SSE圖像算法優化系列九：靈活運用SIMD指令16倍提高Sobel邊緣檢測的速度（4000*3000的24位圖像時間由480ms下降到30ms）。

時間  2019-11-06
標籤 sse 圖像 算法 優化 系列 靈活 運用 simd 指令 提高 sobel 邊緣 檢測 速度 時間 480ms 下降 30ms 简体版
原文   原文鏈接

　　這半年多時間，基本都在折騰一些基本的優化，有不少都是十幾年前的技術了，從隨大流的角度來考慮，研究這些東西在不少人看來是浪費時間了，即不能賺錢，也對工做能力提高無啥幫助。可我以爲人類所謂的幸福，能夠分爲物質檔次的享受，還有更爲複雜的精神上的富有，哪怕這種富有隻是存在於短暫的自我知足中也是值得的。 算法

     閒話少說， SIMD指令集，這個古老的東西，從第一代開始算起，也快有近20年的歷史了，從最開始的MMX技術，到SSE，以及後來的SSE二、SSE三、SSE四、AVX以及11年之後的AVX2，逐漸的成熟和豐富，不過目前考慮通用性方面，AVX的輻射範圍仍是有限，大部分在優化時仍是考慮使用128位的SSE指令集，我在以前的一系列文章中，也有很多文章涉及到了這個方面的優化了。網絡

      今天咱們來學習下Sobel算法的優化，首先，咱們給出傳統的C++實現的算法代碼：ide

int IM_Sobel(unsigned char *Src, unsigned char *Dest, int Width, int Height, int Stride)
{
    int Channel = Stride / Width;
    if ((Src == NULL) || (Dest == NULL))            return IM_STATUS_NULLREFRENCE;
    if ((Width <= 0) || (Height <= 0))                return IM_STATUS_INVALIDPARAMETER;
    if ((Channel != 1) && (Channel != 3))            return IM_STATUS_INVALIDPARAMETER;

    unsigned char *RowCopy = (unsigned char *)malloc((Width + 2) * 3 * Channel);
    if (RowCopy == NULL)    return IM_STATUS_OUTOFMEMORY;

    unsigned char *First = RowCopy;
    unsigned char *Second = RowCopy + (Width + 2) * Channel;
    unsigned char *Third = RowCopy + (Width + 2) * 2 * Channel;

    memcpy(Second, Src, Channel);
    memcpy(Second + Channel, Src, Width * Channel);                                                    //    拷貝數據到中間位置
    memcpy(Second + (Width + 1) * Channel, Src + (Width - 1) * Channel, Channel);

    memcpy(First, Second, (Width + 2) * Channel);                                                    //    第一行和第二行同樣

    memcpy(Third, Src + Stride, Channel);                                                    //    拷貝第二行數據
    memcpy(Third + Channel, Src + Stride, Width * Channel);
    memcpy(Third + (Width + 1) * Channel, Src + Stride + (Width - 1) * Channel, Channel);

    for (int Y = 0; Y < Height; Y++)
    {
        unsigned char *LinePS = Src + Y * Stride;
        unsigned char *LinePD = Dest + Y * Stride;
        if (Y != 0)
        {
            unsigned char *Temp = First; First = Second; Second = Third; Third = Temp;
        }
        if (Y == Height - 1)
        {
            memcpy(Third, Second, (Width + 2) * Channel);
        }
        else
        {
            memcpy(Third, Src + (Y + 1) * Stride, Channel);
            memcpy(Third + Channel, Src + (Y + 1) * Stride, Width * Channel);                            //    因爲備份了前面一行的數據，這裏即便Src和Dest相同也是沒有問題的
            memcpy(Third + (Width + 1) * Channel, Src + (Y + 1) * Stride + (Width - 1) * Channel, Channel);
        }
        if (Channel == 1)
        {
            for (int X = 0; X < Width; X++)
            {
                int GX = First[X] - First[X + 2] + (Second[X] - Second[X + 2]) * 2 + Third[X] - Third[X + 2];
                int GY = First[X] + First[X + 2] + (First[X + 1] - Third[X + 1]) * 2 - Third[X] - Third[X + 2];
                LinePD[X] = IM_ClampToByte(sqrtf(GX * GX + GY * GY + 0.0F));
            }
        }
        else
        {
            for (int X = 0; X < Width * 3; X++)
            {
                int GX = First[X] - First[X + 6] + (Second[X] - Second[X + 6]) * 2 + Third[X] - Third[X + 6];
                int GY = First[X] + First[X + 6] + (First[X + 3] - Third[X + 3]) * 2 - Third[X] - Third[X + 6];
                LinePD[X] = IM_ClampToByte(sqrtf(GX * GX + GY * GY + 0.0F));
            }
        }
    }
    free(RowCopy);
    return IM_STATUS_OK;
}

