YUV视频格式到RGB32格式转换的速度优化 上篇

http://blog.csdn.net/housisong/archive/2007/10/31/1859084.aspx

tag: YUV,YCbCr,YUV到RGB颜色转换,YUV解码,VFW,视频,MMX,SSE,多核优化
  
摘要: 我们得到的很多视频数据(一些解码器的输出或者摄像头的输出等)都使用了一种
叫YUV的颜色格式；本文介绍了常见的YUV视频格式(YUY2/YVYU/UYVY/I420/YV12等)到
RGB颜色格式的转换,并尝试对转化的速度进行优化；
  全文 分为:   
    《上篇》文章首先介绍了YUV颜色格式，并介绍了YUV颜色格式和RGB颜色格式之
间的相互转换；然后重点介绍了YUYV视频格式到RGB32格式的转化，并尝试进行了一
些速度优化；
    《中篇》尝试使用MMX/SSE指令对前面实现的解码器核心进行速度优化；然
后简要介绍了一个使用这类CPU特殊指令时的代码框架，使得解码程序能够根据运行时
的CPU指令支持情况动态调用最佳的实现代码；并最终提供一个多核并行的优化版本；
    《下篇》介绍YUV类型的其他种类繁多的视频数据编码格式；并将前面实现的解码
器核心(在不损失代码速度的前提下)进行必要的修改，使之适用于这些YUV视频格式
的解码；
  (2010.11.23  color_table查询表扩大范围,以避免 color_table[Ye  +  csU_blue_16  *  Ue ) >> 16 )]超界; 谢谢bug提交者 少浦 .)
  (2007.11.13  修正了一下颜色转换公式中的系数)       
  (2007.11.04  增加一个更深优化的全查表的实现DECODE_YUYV_TableEx;      
        对DECODE_YUYV_Common做了一点小的调整和改进)
       
正文:
  代码使用C++,编译器:VC2005
  涉及到汇编的时候假定为x86平台；
  现在的高清视频帧尺寸越来越大，所以本文测试的图片大小将使用1024x576和
1920x1080两种常见的帧尺寸来测试解码器速度；
  测试平台:(CPU:AMD64x2 4200+(2.37G);   内存:DDR2 677(双通道); 编译器:VC2005)
  测试平台:(CPU:Intel Core2 4400(2.00G);内存:DDR2 667(双通道); 编译器:VC2005)
 
 
A:YUV颜色空间介绍,YUV颜色空间和RGB颜色空间的转换公式
   YUV(或称为YCbCr)颜色空间中Y代表亮度,“U”和“V”表示的则是色度。
   (这里假设YUV和RGB的颜色分量值都是无符号的8bit整数)

   RGB颜色空间到YUV颜色空间的转换公式:
  
    Y= 0.256788*R + 0.504129*G + 0.097906*B +  16;
    U=-0.148223*R - 0.290993*G + 0.439216*B + 128;
    V= 0.439216*R - 0.367788*G - 0.071427*B + 128;

   YUV颜色空间到RGB颜色空间的转换公式:
    B= 1.164383 * (Y - 16) + 2.017232*(U - 128);
    G= 1.164383 * (Y - 16) - 0.391762*(U - 128) - 0.812968*(V - 128);
    R= 1.164383 * (Y - 16) + 1.596027*(V - 128);

 
  ( 补充:
      在视频格式中基本上都用的上面的转换公式；但在其他一些
地方可能会使用下面的转换公式(不同的使用场合可能有不同的转换系数):

    Y =  0.299*R + 0.587*G + 0.114*B;
    U = -0.147*R - 0.289*G + 0.436*B;
    V =  0.615*R - 0.515*G - 0.100*B;

    R = Y + 1.14*V;
    G = Y - 0.39*U - 0.58*V;
    B = Y + 2.03*U;
  )
 
B.RGB32颜色和图片的数据定义:

#define  asm __asm

typedef unsigned  char  TUInt8;  //  [0..255]
typedef unsigned long  TUInt32;
struct  TARGB32       // 32 bit color
{
    TUInt8  b,g,r,a;           // a is alpha
};

struct  TPicRegion   // 一块颜色数据区的描述，便于参数传递
{
    TARGB32 *     pdata;          // 颜色数据首地址
     long         byte_width;     // 一行数据的物理宽度(字节宽度)；
                 // abs(byte_width)有可能大于等于width*sizeof(TARGB32);
     long         width;          // 像素宽度
     long         height;         // 像素高度
};

