1 扩展库简介
OpenCV（Open Source Computer Vision Library）是一个致力于实时处理计算机视觉问题的开源库。它最初由Intel公司开发，以GPL许可协议发布，后来由Willow Garage基金会负责开发和维护，以BSD许可协议发布，至今已有超过250万的用户。其用途非常广泛，涵盖从图像处理，计算机视觉到交互艺术，矿产勘探等领域。OpenCV最初以C语言编写，后来提供了C++和Python接口，在版本2.2中又加入了CUDA接口，目前的正式版本为2.4。
OpenCL（Open Computing Language）是一个在异构平台（例如：CPU和GPU，APU）上高效执行程序的开源计算框架，它由Khronos发布并维护，是一个IBM, Intel, AMD等业界公司普遍认可和支持的标准，目前版本为1.2。OpenCL包含一组用于定义和控制平台的API和一个基于C99标准的编写的可执行在并行设备上的kernel。它使应用程序能够在GPU上执行，使GPU可以不仅执行图形程序，而且可以执行通用计算程序（GPGPU）。
虽然OpenCV的目标是能够实时的处理计算机视觉问题，但是大多数计算机视觉的算法太过复杂，无法在CPU上实时执行。而计算机视觉的大多数算法具有天生的并行性，非常适合在GPU和APU上执行并获得可观的加速比。本工程使用和OpenCV兼容的C/C++编写，致力于为OpenCV添加OpenCL接口，使得OpenCV的函数能够在异构设备上高速运行。由于OpenCL是一个跨平台的开放标准，所有支持OpenCL的平台都将获益。
2 OpenCV的架构
OpenCV可以分成以下一些模块，以执行设备来分类的话有CPU和GPU之分，GPU中原有CUDA模块，现在我们加入OpenCL模块，OpenCL模块将在CPU上执行的算法在GPU上加速执行。
[align=center][/align]图1：OpenCV架构图
为了获得良好的性能而又不损失灵活性，我们将OpenCV中最重要的基础结构二维矩阵映射为GPU上的二维Buffer，没有使用OpenCL中得Image对象。这样做可以更有效率的处理单通道数据。
3 基于OpenCL加速的函数列表
OpenCV拥有四百多个函数，并且有些函数的算法十分复杂，由于时间和资源所限，目前的OpenCL并没有包含所有的函数，以下是目前已经经过加速的函数列表
4 性能测试结果
通过GPU的加速和对代码的优化，我们获得了可观的加速比，整体而言，我们对CUDA有1.2倍的加速，对CPU有平均60倍的加速（kernel时间vsCPU时间）。以下是我们的测试平台和测试结果。
表2：测试平台[align=center][/align]
图2：OpenCL vs. CUDA 纵坐标为加速比
图3：OpenCL vs. CPU纵坐标为加速比
5 资源获取
基于OpenCL的OpenCV扩展库已经进入官方的svn，可以在此下载最新代码，也可以在Google Code中下载。
OpenCV official svn: http://code.opencv.org/svn/opencv/branches/ocl
下载：http://code.opencv.org/svn/opencv/trunk
OpenCV（Open Source Computer Vision Library）是一个致力于实时处理计算机视觉问题的开源库。它最初由Intel公司开发，以GPL许可协议发布，后来由Willow Garage基金会负责开发和维护，以BSD许可协议发布，至今已有超过250万的用户。其用途非常广泛，涵盖从图像处理，计算机视觉到交互艺术，矿产勘探等领域。OpenCV最初以C语言编写，后来提供了C++和Python接口，在版本2.2中又加入了CUDA接口，目前的正式版本为2.4。
OpenCL（Open Computing Language）是一个在异构平台（例如：CPU和GPU，APU）上高效执行程序的开源计算框架，它由Khronos发布并维护，是一个IBM, Intel, AMD等业界公司普遍认可和支持的标准，目前版本为1.2。OpenCL包含一组用于定义和控制平台的API和一个基于C99标准的编写的可执行在并行设备上的kernel。它使应用程序能够在GPU上执行，使GPU可以不仅执行图形程序，而且可以执行通用计算程序（GPGPU）。
虽然OpenCV的目标是能够实时的处理计算机视觉问题，但是大多数计算机视觉的算法太过复杂，无法在CPU上实时执行。而计算机视觉的大多数算法具有天生的并行性，非常适合在GPU和APU上执行并获得可观的加速比。本工程使用和OpenCV兼容的C/C++编写，致力于为OpenCV添加OpenCL接口，使得OpenCV的函数能够在异构设备上高速运行。由于OpenCL是一个跨平台的开放标准，所有支持OpenCL的平台都将获益。
2 OpenCV的架构
OpenCV可以分成以下一些模块，以执行设备来分类的话有CPU和GPU之分，GPU中原有CUDA模块，现在我们加入OpenCL模块，OpenCL模块将在CPU上执行的算法在GPU上加速执行。
[align=center][/align]图1：OpenCV架构图
为了获得良好的性能而又不损失灵活性，我们将OpenCV中最重要的基础结构二维矩阵映射为GPU上的二维Buffer，没有使用OpenCL中得Image对象。这样做可以更有效率的处理单通道数据。
3 基于OpenCL加速的函数列表
OpenCV拥有四百多个函数，并且有些函数的算法十分复杂，由于时间和资源所限，目前的OpenCL并没有包含所有的函数，以下是目前已经经过加速的函数列表
4 性能测试结果
通过GPU的加速和对代码的优化，我们获得了可观的加速比，整体而言，我们对CUDA有1.2倍的加速，对CPU有平均60倍的加速（kernel时间vsCPU时间）。以下是我们的测试平台和测试结果。
表2：测试平台[align=center][/align]
图2：OpenCL vs. CUDA 纵坐标为加速比
图3：OpenCL vs. CPU纵坐标为加速比
5 资源获取
基于OpenCL的OpenCV扩展库已经进入官方的svn，可以在此下载最新代码，也可以在Google Code中下载。
OpenCV official svn: http://code.opencv.org/svn/opencv/branches/ocl
下载：http://code.opencv.org/svn/opencv/trunk