GPU使用指南¶

GPU(图形处理器) 是设备里的一块专用芯片,专门负责"画图"和"计算图像"。如果把手机比作一台电脑:

CPU 负责"思考"——处理逻辑、运行程序，GPU 负责"画画"——把所有内容渲染成屏幕上显示的图像

没有 GPU,设备的屏幕就无法显示界面,游戏、视频、动画都无法运行。GPU 的性能直接影响设备的流畅度和功耗。

用途	说明
系统界面	开机动画、桌面、应用切换、下拉菜单等所有界面渲染
游戏娱乐	3D 游戏、动画效果、AR 应用等图形渲染
视频播放	视频色彩处理、画面增强、HDR 效果
相机拍照	取景画面、滤镜效果、图像美化
通用计算	协助 CPU 做并行计算,如人脸识别、AI 应用加速

GPU配置¶

类别	M1说明	L1说明
应用处理器	八核64位ARM Kryo™ 260处理器： 4 × A73 @ 2.0 GHz， 1 MB二级缓存 4 × A53 @ 1.8 GHz，512 KB二级缓存	ARM 四核 64 位处理器： 4 x A53 @ 2.0 GHz，512 KB 二级缓存
GPU	64位Adreno™ 610 @ 1050 MHZ	64 位 Adreno™ 702 @ 845 MHz
显示接口	*1 × Micro HDMI接口，HDMI 1.4 (帧率\)，编码：1080P（H.264/H.265）@ 60 fps\)，解码：1080P (H.264/H.265/VP9) @ 60 fps\)**	*1 × Micro HDMI接口，HDMI 1.4 (帧率\)，编码：1080P（H.264/H.265）@ 60 fps\)，解码：1080P (H.264/H.265/VP9) @ 60 fps\)**
显示接口	1 × FPC座，基于MIPI标准的FHD+（1080 × 2520）@ 60 fps\*	1 × FPC座，基于MIPI标准的 HD+（1680 × 720）@ 60 fps\*

GPU使用¶

Android 播放4K高清视频¶

../../_images/image_PdV8bsFMwopQdNxOf6ic4cUXnEh.webp

Debian OpenCV GPU 加速开发与验证¶

准备工作¶

开发环境¶

PC：Windows
开发板：Quectel Pi M1
系统：Debian GNU/Linux 13

开发工具¶

VS Code：用于编写和修改 Benchmark 源码。
ADB（Android Debug Bridge）：用于连接开发板、执行 Linux 命令、编译及运行程序。

注：除源码编写外，本文涉及的所有 Linux 命令（软件安装、环境验证、程序编译、程序运行等）均在 ADB Shell 中执行。

连接开发板¶

在PC端ADB文件夹下的地址输入栏输入CMD打开命令行，执行：

adb devices

确认开发板已连接，例如：

List of devices attached
xxxxxxxx    device

进入开发板：

adb shell

测试目的¶

安装 Debian 官方 OpenCV 4.10.0，验证 Debian是否能够通过镜像自带的Qualcomm OpenCL Runtime调用 Adreno GPU，实现OpenCL GPU加速。

测试环境¶

项目	内容
开发板	Quectel Pi M1（QSM200U）
系统	Debian GNU/Linux 13
Debian OpenCV	4.10.0
GPU	Qualcomm Adreno 610
OpenCL Runtime	Qualcomm OpenCL Runtime

安装Debian官方软件源OpenCV¶

apt update
apt install g++ pkg-config libopencv-dev python3-opencv

安装完成后验证：

opencv_version
pkg-config --modversion opencv4
dpkg -l | grep opencv

验证结果：

opencv_version：4.10.0
pkg-config：4.10.0
dpkg：Debian OpenCV 4.10.0

验证 OpenCL Runtime¶

确认系统 OpenCL 库：

find /usr/lib -name "libOpenCL*"

确认存在：

libOpenCL.so
libOpenCL.so.1
libOpenCL.so.1.2
libOpenCL_adreno.so

编写 Benchmark 程序¶

在 VS Code 中创建opencv_gpu_benchmark.cpp文件

#include <opencv2/core.hpp>
#include <opencv2/core/ocl.hpp>
#include <iostream>
#include <string>

static double run_cpu(const cv::Mat &src, int loops, cv::Mat &result)
{
    cv::ocl::setUseOpenCL(false);

    cv::Mat current = src.clone();
    cv::Mat next;

    for (int i = 0; i < 5; ++i) {
        cv::multiply(current, 1.000001, next);
        current = next;
    }

    current = src.clone();

    const int64 start = cv::getTickCount();

    for (int i = 0; i < loops; ++i) {
        cv::multiply(current, 1.000001, next);
        current = next;
    }

    const int64 end = cv::getTickCount();

    result = current.clone();

    return (end - start) * 1000.0 / cv::getTickFrequency();
}

static double run_gpu(const cv::Mat &src, int loops, cv::Mat &result)
{
    cv::ocl::setUseOpenCL(true);

    if (!cv::ocl::useOpenCL()) {
        std::cerr << "OpenCL could not be enabled." << std::endl;
        return -1.0;
    }

    cv::UMat current;
    cv::UMat next;

    src.copyTo(current);

    for (int i = 0; i < 5; ++i) {
        cv::multiply(current, 1.000001, next);
        current = next;
    }

    src.copyTo(current);
    cv::ocl::finish();

    const int64 start = cv::getTickCount();

    for (int i = 0; i < loops; ++i) {
        cv::multiply(current, 1.000001, next);
        current = next;
    }

    cv::ocl::finish();

    const int64 end = cv::getTickCount();

    current.copyTo(result);

