OpenCV算法加速（5）官方G-API加速效果如何？怎么使用？

利白

已于 2022-08-15 21:05:29 修改

阅读量5.5k

点赞数 1

分类专栏： OpenCV 文章标签： opencv 算法 gapi 加速

于 2022-02-01 17:32:45 首次发布

本文链接：https://blog.csdn.net/libaineu2004/article/details/122765072

版权

OpenCV 专栏收录该内容

65 篇文章

订阅专栏

本文介绍了OpenCV的G-API框架，它通过构建计算图来优化图像处理算法，如Canny边缘检测和findContours轮廓提取。作者对比了传统方法与G-API实现的性能，结果显示G-API能显著提升处理速度。测试中，Canny和findContours的运行时间分别减少了约27%和12%。官方测试用例和参考文献提供了更多关于G-API的信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、G-API是什么？能干什么？

G-API 是OpenCV针对图像处理算法流程开发的目标是以构建图为方法，增加不同后端进行计算优化，以使图像处理任务更加轻量级和快速的新框架。比如整体考虑GPU上的算法流程、系统减少优化显存访问，可有效提高计算速度。

2、笔者使用的是opencv v4.5.5版本源码，

https://github.com/opencv/opencv/tree/4.5.5/modules/gapi

自己写了一个demo来测试canny和findContours算子的性能，电脑CPU 4核，8线程，内存8GB：

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>
#include <opencv2/gapi/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>

void normal()
{
    cv::Mat srcImage = cv::imread("D:\\allike\\Image_20210707220756198.jpg");
    cv::Mat dstImage;
    std::vector<std::vector<cv::Point>> vvtPointContours; //类型不能是cv::Point2f,否则会出错,提示matrix_wrap.cpp:1385: error

    double t1 = (double)cv::getTickCount();

    cv::cvtColor(srcImage, dstImage, cv::COLOR_BGR2GRAY);
    cv::blur(dstImage, dstImage, cv::Size(5, 5));
    cv::Canny(dstImage, dstImage, 20, 100, 3);

    double t2 = ((double)cv::getTickCount() - t1) / cv::getTickFrequency() * 1000;
    std::cout << "Run Time 1,Canny: " << t2 << " ms\n";

    t2 = (double)cv::getTickCount();

    cv::findContours(dstImage, vvtPointContours, cv::RETR_LIST, cv::CHAIN_APPROX_NONE, cv::Point(0, 0));

    double t3 = ((double)cv::getTickCount() - t2) / cv::getTickFrequency() * 1000;
    std::cout << "Run Time 1,findContours: " << t3 << " ms\n";
}

void gapi()
{
    cv::Mat srcImage = cv::imread("D:\\allike\\Image_20210707220756198.jpg");
    cv::Mat dstImage;

    //G-API只追踪管线的操作以及如何连接的。G-API的数据对象（cv::GMat）是用以连接各种操作的。
    //cv::GMat in则是一个为空的GMat信号，用于告知计算的开始。
    //然后实例化cv::GComputation这个对象。此对象把输入/输出(input/output)数据当做参数（在本例中依次是in和out这两个cv::GMat对象），
    //并基于in和out的中的数据流来重建调用图。
    double t1 = (double)cv::getTickCount();

    //https://github.com/opencv/opencv/tree/4.5.5/modules/gapi/samples
    cv::GMat in;
    cv::GMat gray = cv::gapi::BGR2Gray(in);
    cv::GMat imgBlur = cv::gapi::blur(gray, cv::Size(5, 5));
    cv::GMat out = cv::gapi::Canny(imgBlur, 20, 100, 3);
    cv::GComputation ac(in, out);
    ac.apply(srcImage, dstImage);

    double t2 = ((double)cv::getTickCount() - t1) / cv::getTickFrequency() * 1000;
    std::cout << "Run Time 2,Canny: " << t2 << " ms\n";

    t2 = (double)cv::getTickCount();

    //https://github.com/opencv/opencv/tree/4.5.5/modules/gapi/test/common
    //https://github.com/opencv/opencv/tree/4.5.5/modules/gapi/test/common/gapi_imgproc_tests_common.hpp
    std::vector<std::vector<cv::Point>> out_cnts_gapi;
    cv::Point offset = cv::Point();
    cv::GMat g_in;
    cv::GOpaque<cv::Point> gOffset;
    cv::GArray<cv::GArray<cv::Point>> outCts = cv::gapi::findContours(g_in, cv::RETR_LIST, cv::CHAIN_APPROX_NONE, gOffset);
    cv::GComputation c(GIn(g_in, gOffset), GOut(outCts));
    c.apply(gin(dstImage, offset), gout(out_cnts_gapi));

    double t3 = ((double)cv::getTickCount() - t2) / cv::getTickFrequency() * 1000;
    std::cout << "Run Time 2,findContours: " << t3 << " ms\n";

    cv::namedWindow("gapi", cv::WINDOW_NORMAL);
    //cv::imshow("gapi", dstImage);
    //cv::waitKey(0);
}

int main(int argc, char *argv[])
{
    normal();
    gapi();
    return 0;
}

测试结果：

Run Time 1,Canny: 120.699 ms
Run Time 1,findContours: 52.0882 ms
Run Time 2,Canny: 94.1655 ms
Run Time 2,findContours: 45.5371 ms

加速效果还是有一些的！

3、官方测试用例

https://github.com/opencv/opencv/tree/4.5.5/modules/gapi/test/common

https://github.com/opencv/opencv/tree/4.5.5/modules/gapi/samples

4、参考文献

OpenCV Graph API初体验 - 简书OpenCV Graph API (G-API) Introduction: OpenCV的Graph API(或称G-API)是一个让常规图像处理变得更快（fast）和轻量...https://www.jianshu.com/p/8c8c08496a2c