在Android上使用OpenCL呼叫GPU加速
阿新 • • 發佈：2019-01-27
其實去年就已經把Android上OpenCL的demo做出來了，但是由於種種原因一直沒有開源–
嗯現在就不吝嗇了~奉獻給大家~
後面在Android上還實現了很多種並行化的演算法，比如SHA-1、HDR、K-means、NL-means、SRAD等等，會在近期整理好之後開源的。
原文發表在了
整理成教程是隊友做的，十分感謝~
原博文地址
隊友的部落格
下面是乾貨： Android平臺利用OpenCL框架實現並行開發初試 在我們熟知的桌面平臺，GPU得到了極為廣泛的應用，小到各種電子遊戲，大到高效能運算，多核心、高並行化的GPU成為我們日常娛樂和科學研究必不可少的“利器”。同樣，在近些年興起的移動平臺，諸如智慧手機、平板電腦等，也日漸重視GPU在其應用中的作用。近幾年，隨著並行化的發展，越來越多的手持裝置硬體廠商重視對並行化標準的支援和應用。這裡，需要支援OpenCL這一開發運算標準，該標準以異構平臺為目標，與CUDA、Direct Compute主要面向PC平臺不同，因而得到了眾多廠商的支援，如下表：
三星GalaxyS5高通驍龍801（4核）Adreno330是
Iphone5S蘋果A7（2核）Imagination PowerVR G6430是
小米3聯通版高通驍龍800（4核）Adreno330是
魅族M3三星5410（8核）Imagination SGX544是 （主要是高通的產品） 而在國外的一些研究機構和學者也對智慧手機、平板電腦這樣的移動平臺進行了並行化的研究，比如三星手機研究院和諾基亞研究院近幾年就發表了很多關於這方面的資料；美國萊斯大學的學者Guohui Wang等人就對物品移除演算法和SIFT演算法進行了智慧手機上的並行化實現。
（2）make –v，返回make命令的版本資訊
3）gcc -v，返回gcc命令的版本資訊
第三步，配置NDK的系統環境變數，為了避免編譯時警告，可採用Linux風格的路徑，如我的NDK安裝路徑為：“D:\android-ndk-r8-windows \android-ndk-r8”，在系統變數中名為“ndk”的變數路徑為：“/cygdrive/ android-ndk-r8-windows/ android-ndk-r8” 另外，在Eclipse環境中可以安裝CDT和Sequoyah外掛方便Android工程對Native的開發（可以省略每次修改程式碼後都需要手動到程式碼目錄進行ndk-build的步驟），可從http://www.eclipse.org/cdt/downloads.php下載CDT的離線安裝包，然後再Eclipse中點選Help->Install New Software，點選Archive確定安裝包所在位置，然後進行安裝；Sequoyah可以直接線上安裝，Location為：http://download.eclipse.org/sequoyah/updates/2.0/ 如圖：
（安裝時不要勾選“Group items by category”選項，否則會出現列表為空的情況）。然後在Window->preferences->Android->本機開發選項中新增NDK的安裝路徑。
其次，我會簡要的介紹OpenCL在Android開發過程中的一些設定和程式碼。在Android平臺實現並行化的過程中，我主要遵循下面的框圖進行：
主要思路就是利用JAVA中的JNI介面，結合Cygwin環境和NDK工具，將OpenCL實現的並行演算法編譯為可以被Android工程呼叫的libSobelFilter.so（lib***.so均可），然後在程式中呼叫該檔案中的演算法實現並行。 在Eclipse工程中jni資料夾下需要建立如下兩個檔案：Android.mk以及Application.mk，相當於該程式對應的makefile檔案，前者定義了一系列規則來制定編譯檔案的目標和檔案編譯的順序，後者定義了程式平臺版本和編譯器版本等內容。具體實現為，Android.mk檔案：
Application.mk檔案：
然後將OpenCL標頭檔案拷貝到jni資料夾下，供工程編譯時呼叫：
接下來需要我們按照OpenCL的框架流程進行並行化的初始化和核心入隊操作，主要包括： 1）獲得平臺clGetPlatformIDs；2）建立上下文clCreateContexFromType；3）通過上下文得到裝置資訊clGetContextInfo；4）為相應裝置建立commandQueue；5）建立源程式，生成kernel；6）分配buffer空間，設定程式引數；7）執行kernel，clEnqueueNDRangeKernel；8）從buffer讀回資料clEnqueueReadBuffer。 這裡幾個操作時OpenCL的固定流程，具體程式碼很多，請大家參看下我的原始碼，這裡就不寫了。 這裡我要指出的是由於移動平臺的特殊性，我們在程式中對幾個巨集變數進行了定義：
