算法优化相关图例分享

高通平台图像算法优化

图像性能优化涉及到的知识点较多，并且知识点之间的并无直接的逻辑关系。总的来说目的都是一样的：就是尽可能利用现有硬件提升运算时的并发性。

多核异构的方式能在同等功耗的情况下尽可能提升运算速率 。高通的多核异构实现如下:

运行在不同的硬件上需要对应不同的编程模型，本文对此做了简单的总结。

1.运行在GPU(Andreno)：

1.1 RenderScript

RenderScript 是 google 退出运行在 Android 平台上的并行编程语言，能在运行时决定将计算任务合理分配给CPU 和 GPU。在 frameworks/rs目录能看到 RenderScript 源码和实例。其中rsDefines.h 定义了 RenderScript 使用的基本数据结构。

RenderScript 通过以下方式实现：

详情：https://source.android.google.cn/devices/architecture/vndk/renderscript

RenderScript和framework的关系

RenderScript 和OpenCL相似，算子封装在 kernel 函数中，例如以下代码是将输入图片中所有 RGB 反色：

#pragma version(1)
#pragma rs java_package_name(com.hc.renderscript)
uchar4 __attribute__((kernel)) invert(uchar4 in)
{
   
  uchar4 out = in;
  out.r = 255- in.r;
  out.g = 255-in.g;
  out.b = 255-in.b;
  return out;
 
}

以上代码会在运行时作用与输入图像的每个像素。

Google 一直在大力推广 RenderScript 作为图像处理的主力优化语言，但是目前看来普及率很低。个人推测有以下原因：
1.关于 RenderScript 的资料非常少，而且想要熟悉使用这个工具需要对 Android Framework 编译环境有深入了解。对于开发者而言，很难知道算法在设备运行时的细节。
2.RenderScript 优化能力有待商榷，在native层没有什么优势。毕竟平台商比Google更熟悉自家硬件，平台商有更多的手段针对自家硬件作优化。

1.2 OpenCL

OpenCL（全称Open Computing Language，开放运算语言）
Andreno GPU 支持OpenCL，具体参考文档： https://developer.qualcomm.com › qfile › 80-nb295-11_a
高通最新 camera 架构 CamX 上也有 GPU 的专属节点，目录位于：chi-cdk\vendor\node\gpu

该节点代码以 OpenCL 的方式对 GPU 进行编程。
工作流程如下：

1. 设备初始化
2. 准备主机端数据(分配主机端内存+获取数据)
3. 分配设备端内存
4. 将主机端数据拷贝到设备端
5. 设备启动内核函数，进行运算，将结果写到设备端内存
6. 将设备端结果拷贝回主机端
7. 读取主机端内存，进行后续处理
8. 释放资源
   
   OpenCL 反色函数如下:

         __kernel void MatrixMatrixAddSimple( const int matrixRows,

                                          const