版权声明:涉猎过的知识都像是不断汇入大海的涓涓细流,你怎么知道是哪条汇入的溪流让海洋成为海洋呢【转载请注明出处】 https://blog.csdn.net/panda1234lee/article/details/85016941
利用 AVX 向量化技术优化的中值滤波
代码和注释如下:
void medianFilterAVX(int height, int width, unsigned char *__restrict src, unsigned char *__restrict dst)
{
// 注意是从 1 开始
for(int i = 1; i < height - 1; i++)
{
int j;
// 4字节*8 = 32
for(j = 1; j < width - 1 - 32; j += 32)
{
__m256i a[9]; // 3*3 的领域
a[0] = _mm256_loadu_si256((__m256i *)(src + i * width + j)); // 非对齐模式加载8 个 int 型
a[1] = _mm256_loadu_si256((__m256i *)(src + i * width + j + 1));
a[2] = _mm256_loadu_si256((__m256i *)(src + i * width + j - 1));
a[3] = _mm256_loadu_si256((__m256i *)(src + (i + 1) * width + j));
a[4] = _mm256_loadu_si256((__m256i *)(src + (i + 1) * width + j + 1));
a[5] = _mm256_loadu_si256((__m256i *)(src + (i + 1) * width + j - 1));
a[6] = _mm256_loadu_si256((__m256i *)(src + (i - 1) * width + j));
a[7] = _mm256_loadu_si256((__m256i *)(src + (i - 1) * width + j + 1));
a[8] = _mm256_loadu_si256((__m256i *)(src + (i - 1) * width + j - 1));
// 因为只要知道中值就好(a[4])
for( int ji = 0; ji < 5; ji++)
{
for( int k = ji + 1; k < 9; k++)
{
// 逐字节的比较(32个字节)
__m256i large = _mm256_max_epu8(a[ji], a[k]);
__m256i small = _mm256_min_epu8(a[ji], a[k]);
a[ji] = small;
a[k] = large;
}
}
_mm256_storeu_si256((__m256i *)(dst + i * width + j), a[4]);// 非对齐模式存储8 个 int 型
}
// 不能被 32 整除的部分
for(int je = j; je < width - 1; je++)
{
unsigned char a[9];
a[0] = src[i * width + je];
a[1] = src[i * width + je + 1];
a[2] = src[i * width + je - 1];
a[3] = src[(i + 1) * width + je];
a[4] = src[(i + 1) * width + je + 1];
a[5] = src[(i + 1) * width + je - 1];
a[6] = src[(i - 1) * width + je];
a[7] = src[(i - 1) * width + je + 1];
a[8] = src[(i - 1) * width + je - 1];
for( int ji = 0; ji < 5; ji++)
{
for( int jj = ji + 1; jj < 9; jj++)
{
unsigned char large = std::max<unsigned char>(a[ji], a[jj]);
unsigned char small = std::min<unsigned char>(a[ji], a[jj]);
a[ji] = small;
a[jj] = large;
}
}
dst[i * width + je] = a[4];
}
}
// 边界处理:直接拷贝
for( int i = 0; i < width; i++)
{
dst[i] = src[i];
dst[(height - 1)*width + i] = src[(height - 1) * width + i];
}
for(int i = 0; i < height; i++)
{
dst[i * width] = src[i * width];
dst[i * width + width - 1] = src[i * width + width - 1];
}
}
入口函数:
cv::Mat input = imread("micky.png", cv::IMREAD_GRAYSCALE);
cv::Mat scale;
cv::resize(input, scale, cv::Size(3200, 3200));// 为了使得优化效果更明显
int width = scale.cols;
int height = scale.rows;
cv::Mat output = cv::Mat(cv::Size(width, height), CV_8UC1, cv::Scalar(0));
Timer timer;
//meanFilter(scale.data, output.data, width, height);
medianFilter(height, width, scale.data, output.data);
timer.rlog("时间");
timer.restart();
medianFilterAVX(height, width, scale.data, output.data);
timer.rlog("时间");
和串行版本的比较结果如下:提升了将近 19 倍