程序优化:算法对上SIMD+OMP(3)

使用Intrinsics方法,实现SIMD处理
     使用Intrinsics,可以利用硬件的SIMD指令进行处理。MMX,SSE,SSE2(AMD已经通过交叉授权取得该技术)看起来真有那么美好么?让我们拭目以待。
     在处理中同样使用了定点数技术。
 
float  test_SIMD_Filter()
{
     // 模拟申请X1024 32bpp的图像内存
__m128i * buf = (__m128i *)_mm_malloc(1024 * 1024 * sizeof(int),16);
// 0x0000FFFF0000FFFF0000FFFF0000FFFF 用于进行计算过滤比值的65535
__m128i  _65535 = _mm_set1_epi32(0xFFFF);
// 背景色,假设为0xFFF8F8F8
__m128i  pixel_bg = _mm_set_epi32(0x000000FF, 0x000000F8, 0x000000F8, 0x000000F8);
// 用于滤掉颜色中的ALPHA分量
__m128i  noalpha_mask = _mm_set_epi32(0x000000FF, 0x000000FF, 0x0000000FF,0x0000000FF);
// 小于这个颜色的值将被滤掉
        __m128i filter_val = _mm_set_epi32(0x00000000, 0x00000008, 0x000000008, 0x00000008);
        __m128i* ptr = buf; // 图像数据指针
 
    //先初始化数据
    for ( int h = 0; h < 1024; h++ )    // 按行循环
    {
        for ( int w = 0; w < 1024 / 4; w++ ) // 一次中四个点(4X32 = 128)
        {
              // 将4个像素设为比较有特色的数值
            *(__m128i *)ptr = _mm_set_epi32(0xFF112233, 0xFF445566, 0xFF778899, 0xFFAABBCC);
 
            ptr++; // 下四个点
        }
    }
   
    ptr = buf; // 开始模拟处理
 
    BEGIN_PERF() // 开始计数
 
    for ( int h = 0; h < 1024; h++ ) // 还是按行循环
    {
        for ( int w = 0; w < 1024 / 4; w++ ) // 一次四个点
        {
            __m128i pixel = *ptr; // 4个像素:0xFF112233 0xFF445566 0xFF778899 0xFFAABBCC
            // 取出前两个像素,成为->00FF, 0011, 0022, 0033, 00FF, 0044, 0055, 0066
             __m128i  pixel_1234 = _mm_unpacklo_epi8(pixel, _mm_setzero_si128());
             //取出前后两个像素,成为->00FF, 0077, 0088, 0099, 00FF, 00AA, 00BB, 00CC
             __m128i  pixel_5678 = _mm_unpackhi_epi8(pixel, _mm_setzero_si128());
             //因为涉及到32位乘法,所以还需要将像素的颜色分量扩展成32位格式
            //->00000000 00000011 00000022 00000033 第一个像素
             __m128i  pixel_12 = _mm_unpacklo_epi8(pixel_1234, _mm_setzero_si128());
             //->00000000 00000044 00000055 00000066 第二个像素
            __m128i  pixel_34 = _mm_unpackhi_epi8(pixel_1234, _mm_setzero_si128());
            //->00000000 00000077 00000088 00000099 第三个像素
            __m128i  pixel_56 = _mm_unpacklo_epi8(pixel_5678, _mm_setzero_si128());
            //->00000000 000000AA 000000BB 000000CC 第四个像素
            __m128i  pixel_78 = _mm_unpackhi_epi8(pixel_5678, _mm_setzero_si128());
            //先减,然后比较是否为0,类似于传统方法中的减法和&操作
           __m128i cmp_res = _mm_cmplt_epi32(_mm_sub_epi32(noalpha_mask, pixel_12), filter_val);
            __m128i delta, bg; // 过滤比值,背景色
          
          //先判断第一个像素
            if ( _mm_cvtsi128_si32(cmp_res) != 0 ) // 为了比较,需要转换成整数
            {
                // 计算过滤比值
                delta = _mm_slli_epi32(pixel_12, 8);
 
                // 分别计算位的低,高位,然后再或(高位要左移位),得到过滤后的背景色
                bg = _mm_or_si128( _mm_mullo_epi16(pixel_bg, delta),
_mm_slli_epi32(_mm_mulhi_epu16(pixel_bg, delta), 16));
 
                delta = _mm_sub_epi32(_65535, delta); // 65535-比例为原像素的比例
               
                // 与计算背景过滤的方法相同
                pixel_12 = _mm_or_si128(_mm_mullo_epi16(pixel_12, delta),
_mm_slli_epi32(_mm_mulhi_epu16(pixel_12, delta), 16));
                
                pixel_12 = _mm_srli_epi32(pixel_12, 16); // 从定点数还原
            }
              
             //第三个像素
             ....
           
             // 第四个像素略
            ......            
            //最后还要将数据拼装回去
            // 第1,2个像素
             pixel_12 = _mm_packs_epi32(pixel_12, pixel_34);
             // 第3,4个像素
             pixel_56 = _mm_packs_epi32(pixel_56, pixel_78);
             //写回
            *ptr++ = _mm_packs_epi16(pixel_12, pixel_56);
        }
    }
   
    END_PERF() // 停止计时
 
    _mm_free(buf); // 释放内存
 
    return GET_PERF(); // 返回结果

}

使用SIMD,一次过处理4个像素,貌似很快的说,但各种扩展操作抵消了性能增长,因此速度大幅落后于传统算法!

你可能感兴趣的:(程序优化:算法对上SIMD+OMP(3))