上述幾個Android平臺需要的檔案在不同版本的安卓系統中有不同的位置，上例 為Android 4.3版本的檔案位置，在之前版本中檔案多數位於”/system/lib/”資料夾下。 程式的核函式如下：
此外，該程式使用了OpenCV的相關函式完成影象操作，因此需要在對應的安卓手機上安裝OpenCV-Manager來完成對OpenCV函式的呼叫工作（可從http://opencv.org/下載相關資料和安裝包）。同時，為了程式編譯的方便，建議將程式檔案放置到OpenCV-android-sdk的samples目錄下，同時在Eclipse的專案屬性Android選項中將＂…\OpenCV-2.4.8-android-sdk\sdk\java＂工程加入Android工程中，如圖所示：
在完成執行環境的配置後，在Cygwin中完成該專案的編譯和庫檔案生成工作，如下圖所示：
可在專案工程目錄下的libs/armeabi-v7a下檢視生成的.so檔案(libSobelFilter.so)：
至此，Sobel濾波程式已經編譯完成。下面介紹一些執行結果。 我們在DragonBoard開發板上進行程式測試。我們採用的常見的lena影象，改變影象的大小進行對比，這裡我們採用了256*256,512*512,1024*1024等大小不同的圖片進行測試，檢驗並行程式與序列的加速比。DragonBoard採用驍龍800處理器,同時，該開發板提供了豐富的板上資源，包括Snapdragon 800 Processor（4核2.15GHz，GPU為Adreno 330）、BT4.0、HDMI output、Dual SATA等，產自INTRINSYC公司(詳情請參見：http://shop.intrinsyc.com/ ，目前已經有Snapdragon 805平臺的開發板)。
以下的圖表分別展示了程式的執行介面和加速比對比。
表中是一些測量得到的結果：
從上述結果可以看出，在上述實驗平臺上，隨著圖片大小的增大（資料處理更加複雜），並行化的加速比會更加明顯。
在其他的智慧手機，如小米2s（CPU：高通驍龍600，GPU：Adreno320）也做了類似的測試，也可以實現圖片處理的加速。
嗯現在就不吝嗇了~奉獻給大家~
後面在Android上還實現了很多種並行化的演算法，比如SHA-1、HDR、K-means、NL-means、SRAD等等，會在近期整理好之後開源的。
原文發表在了
整理成教程是隊友做的，十分感謝~
原博文地址
隊友的部落格
下面是乾貨： Android平臺利用OpenCL框架實現並行開發初試 在我們熟知的桌面平臺，GPU得到了極為廣泛的應用，小到各種電子遊戲，大到高效能運算，多核心、高並行化的GPU成為我們日常娛樂和科學研究必不可少的“利器”。同樣，在近些年興起的移動平臺，諸如智慧手機、平板電腦等，也日漸重視GPU在其應用中的作用。近幾年，隨著並行化的發展，越來越多的手持裝置硬體廠商重視對並行化標準的支援和應用。這裡，需要支援OpenCL這一開發運算標準，該標準以異構平臺為目標，與CUDA、Direct Compute主要面向PC平臺不同，因而得到了眾多廠商的支援，如下表：
三星GalaxyS5高通驍龍801（4核）Adreno330是
Iphone5S蘋果A7（2核）Imagination PowerVR G6430是
小米3聯通版高通驍龍800（4核）Adreno330是
魅族M3三星5410（8核）Imagination SGX544是 （主要是高通的產品） 而在國外的一些研究機構和學者也對智慧手機、平板電腦這樣的移動平臺進行了並行化的研究，比如三星手機研究院和諾基亞研究院近幾年就發表了很多關於這方面的資料；美國萊斯大學的學者Guohui Wang等人就對物品移除演算法和SIFT演算法進行了智慧手機上的並行化實現。
（2）make –v，返回make命令的版本資訊
3）gcc -v，返回gcc命令的版本資訊
