【性能优化】优化笔记之一：图像RGB与YUV转换优化
本文主要介紹如何優(yōu)化您自己的CODE，實現(xiàn)軟件的加速。我們一個圖象模式識別的項目，需要將RGB格式的彩色圖像先轉(zhuǎn)換成黑白圖像。圖像轉(zhuǎn)換的公式如下：
?
Y = 0.299 * R + 0.587 * G + 0.114 * B?
圖像尺寸640*480*24bit，RGB圖像已經(jīng)按照RGBRGB順序排列的格式，放在內(nèi)存里面了。以下是輸入和輸出的定義：
?
#define XSIZE 640 #define YSIZE 480 #define IMGSIZE XSIZE * YSIZEtypedef struct RGB {unsigned char R;unsigned char G;unsigned char B;}RGB; struct RGB in[IMGSIZE]; //需要計算的原始數(shù)據(jù) unsigned char out[IMGSIZE]; //計算后的結(jié)果?
優(yōu)化原則：圖像是一個 2D數(shù)組，我用一個一維數(shù)組來存儲。編譯器處理一維數(shù)組的效率要高過二維數(shù)組。 第一步，先寫一個代碼：
?
void calc_lum() {int i;for(i = 0; i < IMGSIZE; i++){double r,g,b,y;unsigned char yy;r = in[i].r;g = in[i].g;b = in[i].b;y = 0.299 * r + 0.587 * g + 0.114 * b;yy = y;out[i] = yy;} }?
這大概是能想得出來的最簡單的寫法了，實在看不出有什么毛病，好了，編譯一下跑一跑吧。這個代碼分別用vc6.0和gcc編譯，生成2個版本，分別在pc上和我的embedded system上面跑。速度多少？在PC上，由于存在硬件浮點處理器，CPU頻率也夠高，計算速度為20秒。我的embedded system，沒有以上2個優(yōu)勢，浮點操作被編譯器分解成了整數(shù)運算，運算速度為120秒左右。
去掉浮點運算
上面這個代碼還沒有跑，我已經(jīng)知道會很慢了，因為這其中有大量的浮點運算。只要能不用浮點運算，一定能快很多。Y = 0.299 * R + 0.587 * G + 0.114 * B;這個公式怎么能用定點的整數(shù)運算替代呢？0.299 * R可以如何化簡？
?
Y = 0.299 * R + 0.587 * G + 0.114 * B; Y = D + E + F; D = 0.299 * R; E = 0.587 * G; F = 0.114 * B;我們就先簡化算式 D吧！ RGB的取值范圍都是 0~255，都是整數(shù)，只是這個系數(shù)比較麻煩，不過這個系數(shù)可以表示為：0.299 = 299 / 1000;所以?D = ( R * 299) / 1000;
?
?
Y = (R * 299 + G * 587 + B * 114) / 1000這一下，能快多少呢？ Embedded system上的速度為 45秒； PC上的速度為 2秒；
?
0.299 * R可以如何化簡
?
Y = 0.299 * R + 0.587 * G + 0.114 * B; Y = (R * 299 + G * 587 + B * 114) / 1000;這個式子好像還有點復(fù)雜，可以再砍掉一個除法運算。前面的算式D可以這樣寫：
?
?
0.299=299/1000=1224/4096所以? D = (R * 1224) / 4096
Y=(R*1224)/4096+(G*2404)/4096+(B*467)/4096再簡化為：
Y=(R*1224+G*2404+B*467)/4096?
這里的/4096除法，因為它是2的N次方，所以可以用移位操作替代，往右移位12bit就是把某個數(shù)除以4096了。
?
void calc_lum() {int i;for(i = 0; i < IMGSIZE; i++){int r,g,b,y;r = 1224 * in[i].r;g = 2404 * in[i].g;b = 467 * in[i].b;y = r + g + b;y = y >> 12; //這里去掉了除法運算out[i] = y;} }?
這個代碼編譯后，又快了20%。雖然快了不少，還是太慢了一些，20秒處理一幅圖像。
查表方式
我們回到這個式子：
?
Y = 0.299 * R + 0.587 * G + 0.114 * B; Y=D+E+F; D=0.299*R; E=0.587*G; F=0.114*B;RGB的取值有文章可做， RGB的取值永遠(yuǎn)都大于等于 ，小于等于 255，我們能不能將 D， E， F都預(yù)先計算好呢？然后用查表算法計算呢？我們使用 3個數(shù)組分別存放 DEF的 256種可能的取值，然后......
?
查表數(shù)組初始化
?
int D[256],F[256],E[256]; void table_init( ){int i;for(i=0;i<256;i++){D[i]=i*1224; D[i]=D[i]>>12;E[i]=i*2404; E[i]=E[i]>>12; F[i]=i*467; F[i]=F[i]>>12;} }void calc_lum(){int i;for(i = 0; i < IMGSIZE; i++){int r,g,b,y;r = D[in[i].r];//查表g = E[in[i].g];b = F[in[i].b];y = r + g + b;out[i] = y;} }?
