我现在正在使用OpenCV API（C ++）开发一些处理视频的应用程序。
在PC上，一切都非常快。今天我决定将这个应用程序移植到Android设备上（使用相机作为视频输入）。幸运的是，有适用于Android的OpenCV，所以我只需将本机代码添加到示例Android应用程序中即可。除了性能外，一切都很好。我对我的应用程序进行了基准测试，发现它的帧速率只有4-5 fps，这实际上是不能接受的（我的设备只有单核1ghz处理器），我想它应该以大约10 fps的速度运行。
重新用C完全重写我的应用程序有意义吗？我知道使用诸如std :: vector之类的东西对开发人员来说更加方便，但我不在乎。
似乎OpenCV C接口具有与C ++接口相同的功能/方法。
我谷歌了这个问题，但没有找到任何答案。
感谢您的任何建议。
首先在电脑上进行操作，因为这样更容易。使用Visual Studio Profiler来识别缓慢的部分。对它们进行优化。不要因为你认为它很慢就进行优化，而是因为你测量了它的速度。从最慢的函数开始，尽可能地进行优化，然后再处理第二慢的函数。测量您的更改以确保它确实更快。
C. 关注算法。
更快的算法可以使性能提高数个数量级（100倍）。C++技巧可能会让您的性能提高2倍。
经典技术：
将视频帧调整为较小的尺寸。通常情况下，您可以从200x300像素图像中提取信息，而不是1024x768像素的图像。第一种图像的面积要小10倍。
使用简单的操作代替复杂的操作。使用整数而不是浮点数。在执行数千次的矩阵或for循环中永远不要使用double。
尽可能少地计算。您能否仅在图像的特定区域跟踪对象，而不是为所有帧处理它？您能否对非常小的图像进行粗略/近似检测，然后在完整帧中的ROI上进行细化？
D. 在关键部分使用C语言
在循环中，使用C语言风格而不是C ++可能更有意义。数据矩阵或浮点数组的指针比mat.at或std :: vector<>快得多。通常瓶颈在于嵌套循环。专注于此。没有必要在代码中到处替换vector<>并使其变得混乱。
E. 避免隐藏成本
一些OpenCV函数会将数据转换为double类型进行处理，然后再转换回输入格式。这些函数会严重影响移动设备的性能，如：warping、scaling和类型转换等。此外，色彩空间转换也会导致性能下降。建议使用从本机YUV直接获取的灰度图像。
float* a, *b, *c;
// init a and b to 1000001 elements
for(int i=0;i<1000001;i++)
c[i] = a[i]*b[i];
float* a, *b, *c;
// init a and b to 1000001 elements
float32x4_t _a, _b, _c;
int i;
for(i=0;i<1000001;i+=4)
{
a_ = vld1q_f32( &a[i] ); // load 4 floats from a in a NEON register
b_ = vld1q_f32( &b[i] );
c_ = vmulq_f32(a_, b_); // perform 4 float multiplies in parrallel
vst1q_f32( &c[i], c_); // store the four results in c
}
// the vector size is not always multiple of 4 or 8 or 16.
// Process the remaining elements
for(;i<1000001;i++)
c[i] = a[i]*b[i];
在移动设备上，速度可能会非常慢。优化需要根据设备和操作系统进行。
Shervin Imami在他的网站上进行了一些性能测试。您可以查看它以获取一些想法。
http://www.shervinemami.info/timingTests.html
希望这有所帮助。
（如果您找到任何性能提升的方法，也可以在某个地方分享您自己的发现，那将是很好的。）
当直接访问像素时，C接口（IplImage）比使用Mat.at(x,y)方法快数倍。当我将我的C++应用程序转换为C时，在blob检测例程中获得了3倍的性能提升。
在外部应用程序（例如LabView）调用某些例程时，C++接口会崩溃，而在C中调用相同的例程时可以正常工作。其中一个例子是FindContours和cvFindContours。
C更适用于嵌入式设备。但是，我在这个领域还没有做过任何事情。