// 那么访问一个点的函数可以写为：
__forceinline TARGB32 &  Pixels( const  TPicRegion &  pic, const   long  x, const   long  y)
{
     return  ( (TARGB32 * )((TUInt8 * )pic.pdata + pic.byte_width * y) )[x];
}

(注意:__forceinline表示总是内联代码，如果你的编译器不支持，请改写为inline关键词)

C.YUYV(也可以叫做YUY2)视频格式到RGB32的转化
（本文先集中优化YUYV视频格式到RGB32的转化,然后再扩展到其他视频格式）

  YUYV视频格式的内存数据布局图示:
 
  
  图中可以看出Y的数据量是U或者V的两倍，这是因为人的眼睛一般对亮度比对颜
色更敏感一些，所以将连续的两个像素的U(或V)值只保存一个U(或V)值,那么每个
像素平均占用16bit储存空间; 
  解码YUYV视频格式的一个简单浮点实现:

     // 颜色饱和函数
    __forceinline  long  border_color( long  color)
    {
         if  (color > 255 )
             return   255 ;
         else   if  (color < 0 )
             return   0 ;
         else
             return  color;
    }

    __forceinline TARGB32 YUVToRGB32_float( const  TUInt8 Y, const  TUInt8 U, const  TUInt8 V)
    {
        TARGB32 result;
        result.b= border_color( 1.164383 * (Y - 16) + 2.017232*(U - 128) );
        result.g= border_color( 1.164383 * (Y - 16) - 0.391762*(U - 128) - 0.812968*(V - 128) );
        result.r= border_color( 1.164383 * (Y - 16) + 1.596027*(V - 128) );
        result.a =   255 ;
         return  result;
    }

void  DECODE_YUYV_Float( const  TUInt8 *  pYUYV, const  TPicRegion &  DstPic)
{
    assert((DstPic.width  &   1 ) == 0 ); 
    
    TARGB32 *  pDstLine = DstPic.pdata; 
     for  ( long  y = 0 ;y < DstPic.height; ++ y)
    {
         for  ( long  x = 0 ;x < DstPic.width;x += 2 )
        {
            pDstLine[x + 0 ] = YUVToRGB32_float(pYUYV[ 0 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pDstLine[x + 1 ] = YUVToRGB32_float(pYUYV[ 2 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pYUYV += 4 ;
        }
        ((TUInt8 *& )pDstLine) += DstPic.byte_width;
    }    
}

 
速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Float         55.0 FPS   63.7 FPS     15.6 FPS   18.0 FPS
////////////////////////////////////////////////////////////////////////////////

 
D.使用整数运算(定点数运算)来代替浮点运算
   默认的浮点数到整数的转换是比较慢的运算；这里用整数运算来代替浮点运算；
   使用16位定点数，原理是将浮点系数扩大2^16倍，并保存为整数(引入很小的误差)，那么计算出来的值
再除以2^16就得到正确的结果了,而除以2^16可以优化为带符号的右移; 代码如下:

         const   int  csY_coeff_16  =   1.164383*(1<<16);
         const   int  csU_blue_16   =   2.017232*(1<<16);
         const   int  csU_green_16  =  (-0.391762)*(1<<16);  
          const   int  csV_green_16  =  (-0.812968)*(1<<16);
         const   int  csV_red_16    =   1.596027*(1<<16);

    __forceinline TARGB32 YUVToRGB32_Int( const  TUInt8 Y, const  TUInt8 U, const  TUInt8 V)
    {
        TARGB32 result;
         int  Ye = csY_coeff_16  *  (Y  -   16 ); 
         int  Ue = U - 128 ;
         int  Ve = V - 128 ;
        result.b =  border_color( ( Ye  +  csU_blue_16  *  Ue ) >> 16  );
        result.g =  border_color( ( Ye  +  csU_green_16  *  Ue  +  csV_green_16  *  Ve ) >> 16  );
        result.r =  border_color( ( Ye  +  csV_red_16  *  Ve ) >> 16  );
        result.a =   255 ;
         return  result;
    }

void  DECODE_YUYV_Int( const  TUInt8 *  pYUYV, const  TPicRegion &  DstPic)
{
    assert((DstPic.width  &   1 ) == 0 ); 
    
