有的時候寫出來的程式慢也許並不是演算法有問題，而是用的庫比較慢；也可能並不是庫本身慢，而只是你的寫法不夠高效。在經歷了無數次令人蛋疼的等待後，我決定比較一下這幾個所謂的高效的線性代數庫（OpenCV雖然目標是計算機視覺，但也提供了比較豐富的代數計算能力），看看它們的效能到底怎麼樣。

有人已經做過類似的事情了，比如  OpenCV vs. Armadillo vs. Eigen on Linux revisited，這哥們比較了這幾個庫在各種矩陣運算方面的效率，總結的比較齊全。但是，在計算機視覺領域這些還不夠，比如經常使用的相似性度量（Similarity Measure）的計算。當然後很多種方法，這裡就考慮最基本的SAD（Sum of Absolute Difference）方法吧，簡單來說就是把兩個矩陣（或者向量）相減，求個絕對值，再加起來。這個計算看起來挺簡單的，不過比較的結果令我比較意外。

 先把程式碼貼出來吧。

//	PerformanceTest.h

#pragma warning(disable:4344)
#define DEIGEN_NO_DEBUG
#define DNDEBUG

#include <emmintrin.h>
#include <opencv.hpp>
#include <vector>
#include <iostream>
#include <armadillo>
#include <Eigen/Dense>
#include "Timer.h"

using namespace std;

 

//	PerformanceTest.cpp

#include "PerformanceTest.h"

int main(void)
{
	Timer timer;		//	timer
	double elapsedTime;	//	time in millisecond
	double res;			//	SAD value
	int i;				//	loop variable
	float bnd = 1e5;	//	loop times

	//	Armadillo
	arma::mat armaA(4, 1);
	arma::mat armaB(4, 1);
	timer.start();
	for (i = 0; i < bnd; ++i)
	{
		res = arma::accu(arma::abs(armaA - armaB));

		//res = 0;
		//for (int idx = 0; idx < 4; ++idx)
		//{
		//	res += abs(armaA(idx, 0) - armaB(idx, 0));
		//}
	}
	elapsedTime = timer.getElapsedTimeInMilliSec();
	cout<<"arma time : "<<elapsedTime<<" ms"<<endl;

	//	Eigen
	Eigen::Vector4d eiA;
	Eigen::Vector4d eiB;
	Eigen::Vector4d eiC;
	timer.start();
	for (i = 0; i < bnd; ++i)
	{
		res = (eiA - eiB).cwiseAbs().sum();
		//res = 0;
		//for (int idx = 0; idx < 4; ++idx)
		//{
		//	res += abs(eiA(idx,0) - eiB(idx, 0));
		//}
	}
	elapsedTime = timer.getElapsedTimeInMilliSec();
	cout<<"eigen time : "<<elapsedTime<<" ms"<<endl;

	//	OpenCV
	cv::Mat ocvA(4, 1, CV_64F);
	cv::Mat ocvB(4, 1, CV_64F);
	timer.start();
	for (i = 0; i < bnd; ++i)
	{
		res = cv::sum(cv::abs(ocvA - ocvB))[0];
		//res = 0;
		//for (int idx = 0; idx < 4; ++idx)
		//{
		//	res += abs(ocvA.at<double>(idx, 0) - ocvB.at<double>(idx, 0));
		//}
	}
	elapsedTime = timer.getElapsedTimeInMilliSec();
	cout<<"opencv time : "<<elapsedTime<<" ms"<<endl;

	//	pointer operation
	double *a = (double*)_mm_malloc(4 * sizeof(double), 16);
	double *b = (double*)_mm_malloc(4 * sizeof(double), 16);
	int len = ocvA.rows;
	timer.start();
	for (i = 0; i < bnd; ++i)
	{
		res = 0;
		for (int idx = 0; idx < len; ++idx)
		{
			res += abs(a[idx] - b[idx]);
		}
		//cout<<"i = "<<i<<endl;
	}
	elapsedTime = timer.getElapsedTimeInMilliSec();
	cout<<"array operation : "<<elapsedTime<<" ms"<<endl;

	//	release resource
	_mm_free(a);
	_mm_free(b);
	return 0;
}
 

其中的計時函式用到的是 Franz Kafka 提供的跨平臺高精度計時類，可以從以下地址下載 High Resolution Timer。

用以上程式碼在 release 下得到的結果如下：

arma time : 0.87827 ms
eigen time : 0.13641 ms
opencv time : 179.599 ms
array operation : 0.135591 ms

可以看出 Eigen 的時間和直接用陣列運算的時間是相當的，Armadillo 的時間慢了 6~7 倍左右，而 OpenCV 已經目不忍視了，不知道 OpenCV 是怎麼想的，差距有點懸殊。

下面又做了另外一組對比，把迴圈中的求 SAD 部分用類似於陣列的方式自己計算，結果如下

arma time : 0.145423 ms
eigen time : 0.134772 ms
opencv time : 0.134362 ms
array operation : 0.139278 ms

這下計算時間基本上是相當的了。

通過這些對比得到兩個結論：

1、雖然這些庫在矩陣相乘等操作上可能比較高效，但是對於某些低階操作可能效率並不高

2、通過模板訪問資料並不比陣列效率低，效能基本相當

實驗環境：

Windows 7 Ultimate SP1

Visual C++ 2008

Armadillo 3.4.4

Eigen 3.1.2

OpenCV 2.3.1

Compiled to 32-bit binary