2、OpenVX编程：跨平台计算机视觉API的全面解析

OpenVX编程：跨平台计算机视觉API的全面解析

1. 可移植性

OpenVX是一种API，它允许计算机视觉开发者编写一次程序，就能在硬件上高效执行（前提是该硬件有高效的OpenVX实现）。对于这个API，一个合理的期望是它能在不同平台上产生相同的结果。但“相同结果”究竟意味着什么呢？我们如何测试同一函数的两种实现是否返回相同的结果？以下有几种方法来回答这个问题：
- 位精确测试 ：实现的输出应与真实值在每一位上都完全相同。这种测试有助于确保结果一致。然而，在许多情况下，位精确测试并无意义。例如，一个简单的校正相机镜头畸变的函数使用浮点计算，即使图像变换的计算方法有明确规定，位精确要求可能也过于严格。比如，遵循IEEE 754浮点计算标准在定点架构上可能导致效率极低的实现。所以，在很多情况下，允许结果存在一定的差异是有益的。
- 基于容差的比较 ：例如，我们可以要求输出图像在每个像素和每个通道上与参考实现的输出差异不超过ϵ。选择阈值ϵ的值并没有精确的科学方法。阈值越高，为特定平台优化函数的空间就越大，但不同平台上结果的可变性也越高。计算机视觉意味着从图像中提取高级信息，如果这种高级信息的较大可变性妨碍了解决问题，那么阈值就设置得太高了。例如，一个图像拼接算法中涉及的图像算术运算，在一个平台上能生成高质量的图像，而在另一个平台上却产生可见的拼接线，那么这个运算就不应通过基于容差的测试。
- 算法测试 ：确保函数返回正确结果的一个有用测试是测试该结果的某些属性。例如，人脸检测器应返回包含人脸的图像矩形。文本分割算法应返回图像中包含文本的区域。虽然算法测试对任何计算机视觉库都有用，