    TARGB32 *  pDstLine = DstPic.pdata; 
     for  ( long  y = 0 ;y < DstPic.height; ++ y)
    {
         for  ( long  x = 0 ;x < DstPic.width;x += 2 )
        {
            pDstLine[x + 0 ] = YUVToRGB32_Int(pYUYV[ 0 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pDstLine[x + 1 ] = YUVToRGB32_Int(pYUYV[ 2 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pYUYV += 4 ;
        }
        ((TUInt8 *& )pDstLine) += DstPic.byte_width;
    }  
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Int          137.1 FPS  131.9 FPS     39.0 FPS   37.1 FPS
////////////////////////////////////////////////////////////////////////////////
 
E.优化border_color颜色饱和函数
  因为border_color的实现使用了分支代码，在现代CPU上分支预测错的代价很大，这里使用一个
查找表来代替它；

// 颜色查表
static  TUInt8 _color_table[ 256 * 5 ];
static   const  TUInt8 *  color_table =& _color_table[ 256 *2];
class  _CAuto_inti_color_table
{
public :
    _CAuto_inti_color_table() {
         for  ( int  i = 0 ;i < 256 *5 ; ++ i)
            _color_table[i] = border_color(i - 256*2 );
    }
};
static  _CAuto_inti_color_table _Auto_inti_color_table;

    __forceinline TARGB32 YUVToRGB32_RGBTable( const  TUInt8 Y, const  TUInt8 U, const  TUInt8 V)
    {

        TARGB32 result;
         int  Ye = csY_coeff_16  *  (Y  -   16 ); 
         int  Ue = U - 128 ;
         int  Ve = V - 128 ;
        result.b =  color_table[ ( Ye  +  csU_blue_16  *  Ue ) >> 16  ];
        result.g =  color_table[ ( Ye  +  csU_green_16  *  Ue  +  csV_green_16  *  Ve ) >> 16  ];
        result.r =  color_table[ ( Ye  +  csV_red_16  *  Ve ) >> 16  ];
        result.a =   255 ;
         return  result;
    }

void  DECODE_YUYV_RGBTable( const  TUInt8 *  pYUYV, const  TPicRegion &  DstPic)
{
    assert((DstPic.width  &   1 ) == 0 ); 
    
    TARGB32 *  pDstLine = DstPic.pdata; 
     for  ( long  y = 0 ;y < DstPic.height; ++ y)
    {
         for  ( long  x = 0 ;x < DstPic.width;x += 2 )
        {
            pDstLine[x + 0 ] = YUVToRGB32_RGBTable(pYUYV[ 0 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pDstLine[x + 1 ] = YUVToRGB32_RGBTable(pYUYV[ 2 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pYUYV += 4 ;
        }
        ((TUInt8 *& )pDstLine) += DstPic.byte_width;
    }    
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_RGBTable     164.8 FPS  152.9 FPS     47.1 FPS   43.7 FPS
////////////////////////////////////////////////////////////////////////////////
 
 
F.使用查找表来代乘法运算
  其实，现在的x86 CPU做乘法是很快的，用查找表的内存访问来代替乘法不见得会更快；
本文章讨论它的意义在于，该实现版本在其他平台的CPU上可能有很好的优化效果；在奔腾4上
该版本DECODE_YUYV_Table也很可能比DECODE_YUYV_RGBTable快，我没有测试过；

static   int  Ym_table[ 256 ];
static   int  Um_blue_table[ 256 ];
static   int  Um_green_table[ 256 ];
static   int  Vm_green_table[ 256 ];
static   int  Vm_red_table[ 256 ];

class  _CAuto_inti_yuv_table
{
public :
    _CAuto_inti_yuv_table() {
         for  ( int  i = 0 ;i < 256 ; ++ i)
        {
            Ym_table[i] = csY_coeff_16  *  (i  -   16 );
            Um_blue_table[i] = csU_blue_16  *  (i  -   128 );
            Um_green_table[i] = csU_green_16  *  (i  -   128 );
            Vm_green_table[i] = csV_green_16  *  (i  -   128 );
            Vm_red_table[i] = csV_red_16  *  (i  -   128 );
        }
    }
};
static  _CAuto_inti_yuv_table _Auto_inti_yuv_table;

    __forceinline TARGB32 YUVToRGB32_Table( const  TUInt8 Y, const  TUInt8 U, const  TUInt8 V)
    {
        TARGB32 result;
         int  Ye = Ym_table[Y]; 
        result.b =  color_table[ ( Ye  +  Um_blue_table[U] ) >> 16  ];
        result.g =  color_table[ ( Ye  +  Um_green_table[U]  +  Vm_green_table[V] ) >> 16  ];
        result.r =  color_table[ ( Ye  +  Vm_red_table[V] ) >> 16  ];
        result.a =   255 ;
         return  result;
    }


void  DECODE_YUYV_Table( const  TUInt8 *  pYUYV, const  TPicRegion &  DstPic)
{
    assert((DstPic.width  &   1 ) == 0 ); 
    