　　代碼很短，可是這段代碼很經典，第一，這個代碼支持In-Place操做，也就是Src和Dest能夠是同一塊內存，第二，這個代碼本質就支持邊緣。網絡上不少參考代碼都是隻處理中間有效的區域。具體的實現細節我不肯意多述，本身看。函數

　　那麼Sobel的核心就是計算X方向的梯度GX和Y方向的梯度GY，最後有一個耗時的操做是求GX*GX+GY*GY的平方。學習

      上面這段代碼，在不打開編譯器的SSE優化和快速浮點計算的狀況，直接使用FPU，對4000*3000的彩色圖約須要480ms，當開啓SSE後，大概時間爲220ms ，所以系統編譯器的SSE優化也很厲害，反編譯後能夠看到彙編裏這樣的部分：測試

59AD12F8  movd        xmm0,ecx  
59AD12FC  cvtdq2ps    xmm0,xmm0  
59AD12FF  sqrtss      xmm0,xmm0  
59AD1303  cvttss2si   ecx,xmm0

　　可見他是調用的單浮點數的sqrt優化。優化

　   因爲該Sobel的過程最後是把數據用圖像的方式記錄下來，所以，IM_ClampToByte(sqrtf(GX * GX + GY * GY + 0.0F))能夠用查表的方式來實現。簡單改爲以下的版本， 避免了浮點計算。spa

int IM_SobelTable(unsigned char *Src, unsigned char *Dest, int Width, int Height, int Stride)
{
    int Channel = Stride / Width;
    if ((Src == NULL) || (Dest == NULL))            return IM_STATUS_NULLREFRENCE;
    if ((Width <= 0) || (Height <= 0))                return IM_STATUS_INVALIDPARAMETER;
    if ((Channel != 1) && (Channel != 3))            return IM_STATUS_INVALIDPARAMETER;

    unsigned char *RowCopy = (unsigned char *)malloc((Width + 2) * 3 * Channel);
    if (RowCopy == NULL)    return IM_STATUS_OUTOFMEMORY;

    unsigned char *First = RowCopy;
    unsigned char *Second = RowCopy + (Width + 2) * Channel;
    unsigned char *Third = RowCopy + (Width + 2) * 2 * Channel;

    memcpy(Second, Src, Channel);
    memcpy(Second + Channel, Src, Width * Channel);                                                    //    拷貝數據到中間位置
    memcpy(Second + (Width + 1) * Channel, Src + (Width - 1) * Channel, Channel);

    memcpy(First, Second, (Width + 2) * Channel);                                                    //    第一行和第二行同樣

    memcpy(Third, Src + Stride, Channel);                                                    //    拷貝第二行數據
    memcpy(Third + Channel, Src + Stride, Width * Channel);
    memcpy(Third + (Width + 1) * Channel, Src + Stride + (Width - 1) * Channel, Channel);

    int BlockSize = 16, Block = (Width * Channel) / BlockSize;

    unsigned char Table[65026];
    for (int Y = 0; Y < 65026; Y++)        Table[Y] = (sqrtf(Y + 0.0f) + 0.5f);

    for (int Y = 0; Y < Height; Y++)
    {
        unsigned char *LinePS = Src + Y * Stride;
        unsigned char *LinePD = Dest + Y * Stride;
        if (Y != 0)
        {
            unsigned char *Temp = First; First = Second; Second = Third; Third = Temp;
        }
        if (Y == Height - 1)
        {
            memcpy(Third, Second, (Width + 2) * Channel);
        }
        else
        {
            memcpy(Third, Src + (Y + 1) * Stride, Channel);
            memcpy(Third + Channel, Src + (Y + 1) * Stride, Width * Channel);                            //    因爲備份了前面一行的數據，這裏即便Src和Dest相同也是沒有問題的
            memcpy(Third + (Width + 1) * Channel, Src + (Y + 1) * Stride + (Width - 1) * Channel, Channel);
        }
        if (Channel == 1)
        {
            for (int X = 0; X < Width; X++)
            {
                int GX = First[X] - First[X + 2] + (Second[X] - Second[X + 2]) * 2 + Third[X] - Third[X + 2];
                int GY = First[X] + First[X + 2] + (First[X + 1] - Third[X + 1]) * 2 - Third[X] - Third[X + 2];
                LinePD[X] = Table[IM_Min(GX * GX + GY * GY, 65025)];
            }
        }
        else
        {
            for (int X = 0; X < Width * 3; X++)
            {
                int GX = First[X] - First[X + 6] + (Second[X] - Second[X + 6]) * 2 + Third[X] - Third[X + 6];
                int GY = First[X] + First[X + 6] + (First[X + 3] - Third[X + 3]) * 2 - Third[X] - Third[X + 6];
                LinePD[X] = Table[IM_Min(GX * GX + GY * GY, 65025)];
            }
        }
    }
    free(RowCopy);
    return IM_STATUS_OK;
}

