLAGS是可以覆盖的
因为opencv2/core/core.hpp里面的_InputArray类析构函数并没有实现：
#ifdef OPENCV_CAN_BREAK_BINARY_COMPATIBILITY
virtual ~_InputArray();
#endif并没有定义该宏，而OpenCV中编译没有加Werror，并不会报错停止
OpenCV test 用例
最终生成的测试用例目录：
~/opencv-2.4.13/platforms/build_android_arm/bin/
比如opencv_perf_ocl 即为opencv调用opencl的测试用例
opencv_perf_ocl –help 查看command info:
--perf_affinity_mask=[0] set affinity mask for the main thread
--perf_force_samples=[100] force set maximum number of samples for all
tests
...
Test Selection:
--gtest_list_tests
List the names of all tests instead of running them. The name of
TEST(Foo, Bar) is "Foo.Bar".
--gtest_filter=POSTIVE_PATTERNS[-NEGATIVE_PATTERNS]
Run only the tests whose name matches one of the positive patterns but
none of the negative patterns. '?' matches any single character; '*'
matches any substring; ':' separates two patterns.
--gtest_param_filter=POSITIVE_PATTERNS[-NEGATIVE_PATTERNS]
Like --gtest_filter, but applies to the test's parameter. If a
test is not parameterized, its parameter is considered to be the
empty string.
--gtest_also_run_disabled_tests
Run all disabled tests too.
Test Execution:
--gtest_repeat=[COUNT]
Run the tests repeatedly; use a negative count to repeat forever.
...
Test Output:
--gtest_color=(yes|no|auto)
...使用的是 googletest 框架，比较高大上，不怎么熟悉
–gtest_list_tests 查看所有的用例
–gtest_filter=XXX 跑我们想跑的用例
–gtest_repeat=[COUNT] 设置重复次数
–gtest_color=(yes|no|auto) 设置输出结果颜色
这几个参数比较实用