這一次的成績把我嚇出一身冷汗，執(zhí)行時間居然從30秒一下提高到了2秒！在PC上測試這段代碼，眼皮還沒眨一下，代碼就執(zhí)行完了。一下提高15倍，爽不爽？
繼續(xù)優(yōu)化.很多embedded system的32bit CPU，都至少有2個ALU，能不能讓2個ALU都跑起來？
?
void calc_lum(){int i;for(i = 0; i < IMGSIZE; i += 2){ //一次并行處理2個數(shù)據(jù)int r,g,b,y,r1,g1,b1,y1;r = D[in[i].r];//查表 //這里給第一個ALU執(zhí)行g(shù) = E[in[i].g];b = F[in[i].b];y = r + g + b;out[i] = y;r1 = D[in[i + 1].r];//查表 //這里給第二個ALU執(zhí)行g(shù)1 = E[in[i + 1].g];b1 = F[in[i + 1].b];y = r1 + g1 + b1;out[i + 1] = y;} }2個 ALU處理的數(shù)據(jù)不能有數(shù)據(jù)依賴，也就是說：某個 ALU的輸入條件不能是別的 ALU的輸出，這樣才可以并行。這次成績是 1秒。查看這個代碼:
?
int D[256],F[256],E[256]; //查表數(shù)組 void table_init(){int i;for(i=0;i<256;i++) {D[i]=i*1224; D[i]=D[i]>>12;E[i]=i*2404; E[i]=E[i]>>12; F[i]=i*467; F[i]=F[i]>>12;} }到這里，似乎已經(jīng)足夠快了，但是我們反復(fù)實驗，發(fā)現(xiàn)，還有辦法再快！可以將
?
int D[256],F[256],E[256]; //查表數(shù)組更改為
unsigned short D[256],F[256],E[256]; //查表數(shù)組?
這是因為編譯器處理int類型和處理unsigned short類型的效率不一樣。再改動
?
inline void calc_lum(){int i;for(i = 0; i < IMGSIZE; i += 2){ //一次并行處理2個數(shù)據(jù)int r,g,b,y,r1,g1,b1,y1;r = D[in[i].r];//查表 //這里給第一個ALU執(zhí)行g(shù) = E[in[i].g];b = F[in[i].b];y = r + g + b;out[i] = y;r1 = D[in[i + 1].r];//查表 //這里給第二個ALU執(zhí)行g(shù)1 = E[in[i + 1].g];b1 = F[in[i + 1].b];y = r1 + g1 + b1;out[i + 1] = y;} }將函數(shù)聲明為 inline，這樣編譯器就會將其嵌入到母函數(shù)中，可以減少 CPU調(diào)用子函數(shù)所產(chǎn)生的開銷。這次速度： 0.5秒。 其實，我們還可以飛出地球的！如果加上以下措施，應(yīng)該還可以更快： 1)?把查表的數(shù)據(jù)放置在 CPU的高速數(shù)據(jù) CACHE里面； 2)把函數(shù) calc_lum()用匯編語言來寫 .其實， CPU的潛力是很大的, 1)?不要抱怨你的 CPU，記住一句話：“只要功率足夠，磚頭都能飛！” 2)同樣的需求，寫法不一樣，速度可以從 120秒變化為 0.5秒，說明 CPU的潛能是很大的！看你如何去挖掘。
RGB到Y(jié)UV的轉(zhuǎn)換算法做以總結(jié)。
Y =?? 0.299R + 0.587G + 0.114B
U = -0.147R - 0.289G + 0.436B
V =? 0.615R - 0.515G - 0.100B
?
#deinfe SIZE 256 #define XSIZE 640 #define YSIZE 480#define IMGSIZE XSIZE * YSIZEtypedef struct RGB{unsigned char r;unsigned char g;unsigned char b;}RGB;struct RGB in[IMGSIZE]; unsigned char out[IMGSIZE * 3]; unsigned short Y_R[SIZE],Y_G[SIZE],Y_B[SIZE],U_R[SIZE],U_G[SIZE],U_B[SIZE],V_R[SIZE],V_G[SIZE],V_B[SIZE]; //查表數(shù)組 void table_init(){int i;for(i = 0; i < SIZE; i++){Y_R[i] = (i * 1224) >> 12; //YY_G[i] = (i * 2404) >> 12; Y_B[i] = (i * 467) >> 12;U_R[i] = (i * 602) >> 12; //UU_G[i] = (i * 1183) >> 12; U_B[i] = (i * 1785) >> 12;V_R[i] = (i * 2519) >> 12; //VV_G[i] = (i * 2109) >> 12; V_B[i] = (i * 409) >> 12;} } inline void calc_lum(){int i;for(i = 0; i < IMGSIZE; i += 2) { out[i] = Y_R[in[i].r] + Y_G[in[i].g] + Y_B[in[i].b]; //Yout[i + IMGSIZE] = U_B[in[i].b] - U_R[in[i].r] - U_G[in[i].g]; //Uout[i + 2 * IMGSIZE] = V_R[in[i].r] - V_G[in[i].g] - V_B[in[i].b]; //V out[i + 1] = Y_R[in[i + 1].r] + Y_G[in[i + 1].g] + Y_B[in[i + 1].b]; //Yout[i + 1 + IMGSIZE] = U_B[in[i + 1].b] - U_R[in[i + 1].r] - U_G[in[i + 1].g]; //Uout[i + 1 + 2 * IMGSIZE] = V_R[in[i + 1].r] - V_G[in[i + 1].g] - V_B[in[i + 1].b]; //V} }?
這種算法應(yīng)該是非常快的了.
===========================================================轉(zhuǎn)載請注明出處：http://blog.csdn.net/songzitea/article/details/10474207===========================================================
?
?
總結(jié)
以上是生活随笔為你收集整理的【性能优化】优化笔记之一：图像RGB与YUV转换优化的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： cowboy源码分析
- 下一篇： 基于java网上商城源码设计