    TARGB32 *  pDstLine = DstPic.pdata; 
     for  ( long  y = 0 ;y < DstPic.height; ++ y)
    {
         for  ( long  x = 0 ;x < DstPic.width;x += 2 )
        {
            pDstLine[x + 0 ] = YUVToRGB32_Table(pYUYV[ 0 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pDstLine[x + 1 ] = YUVToRGB32_Table(pYUYV[ 2 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pYUYV += 4 ;
        }
        ((TUInt8 *& )pDstLine) += DstPic.byte_width;
    }    
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Table        146.1 FPS  151.3 FPS     41.8 FPS   43.5 FPS
////////////////////////////////////////////////////////////////////////////////
 

(提示：在没有“带符号右移”的CPU体系下或者能够忍受一点点小的误差，可以在生成YUV的查找表的时候不扩大2^16倍，从而在计算出结果的时候也就不需要右移16位的修正了，这样改进后函数速度还会提高一些)

  2007.11.04 补充一个更深优化的全查表的实现DECODE_YUYV_TableEx；

// 全查表
static   int  Ym_tableEx[ 256 ];
static   int  Um_blue_tableEx[ 256 ];
static   int  Um_green_tableEx[ 256 ];
static   int  Vm_green_tableEx[ 256 ];
static   int  Vm_red_tableEx[ 256 ];

class  _CAuto_inti_yuv_tableEx
{
public :
    _CAuto_inti_yuv_tableEx() {
         for  ( int  i = 0 ;i < 256 ; ++ i)
        {
            Ym_tableEx[i] = (csY_coeff_16  *  (i  -   16 ) ) >> 16 ;
            Um_blue_tableEx[i] = (csU_blue_16  *  (i  -   128 ) ) >> 16 ;
            Um_green_tableEx[i] = (csU_green_16  *  (i  -   128 ) ) >> 16 ;
            Vm_green_tableEx[i] = (csV_green_16  *  (i  -   128 ) ) >> 16 ;
            Vm_red_tableEx[i] = (csV_red_16  *  (i  -   128 ) ) >> 16 ;
        }
    }
};
static  _CAuto_inti_yuv_tableEx _Auto_inti_yuv_tableEx;

    __forceinline  void  YUVToRGB32_Two_TableEx(TARGB32 *  pDst, const  TUInt8 Y0, const  TUInt8 Y1, const  TUInt8 U, const  TUInt8 V)
    {
         int  Ye0 = Ym_tableEx[Y0]; 
         int  Ye1 = Ym_tableEx[Y1];
         int  Ue_blue = Um_blue_tableEx[U];
         int  Ue_green = Um_green_tableEx[U];
         int  Ve_green = Vm_green_tableEx[V];
         int  Ve_red = Vm_red_tableEx[V];
         int  UeVe_green = Ue_green + Ve_green;

        ((TUInt32 * )pDst)[ 0 ] = color_table[ ( Ye0  +  Ue_blue ) ] 
                     |  ( color_table[ ( Ye0  +  UeVe_green )] << 8  )
                     |  ( color_table[ ( Ye0  +  Ve_red )] << 16  )
                     |  (  255 << 24 );
        ((TUInt32 * )pDst)[ 1 ] = color_table[ ( Ye1  +  Ue_blue ) ] 
                     |  ( color_table[ ( Ye1  +  UeVe_green )] << 8  )
                     |  ( color_table[ ( Ye1  +  Ve_red )] << 16  )
                     |  (  255 << 24 );
    }

     void  DECODE_YUYV_TableEx_line(TARGB32 *  pDstLine, const  TUInt8 *  pYUYV, long  width)
    {
         for  ( long  x = 0 ;x < width;x += 2 )
        {
            YUVToRGB32_Two_TableEx( & pDstLine[x],pYUYV[ 0 ],pYUYV[ 2 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pYUYV += 4 ;
        }
    }


void  DECODE_YUYV_TableEx( const  TUInt8 *  pYUYV, const  TPicRegion &  DstPic)
{
    assert((DstPic.width  &   1 ) == 0 ); 
    
     long  YUV_byte_width = (DstPic.width >> 1 ) << 2 ;
    TARGB32 *  pDstLine = DstPic.pdata; 
     for  ( long  y = 0 ;y < DstPic.height; ++ y)
    {
        DECODE_YUYV_TableEx_line(pDstLine,pYUYV,DstPic.width);
        pYUYV += YUV_byte_width;
        ((TUInt8 *& )pDstLine) += DstPic.byte_width;
    }    
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_TableEx      236.5 FPS  300.5 FPS     68.1 FPS   85.0 FPS
////////////////////////////////////////////////////////////////////////////////
 
