【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

===========================================================