c – SSE优化平方差之和

发布时间：2020-12-16 10:05:46 所属栏目：百科来源：网络整理

导读：我最近发现我的程序花费大部分时间在以下简单函数中： void SumOfSquaredDifference( const uint8_t * a,size_t aStride,const uint8_t * b,size_t bStride,size_t width,size_t height,uint64_t * sum){ *sum = 0; for(size_t row = 0; row height; ++row)

我最近发现我的程序花费大部分时间在以下简单函数中：

void SumOfSquaredDifference(
    const uint8_t * a,size_t aStride,const uint8_t * b,size_t bStride,size_t width,size_t height,uint64_t * sum)
{
    *sum = 0;
    for(size_t row = 0; row < height; ++row)
    {
        int rowSum = 0;
        for(size_t col = 0; col < width; ++col)
        {
            int d = a[col] - b[col];
            rowSum += d*d;
        }
        *sum += rowSum;
        a += aStride;
        b += bStride;
    }
}

此函数查找两个8位灰度图像的平方差的和.
我认为使用SSE可以改善其性能,但我没有这方面的经验.
有人能帮助我吗？

解决方法

当然,您可以改进您的代码.
这是使用SSE2优化函数的示例：

const __m128i Z = _mm_setzero_si128();
const size_t A = sizeof(__m128i);

inline __m128i SquaredDifference(__m128i a,__m128i b)
{
    const __m128i aLo = _mm_unpacklo_epi8(a,Z);
    const __m128i bLo = _mm_unpacklo_epi8(b,Z);
    const __m128i dLo = _mm_sub_epi16(aLo,bLo);

    const __m128i aHi = _mm_unpackhi_epi8(a,Z);
    const __m128i bHi = _mm_unpackhi_epi8(b,Z);
    const __m128i dHi = _mm_sub_epi16(aHi,bHi);

    return _mm_add_epi32(_mm_madd_epi16(dLo,dLo),_mm_madd_epi16(dHi,dHi));
}

inline __m128i HorizontalSum32(__m128i a)
{
    return _mm_add_epi64(_mm_unpacklo_epi32(a,Z),_mm_unpackhi_epi32(a,Z));
}

inline uint64_t ExtractSum64(__m128i a)
{
    uint64_t  _a[2];
    _mm_storeu_si128((__m128i*)_a,a);
    return _a[0] + _a[1];
}

void SumOfSquaredDifference(
    const uint8_t *a,const uint8_t *b,uint64_t * sum)
{
    assert(width%A == 0 && width < 0x10000);
    __m128i fullSum = Z;
    for(size_t row = 0; row < height; ++row)
    {
        __m128i rowSum = Z;
        for(size_t col = 0; col < width; col += A)
        {
            const __m128i a_ = _mm_loadu_si128((__m128i*)(a + col));
            const __m128i b_ = _mm_loadu_si128((__m128i*)(b + col)); 
            rowSum = _mm_add_epi32(rowSum,SquaredDifference(a_,b_));
        }
        fullSum = _mm_add_epi64(fullSum,HorizontalSum32(rowSum));
        a += aStride;
        b += bStride;
    }
    *sum = ExtractSum64(fullSum);
}

这个例子有一些简化(如果图像宽度不是16的倍数则不起作用).
该算法的完整版本是here.

和SSSE3版本的一些魔力：

const __m128i K_1FF = _mm_set1_epi16(0x1FF);

inline __m128i SquaredDifference(__m128i a,__m128i b)
{
    const __m128i lo = _mm_maddubs_epi16(_mm_unpacklo_epi8(a,b),K_1FF);
    const __m128i hi = _mm_maddubs_epi16(_mm_unpackhi_epi8(a,K_1FF);
    return _mm_add_epi32(_mm_madd_epi16(lo,lo),_mm_madd_epi16(hi,hi));
}

神奇的描述(见_mm_maddubs_epi16)：

K_1FF -> {-1,1,-1,...};
_mm_unpacklo_epi8(a,b) -> {a0,b0,a1,b1,...};
_mm_maddubs_epi16(_mm_unpacklo_epi8(a,K_1FF) -> {b0 - a0,b1 - a1,...};

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!