    return (end - start) * 1000.0 / cv::getTickFrequency();
}

int main(int argc, char **argv)
{
    if (argc != 2) {
        std::cout << "Usage: " << argv[0] << " cpu|gpu|both" << std::endl;
        return 1;
    }

    const std::string mode = argv[1];
    const int loops = 500;

    cv::Mat src(2160, 3840, CV_32FC1);
    cv::randu(src, 0.0f, 1.0f);

    std::cout << "OpenCV version: " << CV_VERSION << std::endl;
    std::cout << "haveOpenCL: " << cv::ocl::haveOpenCL() << std::endl;
    std::cout << "Image size: 3840x2160, CV_32FC1" << std::endl;
    std::cout << "Loops: " << loops << std::endl;

    if (mode == "cpu") {
        cv::Mat cpu_result;
        const double cpu_ms = run_cpu(src, loops, cpu_result);

        std::cout << "Mode: CPU" << std::endl;
        std::cout << "CPU total time: " << cpu_ms << " ms" << std::endl;
        std::cout << "CPU average time: "
                  << cpu_ms / loops << " ms" << std::endl;
    }
    else if (mode == "gpu") {
        cv::ocl::Context context;

        if (!context.create(cv::ocl::Device::TYPE_GPU)) {
            std::cerr << "Failed to create GPU context." << std::endl;
            return 1;
        }

        cv::ocl::Device device = context.device(0);

        std::cout << "Mode: GPU" << std::endl;
        std::cout << "Device name: " << device.name() << std::endl;
        std::cout << "Vendor: " << device.vendorName() << std::endl;
        std::cout << "OpenCL version: " << device.version() << std::endl;

        cv::Mat gpu_result;
        const double gpu_ms = run_gpu(src, loops, gpu_result);

        if (gpu_ms < 0.0) {
            return 1;
        }

        std::cout << "GPU total time: " << gpu_ms << " ms" << std::endl;
        std::cout << "GPU average time: "
                  << gpu_ms / loops << " ms" << std::endl;
    }
    else if (mode == "both") {
        cv::Mat cpu_result;
        cv::Mat gpu_result;

        const double cpu_ms = run_cpu(src, loops, cpu_result);
        const double gpu_ms = run_gpu(src, loops, gpu_result);

        if (gpu_ms < 0.0) {
            return 1;
        }

        const double max_difference =
            cv::norm(cpu_result, gpu_result, cv::NORM_INF);

        std::cout << "Mode: BOTH" << std::endl;
        std::cout << "CPU average time: "
                  << cpu_ms / loops << " ms" << std::endl;
        std::cout << "GPU average time: "
                  << gpu_ms / loops << " ms" << std::endl;
        std::cout << "Speedup: "
                  << cpu_ms / gpu_ms << "x" << std::endl;
        std::cout << "Maximum result difference: "
                  << max_difference << std::endl;

        if (max_difference < 0.01) {
            std::cout << "Result check: PASS" << std::endl;
        } else {
            std::cout << "Result check: FAIL" << std::endl;
            return 1;
        }
    }
    else {
        std::cerr << "Invalid mode. Use cpu, gpu or both." << std::endl;
        return 1;
    }

    return 0;
}

程序主要完成以下功能：

创建测试图像
CPU 执行 cv::multiply()
GPU（UMat）执行 cv::multiply()
分别统计 CPU、GPU 平均耗时
校验 CPU 与 GPU 运算结果
输出 GPU 加速比（Speedup）

编译 Benchmark¶

把vscode中的opencv_gpu_benchmark.cpp文件保存到adb文件夹下然后推送到板子：

adb push opencv_gpu_benchmark.cpp /data/local/tmp/

进入源码目录：

cd /data/local/tmp

编译：

g++ -O2 opencv_gpu_benchmark.cpp -o opencv_gpu_benchmark $(pkg-config --cflags --libs opencv4)

生成可执行文件：

opencv_gpu_benchmark

运行 Benchmark¶

export LD_LIBRARY_PATH=/opt/qcom/lib:$LD_LIBRARY_PATH

./opencv_gpu_benchmark both

运行结果：

OpenCV version: 4.10.0
haveOpenCL: 1
CPU average time: 28.9083 ms
GPU average time: 0.0474746 ms
Speedup: 608.92x
Maximum result difference: 0.000506639
Result check: PASS

OpenCV Benchmark 能够正常调用 GPU，测试结果 PASS

测试说明¶

本次测试中，Debian官方OpenCV GPU Benchmark测得GPU加速比约 608.92×， 需要说明的是，该测试程序仅使用OpenCV的 cv::multiply() 单一算子进行性能验证，属于OpenCL基础功能验证，其计算量较小，GPU计算耗时接近测试计时精度，因此得到的加速比明显偏高。因此，本次Benchmark结果主要用于验证OpenCV能够成功调用GPU完成OpenCL计算，不建议将 608.92× 作为GPU综合性能指标。

常见问题¶

设备界面卡顿、掉帧?¶

先确认是否后台运行了过多应用,关闭不用的程序
若设备发热严重,等待降温后频率会自动恢复

屏幕花屏、显示异常?¶

检查 HDMI 线/屏幕连接是否牢固
确认屏幕或显示器的分辨率、刷新率设置是否正确
更换线材或显示器测试,排除硬件问题
若为新接入的 LCD 屏,需确认屏幕规格与设备支持的分辨率匹配

运行大型游戏或 3D 应用崩溃?¶

该设备 GPU 为入门级,超高负载应用可能出现性能不足
尝试降低游戏画质/分辨率设置
保持设备散热良好(避免覆盖、遮挡)

GPU 发热、耗电快?¶

高负载运行时发热属正常现象,系统会自动降频保护
检查是否有应用持续占用 GPU(如后台视频、动画)