第三步，配置NDK的系統環境變數，為了避免編譯時警告，可採用Linux風格的路徑，如我的NDK安裝路徑為：“D:\android-ndk-r8-windows \android-ndk-r8”，在系統變數中名為“ndk”的變數路徑為：“/cygdrive/ android-ndk-r8-windows/ android-ndk-r8” 另外，在Eclipse環境中可以安裝CDT和Sequoyah外掛方便Android工程對Native的開發（可以省略每次修改程式碼後都需要手動到程式碼目錄進行ndk-build的步驟），可從http://www.eclipse.org/cdt/downloads.php下載CDT的離線安裝包，然後再Eclipse中點選Help->Install New Software，點選Archive確定安裝包所在位置，然後進行安裝；Sequoyah可以直接線上安裝，Location為：http://download.eclipse.org/sequoyah/updates/2.0/ 如圖：
（安裝時不要勾選“Group items by category”選項，否則會出現列表為空的情況）。然後在Window->preferences->Android->本機開發選項中新增NDK的安裝路徑。
其次，我會簡要的介紹OpenCL在Android開發過程中的一些設定和程式碼。在Android平臺實現並行化的過程中，我主要遵循下面的框圖進行：
主要思路就是利用JAVA中的JNI介面，結合Cygwin環境和NDK工具，將OpenCL實現的並行演算法編譯為可以被Android工程呼叫的libSobelFilter.so（lib***.so均可），然後在程式中呼叫該檔案中的演算法實現並行。 在Eclipse工程中jni資料夾下需要建立如下兩個檔案：Android.mk以及Application.mk，相當於該程式對應的makefile檔案，前者定義了一系列規則來制定編譯檔案的目標和檔案編譯的順序，後者定義了程式平臺版本和編譯器版本等內容。具體實現為，Android.mk檔案：
Application.mk檔案：
然後將OpenCL標頭檔案拷貝到jni資料夾下，供工程編譯時呼叫：
接下來需要我們按照OpenCL的框架流程進行並行化的初始化和核心入隊操作，主要包括： 1）獲得平臺clGetPlatformIDs；2）建立上下文clCreateContexFromType；3）通過上下文得到裝置資訊clGetContextInfo；4）為相應裝置建立commandQueue；5）建立源程式，生成kernel；6）分配buffer空間，設定程式引數；7）執行kernel，clEnqueueNDRangeKernel；8）從buffer讀回資料clEnqueueReadBuffer。 這裡幾個操作時OpenCL的固定流程，具體程式碼很多，請大家參看下我的原始碼，這裡就不寫了。 這裡我要指出的是由於移動平臺的特殊性，我們在程式中對幾個巨集變數進行了定義：
上述幾個Android平臺需要的檔案在不同版本的安卓系統中有不同的位置，上例 為Android 4.3版本的檔案位置，在之前版本中檔案多數位於”/system/lib/”資料夾下。 程式的核函式如下：
此外，該程式使用了OpenCV的相關函式完成影象操作，因此需要在對應的安卓手機上安裝OpenCV-Manager來完成對OpenCV函式的呼叫工作（可從http://opencv.org/下載相關資料和安裝包）。同時，為了程式編譯的方便，建議將程式檔案放置到OpenCV-android-sdk的samples目錄下，同時在Eclipse的專案屬性Android選項中將＂…\OpenCV-2.4.8-android-sdk\sdk\java＂工程加入Android工程中，如圖所示：
在完成執行環境的配置後，在Cygwin中完成該專案的編譯和庫檔案生成工作，如下圖所示：
可在專案工程目錄下的libs/armeabi-v7a下檢視生成的.so檔案(libSobelFilter.so)：
至此，Sobel濾波程式已經編譯完成。下面介紹一些執行結果。 我們在DragonBoard開發板上進行程式測試。我們採用的常見的lena影象，改變影象的大小進行對比，這裡我們採用了256*256,512*512,1024*1024等大小不同的圖片進行測試，檢驗並行程式與序列的加速比。DragonBoard採用驍龍800處理器,同時，該開發板提供了豐富的板上資源，包括Snapdragon 800 Processor（4核2.15GHz，GPU為Adreno 330）、BT4.0、HDMI output、Dual SATA等，產自INTRINSYC公司(詳情請參見：http://shop.intrinsyc.com/ ，目前已經有Snapdragon 805平臺的開發板)。
以下的圖表分別展示了程式的執行介面和加速比對比。
表中是一些測量得到的結果：