【性能优化】优化笔记之一：图像RGB与YUV转换优化
本文主要介绍如何优化您自己的CODE，实现软件的加速。我们一个图象模式识别的项目，需要将RGB格式的彩色图像先转换成黑白图像。图像转换的公式如下：
Y = 0.299 * R + 0.587 * G + 0.114 * B
图像尺寸640*480*24bit，RGB图像已经按照RGBRGB顺序排列的格式，放在内存里面了。以下是输入和输出的定义：
#define XSIZE 640
#define YSIZE 480
#define IMGSIZE XSIZE * YSIZE
typedef struct RGB
{
unsigned char R;
unsigned char G;
unsigned char B;
}RGB;
struct RGB in[IMGSIZE]; //需要计算的原始数据
unsigned char out[IMGSIZE]; //计算后的结果
优化原则：图像是一个 2D数组，我用一个一维数组来存储。编译器处理一维数组的效率要高过二维数组。 第一步，先写一个代码：
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;
}
}
这大概是能想得出来的最简单的写法了，实在看不出有什么毛病，好了，编译一下跑一跑吧。这个代码分别用vc6.0和gcc编译，生成2个版本，分别在pc上和我的embedded system上面跑。速度多少？在PC上，由于存在硬件浮点处理器，CPU频率也够高，计算速度为20秒。我的embedded system，没有以上2个优势，浮点操作被编译器分解成了整数运算，运算速度为120秒左右。
去掉浮点运算
上面这个代码还没有跑，我已经知道会很慢了，因为这其中有大量的浮点运算。只要能不用浮点运算，一定能快很多。Y = 0.299 * R + 0.587 * G + 0.114 * B;这个公式怎么能用定点的整数运算替代呢？0.299 * R可以如何化简？
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;
我们就先简化算式 D吧！ RGB的取值范围都是 0~255，都是整数，只是这个系数比较麻烦，不过这个系数可以表示为：0.299 = 299 / 1000;所以 D = ( R * 299) / 1000;
Y = (R * 299 + G * 587 + B * 114) / 1000
这一下，能快多少呢？ Embedded system上的速度为 45秒； PC上的速度为 2秒；
0.299 * R可以如何化简
Y = 0.299 * R + 0.587 * G + 0.114 * B; Y = (R * 299 + G * 587 + B * 114) / 1000;
这个式子好像还有点复杂，可以再砍掉一个除法运算。前面的算式D可以这样写：
0.299=299/1000=1224/4096
所以 D = (R * 1224) / 4096
Y=(R*1224)/4096+(G*2404)/4096+(B*467)/4096
再简化为：
Y=(R*1224+G*2404+B*467)/4096
这里的/4096除法，因为它是2的N次方，所以可以用移位操作替代，往右移位12bit就是把某个数除以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; //这里去掉了除法运算
out[i] = y;
}
}
这个代码编译后，又快了20%。虽然快了不少，还是太慢了一些，20秒处理一幅图像。
查表方式
我们回到这个式子：
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的取值永远都大于等于 ，小于等于 255，我们能不能将 D， E， F都预先计算好呢？然后用查表算法计算呢？我们使用 3个数组分别存放 DEF的 256种可能的取值，然后......
查表数组初始化
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;
}
}
这一次的成绩把我吓出一身冷汗，执行时间居然从30秒一下提高到了2秒！在PC上测试这段代码，眼皮还没眨一下，代码就执行完了。一下提高15倍，爽不爽？
继续优化.很多embedded system的32bit CPU，都至少有2个ALU，能不能让2个ALU都跑起来？
void calc_lum(){
int i;
for(i = 0; i < IMGSIZE; i += 2){ //一次并行处理2个数据
int r,g,b,y,r1,g1,b1,y1;
r = D[in[i].r];//查表 //这里给第一个ALU执行
g = E[in[i].g];
b = F[in[i].b];
y = r + g + b;
out[i] = y;
r1 = D[in[i + 1].r];//查表 //这里给第二个ALU执行
g1 = E[in[i + 1].g];
b1 = F[in[i + 1].b];
y = r1 + g1 + b1;
out[i + 1] = y;
}
}
2个 ALU处理的数据不能有数据依赖，也就是说：某个 ALU的输入条件不能是别的 ALU的输出，这样才可以并行。这次成绩是 1秒。查看这个代码:
int D[256],F[256],E[256]; //查表数组
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;
}
}
到这里，似乎已经足够快了，但是我们反复实验，发现，还有办法再快！可以将
int D[256],F[256],E[256]; //查表数组
更改为
unsigned short D[256],F[256],E[256]; //查表数组
这是因为编译器处理int类型和处理unsigned short类型的效率不一样。再改动
inline void calc_lum(){
int i;
for(i = 0; i < IMGSIZE; i += 2){ //一次并行处理2个数据
int r,g,b,y,r1,g1,b1,y1;
r = D[in[i].r];//查表 //这里给第一个ALU执行
g = E[in[i].g];
b = F[in[i].b];
y = r + g + b;
out[i] = y;
r1 = D[in[i + 1].r];//查表 //这里给第二个ALU执行
g1 = E[in[i + 1].g];
b1 = F[in[i + 1].b];
y = r1 + g1 + b1;
out[i + 1] = y;
}
}
将函数声明为 inline，这样编译器就会将其嵌入到母函数中，可以减少 CPU调用子函数所产生的开销。这次速度： 0.5秒。 其实，我们还可以飞出地球的！如果加上以下措施，应该还可以更快： 1) 把查表的数据放置在 CPU的高速数据 CACHE里面； 2)把函数 calc_lum()用汇编语言来写 .其实， CPU的潜力是很大的, 1) 不要抱怨你的 CPU，记住一句话：“只要功率足够，砖头都能飞！” 2)同样的需求，写法不一样，速度可以从 120秒变化为 0.5秒，说明 CPU的潜能是很大的！看你如何去挖掘。
RGB到YUV的转换算法做以总结。
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 * YSIZE
typedef 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]; //查表数组
void table_init(){
int i;
for(i = 0; i < SIZE; i++){
Y_R[i] = (i * 1224) >> 12; //Y
Y_G[i] = (i * 2404) >> 12;
Y_B[i] = (i * 467) >> 12;
U_R[i] = (i * 602) >> 12; //U
U_G[i] = (i * 1183) >> 12;
U_B[i] = (i * 1785) >> 12;
V_R[i] = (i * 2519) >> 12; //V
V_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]; //Y
out[i + IMGSIZE] = U_B[in[i].b] - U_R[in[i].r] - U_G[in[i].g]; //U
out[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]; //Y
out[i + 1 + IMGSIZE] = U_B[in[i + 1].b] - U_R[in[i + 1].r] - U_G[in[i + 1].g]; //U
out[i + 1 + 2 * IMGSIZE] = V_R[in[i + 1].r] - V_G[in[i + 1].g] - V_B[in[i + 1].b]; //V
}
}
这种算法应该是非常快的了.
=========================================================== 转载请注明出处：http://blog.csdn.net/songzitea/article/details/10474207===========================================================