RK3588 RGA 测试

一、数据分析总结【由LLM生成】

本次测试针对不同的源图像尺寸、目标图像尺寸和缩放算法，比较了OpenCV、RGA和OpenCL三种方法的性能表现，包括耗时、CPU占用率，以及对于RGA算法的MSE（均方误差）和PSNR（峰值信噪比）评估。以下是详细分析：

1. 缩放算法对性能的影响

• INTER_NEAREST（最近邻插值）

  • OpenCV：耗时最低，耗时范围为0.124ms至0.761ms，CPU占用率在0.009%至0.177%之间。
  • RGA：耗时略高于OpenCV，范围为2.105ms至5.380ms，但CPU占用率较低，介于0.027%至0.078%之间。
  • OpenCL：耗时在0.907ms至6.423ms之间，CPU占用率在0.142%至0.452%之间。

• INTER_LINEAR（线性插值）

  • OpenCV：耗时有所增加，范围为0.507ms至5.348ms，CPU占用率在0.020%至0.166%之间。
  • RGA：耗时稳定在2.114ms至5.812ms，CPU占用率介于0.025%至0.077%之间。
  • OpenCL：耗时波动较大，范围为0.576ms至12.423ms，CPU占用率在0.092%至0.466%之间。

• INTER_CUBIC（三次样条插值）

  • OpenCV：耗时显著增加，范围为2.279ms至8.115ms，CPU占用率较高，在0.074%至1.594%之间。
  • RGA：耗时略有增加，范围为2.003ms至5.977ms，CPU占用率在0.024%至0.080%之间。
  • OpenCL：耗时最高，范围为0.565ms至13.871ms，CPU占用率在0.079%至1.790%之间。

2. 图像尺寸对性能的影响

• 源图像较大，目标图像较小（下采样）

  • 当从高分辨率缩小到低分辨率时，OpenCV的耗时相对较低。
  • RGA的耗时变化不大，表现出稳定性。
  • OpenCL的耗时在部分情况下高于OpenCV和RGA。

• 源图像较小，目标图像较大（上采样）

  • OpenCV的耗时显著增加，特别是在使用INTER_CUBIC算法时。
  • RGA仍然保持较为稳定的耗时。
  • OpenCL在某些情况下耗时较低，但整体波动较大。

3. 不同方法的性能比较

• 耗时

  • OpenCV：在简单的插值算法和下采样情况下耗时最低，但在上采样和复杂算法下耗时增加明显。
  • RGA：耗时稳定，受算法和尺寸变化影响较小。
  • OpenCL：耗时波动较大，受算法和尺寸影响显著。

• CPU占用率

  • OpenCV：CPU占用率随着算法复杂度和图像尺寸的增加而提升。
  • RGA：CPU占用率始终较低，资源占用少。
  • OpenCL：CPU占用率介于OpenCV和RGA之间，部分情况下接近OpenCV的占用水平。

4. 图像质量分析

• RGA的MSE和PSNR

  • MSE范围：1413.257至2294.696，数值较高，表示图像与原图有较大差异。
  • PSNR范围：24.433至25.950dB，数值偏低，表示图像质量下降。
  • 说明：RGA在追求速度的同时，可能牺牲了部分图像质量。

• OpenCL的MSE和PSNR

  • 数据显示为0，表示跟OpenCV的结果没有差异

5. 综合结论

• 性能方面

  • 对于简单的缩放任务，OpenCV具有较低的耗时和适中的CPU占用率。
  • RGA在耗时和CPU占用率上表现出色，特别适合对实时性要求高、CPU资源有限的应用场景。
  • OpenCL的性能不够稳定，耗时和CPU占用率波动较大，需要根据具体情况评估。

• 图像质量方面

  • RGA的图像质量相对较差，需权衡速度和质量的需求。

6. 建议

• 选择合适的缩放算法

  • 根据对图像质量和处理速度的要求选择合适的算法。INTER_NEAREST速度快但质量一般，INTER_LINEAR和INTER_CUBIC质量更好但耗时更长。

• 方法选择

  • 如果追求速度且对图像质量要求不高，RGA是一个优选方案。
  • 如果对图像质量要求较高，建议使用OpenCV的高级插值算法。
  • 使用OpenCL时，需要进一步测试其图像质量，并优化性能以确保稳定性。

• 进一步工作

  • 建议对OpenCL方法进行完整的MSE和PSNR测试，以评估其图像质量。
  • 针对不同的应用场景，平衡性能和质量，选择最适合的缩放方案。

本次测试全面比较了三种缩放方法在不同情况下的性能和质量表现。结果显示，没有一种方法在所有方面都占优势，需根据实际需求进行取舍。在实际应用中，应考虑到图像尺寸、缩放比例、质量要求以及硬件资源等因素，选择最适合的缩放策略。此外RGA还有一定的约束,具体请参考手记手册

二、考链接

• Rockchip_Developer_Guide_RGA_CN

三、测试数据

四、测试过程

4.1 编译librga SDK

git clone --recursive https://github.com/nyanmisaka/rk-mirrors.git
cd rk-mirrors/

rm -rf build && mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_BUILD_TARGET=buildroot \
    -DRGA_SOURCE_CODE_TYPE=cpp -DCMAKE_INSTALL_PREFIX=`pwd`/install ..
make -j4
make install
cd ..

export LD_LIBRARY_PATH=$PWD/build/install/lib:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$PWD/samples/utils/3rdparty/libdrm/lib/arm64/:$LD_LIBRARY_PATH
export PATH=$PWD/build/install/bin:$PATH

4.2 运行自带的测试

cp samples/sample_file/in* /data
rgaImDemo --querystrin

# Copy the image by RGA.The default is 720p to 720p.
rgaImDemo --copy
         
# Scaling up 720p(1280x720) -> 1080p(1920x1080).         
rgaImDemo --resize    up     

# Scaling down 720p(1280x720) -> 480p(720x480).
rgaImDemo --resize    down    
 
# Crop the image by RGA. a picture of 300*300 size is cropped from (100,100).
rgaImDemo --crop

# Rotate the image by RGA 90 degrees.
rgaImDemo --rotate  90

# Rotate the image by RGA 180 degrees.
rgaImDemo --rotate  180

# Rotate the image by RGA 270 degrees.
rgaImDemo --rotate  270

# Flip the image by RGA  Horizontal mirror.
rgaImDemo --flip H
   
# Flip the image by RGA  Vertical mirror.
rgaImDemo --flip V
   
# 调用RGA实现快速图像平移操作 RGA.Default translation (300,300).
rgaImDemo --translate   

# Blend the image by RGA Porter-Duff SRC mode.
rga