　　對4000*3000的彩色圖約須要180ms，比系統的SSE優化快了40ms，而這個過程徹底無浮點計算，所以，能夠知道計算GX和GY的耗時在本例中也佔據了至關大的部分。code

　　這樣的過程最適合於SSE處理了。blog

　　咱們分析之。

　　第一來看一看這兩句：

  int GX = First[X] - First[X + 2] + (Second[X] - Second[X + 2]) * 2 + Third[X] - Third[X + 2];
  int GY = First[X] + First[X + 2] + (First[X + 1] - Third[X + 1]) * 2 - Third[X] - Third[X + 2];

       裏面涉及到了8個不一樣的像素，考慮計算的特性和數據的範圍，在內部計算時這個int能夠用short代替，也就是要把加載的字節圖像數據轉換爲short類型先，這樣SSE優化方式爲用8個SSE變量分別記錄8個連續的像素風量的顏色值，每一個顏色值用16位數據表達。

　　這可使用_mm_unpacklo_epi8配合_mm_loadl_epi64實現：

    __m128i FirstP0 = _mm_unpacklo_epi8(_mm_loadl_epi64((__m128i *)(First + X)), Zero);
    __m128i FirstP1 = _mm_unpacklo_epi8(_mm_loadl_epi64((__m128i *)(First + X + 3)), Zero);
    __m128i FirstP2 = _mm_unpacklo_epi8(_mm_loadl_epi64((__m128i *)(First + X + 6)), Zero);

    __m128i SecondP0 = _mm_unpacklo_epi8(_mm_loadl_epi64((__m128i *)(Second + X)), Zero);
    __m128i SecondP2 = _mm_unpacklo_epi8(_mm_loadl_epi64((__m128i *)(Second + X + 6)), Zero);

    __m128i ThirdP0 = _mm_unpacklo_epi8(_mm_loadl_epi64((__m128i *)(Third + X)), Zero);
    __m128i ThirdP1 = _mm_unpacklo_epi8(_mm_loadl_epi64((__m128i *)(Third + X + 3)), Zero);
    __m128i ThirdP2 = _mm_unpacklo_epi8(_mm_loadl_epi64((__m128i *)(Third + X + 6)), Zero);

 　　接着就是搬積木了，用SSE的指令代替普通的C的函數指令實現GX和GY的計算。

    __m128i GX16 = _mm_abs_epi16(_mm_add_epi16(_mm_add_epi16(_mm_sub_epi16(FirstP0, FirstP2), _mm_slli_epi16(_mm_sub_epi16(SecondP0, SecondP2), 1)), _mm_sub_epi16(ThirdP0, ThirdP2)));
    __m128i GY16 = _mm_abs_epi16(_mm_sub_epi16(_mm_add_epi16(_mm_add_epi16(FirstP0, FirstP2), _mm_slli_epi16(_mm_sub_epi16(FirstP1, ThirdP1), 1)), _mm_add_epi16(ThirdP0, ThirdP2)));

　　找個時候的GX16和GY16裏保存的是8個16位的中間結果，因爲SSE只提供了浮點數的sqrt操做，咱們必須將它們轉換爲浮點數，那麼這個轉換的第一步就必須是先將它們轉換爲int的整形數，這樣，就必須一個拆成2個，即：

    __m128i GX32L = _mm_unpacklo_epi16(GX16, Zero);
    __m128i GX32H = _mm_unpackhi_epi16(GX16, Zero);
    __m128i GY32L = _mm_unpacklo_epi16(GY16, Zero);
    __m128i GY32H = _mm_unpackhi_epi16(GY16, Zero);

