|
定义： 所谓饱和运算(saturation)，就是当运算结果大雨某个上限或是小于某个下限时，结果就等于上限或下限。 |
饱和运算是图像处理中比较基本的运算，在图像的滤波、亮度增强、编解码等操作中都会遇到这个操作，所以研究如何用最优的方式运行该运算就很有意义了。
由于我们最常见到的图像每个通道的位深为8比特，事实上我基本上没见过其他深度的。所以我们的讨论集中在如何优化8位图像的饱和运算。
首先，我们知道作为一个基本运算，由于我们需要频繁地使用，所以对它会有更高的要求，因为基本运算性能的降低会成为整个系统性能的瓶颈。
那么，一个好的运算算法的评价标准是什么呢？
（1） 时间复杂度低
（2） 空间要求少
在这里，由于是作为内核的基本运算，所以我们对程序的可读性的要求会有所降低，毕竟鱼和熊掌不可兼得，我们需要有所割舍。
So,我们看看有什么算法吧。首先，也是最容易想到的就是：
方法一、刀耕火种法
最直观的方法是根据定义来做。下面给出源码：
Code
}
}
我们分析一下这个程序，它很直观，但是未必高效，其原因是什么呢：
（1） 对一个基本运算采用函数方式，增加了调用函数的时间开销。从c库函数的实现方式来看，一般基本操作需要优先考虑用宏定义的方式来解决，如getchar()等都是例证。
（2） 采用了if-else if-else的分支结构，既增加了系统判断的时间开销，又由于需要比较而增加了系统的空间开销。
如 i_pix > 255 语句
汇编后的代码为：cmp ecx,0FFh
而cmp指令是一个三字指令。
说到这里，顺便提一下 i_pix < 0
其汇编后代码为：test eax,eax
而test指令是一字指令，所以我们在做比较操作的时候如有可能尽量要与0比较。当然，这是题外话。
以上两点提出了改进方向，一是尽量考虑用宏，二是考虑用比较运算符替代分支结构。
下面的问题是：比较运算符只有两个比较条件，有没有可能把三个分支合并成两个分支呢？
经过分析，我们发现一个现象：大于255和小于0的像素值偶一个共同特征，那就是，他们的高八位都是非零的。而且由于大于255的像素最后输出为255（11111111），小于0的输出为0（00000000），与它们的符号相反，我们可以通过算术移位操作，把像素值的每位都填为符号位，然后再按位取反就行了。即，当pix越界时,输出为 ~(pix>>16) 或是(-pix>>16)就行了。
关键问题解决了，下面的事就很简单了：
然后就进行测试：
测试环境：
操作系统： windows xp professional sp2
CPU：intel T2080 1.73Ghz
内存：1.73Ghz, 504MB
编译环境： VC++6.0
我们随机生成了一个[-500，500]范围内的150*1000的数组，在Release版本下的性能为：
算法1： 15 ms
算法2： 0 ms
因为我们的作用对象是图像，一般规模都比较大，所以每幅图节约15ms还是很可观的。在视频条件下，按照每秒25帧的帧率来算的话，留给一帧的时间仅为40ms，这样看来节省15ms，算是很好的事了。
后来又突然想到，给算法1的函数前加了inline，使之变为内联函数，跑出来的结果为：
算法1： 0 ms
算法2： 0 ms
所以说在饱和运算的情况下，其实是函数调用对系统开销的影响最大，分支语句由于编译器的优化，所以已经不太占用系统开销了。
得到一个结论，那就是：很多时候优化首先要从技术角度来考虑。但是，一个巧妙的新算法给我们带来的成就感更大。一个用于商业，一个用于兴趣，都有用。
参考资源：
1.百度百科
http://baike.baidu.com/view/1547769.html?fromTaglist
2. H.264 中很有用的一些概念
http://hi.baidu.com/beily815/blog/item/