G.优化U和V的计算、合并写内存
  由于两个像素共享U和V值，关于它们的两次计算，有部分代码可以共享；
所以实现一个一次转换两个像素的版本；
  写内存的时候，合并成4字节来写，这样在现在的CPU上更加有效率(注意:在intel的
Xeon CPU上这个改动反而会慢一些):

    __forceinline  void  YUVToRGB32_Two(TARGB32 *  pDst, const  TUInt8 Y0, const  TUInt8 Y1, const  TUInt8 U, const  TUInt8 V)
    {
         int  Ye0 = csY_coeff_16  *  (Y0  -   16 ); 
         int  Ye1 = csY_coeff_16  *  (Y1  -   16 );
         int  Ue = (U - 128 );
         int  Ue_blue = csU_blue_16  * Ue;
         int  Ue_green = csU_green_16  * Ue;
         int  Ve = (V - 128 );
         int  Ve_green = csV_green_16  * Ve;
         int  Ve_red = csV_red_16  * Ve;
         int  UeVe_green = Ue_green + Ve_green;

        ((TUInt32 * )pDst)[ 0 ] = color_table[ ( Ye0  +  Ue_blue ) >> 16  ] 
                     |  ( color_table[ ( Ye0  +  UeVe_green ) >> 16 ] << 8  )
                     |  ( color_table[ ( Ye0  +  Ve_red ) >> 16 ] << 16  )
                     |  (  255 << 24 );
        ((TUInt32 * )pDst)[ 1 ] = color_table[ ( Ye1  +  Ue_blue ) >> 16  ] 
                     |  ( color_table[ ( Ye1  +  UeVe_green ) >> 16 ] << 8  )
                     |  ( color_table[ ( Ye1  +  Ve_red ) >> 16 ] << 16  )
                     |  (  255 << 24 );
    }

     void  DECODE_YUYV_Common_line(TARGB32 *  pDstLine, const  TUInt8 *  pYUYV, long  width)
    {
         for  ( long  x = 0 ;x < width;x += 2 )
        {
            YUVToRGB32_Two( & pDstLine[x],pYUYV[ 0 ],pYUYV[ 2 ],pYUYV[ 1 ],pYUYV[ 3 ]);
            pYUYV += 4 ;
        }
    }

void  DECODE_YUYV_Common( const  TUInt8 *  pYUYV, const  TPicRegion &  DstPic)
{
    assert((DstPic.width  &   1 ) == 0 ); 
    
     long  YUV_byte_width = (DstPic.width >> 1 ) << 2 ;
    TARGB32 *  pDstLine = DstPic.pdata; 
     for  ( long  y = 0 ;y < DstPic.height; ++ y)
    {
        DECODE_YUYV_Common_line(pDstLine,pYUYV,DstPic.width);
        pYUYV += YUV_byte_width;
        ((TUInt8 *& )pDstLine) += DstPic.byte_width;
    }    
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Common       250.7 FPS  287.1 FPS     71.9 FPS   80.7 FPS
////////////////////////////////////////////////////////////////////////////////
 
 
H:把测试成绩放在一起

////////////////////////////////////////////////////////////////////////////////
//测试平台:(CPU:AMD64x2 4200+(2.37G);   内存:DDR2 677(双通道); 编译器:VC2005)
//测试平台:(CPU:Intel Core2 4400(2.00G);内存:DDR2 667(双通道); 编译器:VC2005)
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Float         55.0 FPS   63.7 FPS     15.6 FPS   18.0 FPS
//DECODE_YUYV_Int          137.1 FPS  131.9 FPS     39.0 FPS   37.1 FPS
//DECODE_YUYV_RGBTable     164.8 FPS  152.9 FPS     47.1 FPS   43.7 FPS
//DECODE_YUYV_Table        146.1 FPS  151.3 FPS     41.8 FPS   43.5 FPS
//DECODE_YUYV_TableEx      236.5 FPS  300.5 FPS     68.1 FPS   85.0 FPS
//DECODE_YUYV_Common       250.7 FPS  287.1 FPS     71.9 FPS   80.7 FPS
////////////////////////////////////////////////////////////////////////////////