　　接着又是搬積木了：

    __m128i ResultL = _mm_cvtps_epi32(_mm_sqrt_ps(_mm_cvtepi32_ps(_mm_add_epi32(_mm_mullo_epi32(GX32L, GX32L), _mm_mullo_epi32(GY32L, GY32L)))));
    __m128i ResultH = _mm_cvtps_epi32(_mm_sqrt_ps(_mm_cvtepi32_ps(_mm_add_epi32(_mm_mullo_epi32(GX32H, GX32H), _mm_mullo_epi32(GY32H, GY32H)))));

　　整形轉換爲浮點數，最後計算完以後又要將浮點數轉換爲整形數。

　　最後一步，獲得8個int型的結果，這個結果有要轉換爲字節類型的，而且這些數據有可能會超出字節所能表達的範圍，因此就須要用到SSE自帶的抗飽和向下打包函數了，以下所示：

_mm_storel_epi64((__m128i *)(LinePD + X), _mm_packus_epi16(_mm_packus_epi32(ResultL, ResultH), Zero));

　　Ok， 一切搞定了，還有一些細節處理本身慢慢補充吧。

　　運行，哇，只要37ms了，速度快了N倍，可結果彷佛和其餘方式實現的不同啊，怎麼回事。

　　我也是找了半天都沒有找到問題所在，後來一步一步的測試，最終問題定位在16位轉換爲32位整形那裏去了。

　　一般，咱們都是對像素的字節數據進行向上擴展，他們都是正數，因此用unpack之類的配合zero把高8位或高16位的數據填充爲0就能夠了，可是在本例中，GX16或者GY16頗有多是負數，而負數的最高位是符號位，若是都填充爲0，則變爲正數了，明顯改變原始的數據了，因此獲得了錯誤的結果。

　　那如何解決問題呢，對於本例，很簡單，由於後面只有一個平方操做，所以，對GX先取絕對值是不會改變計算的結果的，這樣就不會出現負的數據了，修改以後，果真結果正確。

　　還能夠繼續優化，咱們來看最後的計算GX*GX+GY*GY的過程，咱們知道，SSE3提供了一個_mm_madd_epi16指令，其做用爲：

r0 := (a0 * b0) + (a1 * b1)
r1 := (a2 * b2) + (a3 * b3)
r2 := (a4 * b4) + (a5 * b5)
r3 := (a6 * b6) + (a7 * b7)

      若是咱們能把GX和GY的數據拼接成另外兩個數據：

     　　　　GXYL   =   GX0　　GY0　　GX1　　GY1　　GX2　　GY2　　GX3　　GY3

     　　　　GXYH   =   GX4　　GY4　　GX5　　GY5　　GX6　　GY6　　GX7　　GY7

　　那麼調用_mm_madd_epi16(GXYL ，GXYL )和_mm_madd_epi16(GXYH ，GXYH )不就是能獲得和以前同樣的結果了嗎，而這個拼接SSE已經有現成的函數了即：

__m128i GXYL = _mm_unpacklo_epi16(GX16, GY16);
__m128i GXYH = _mm_unpackhi_epi16(GX16, GY16);

　　這樣就把原來須要的10個指令變爲了4個指令，代碼簡潔了而且速度也更快了。

　　嘗試如此修改，整個的計算過程時間減小到了32ms左右。

　　另外，還有一個能夠優化的地方就是借用  _mm_maddubs_epi16  函數實現像素之間的加減乘除和擴展。

　　這個函數的做用以下：

r0 := SATURATE_16((a0 * b0) + (a1 * b1))
r1 := SATURATE_16((a2 * b2) + (a3 * b3))
...
r7 := SATURATE_16((a14 * b14) + (a15 * b15))

　　他的第一個參數是16個無符號的字節數據，第二個參數是16個有符號的char數據。

　　配合unpack使用相似上面的技術就能夠一次性處理16個字節的像素簡加減了，這樣作整個過程大概能再加速2ms，達到最終的30ms。

　　源代碼地址：http://files.cnblogs.com/files/Imageshop/Sobel.rar （其中的SSE代碼請按照本文的思路自行整理。）

　　http://files.cnblogs.com/files/Imageshop/SSE_Optimization_Demo.rar，這裏是一個我所有用SSE優化的圖像處理的Demo，有興趣的朋友能夠看看。

       

　　歡迎點贊和打賞。

      

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程