YUV视频格式到RGB32格式转换的速度优化 上篇

YUV视频格式到RGB32格式转换的速度优化 上篇
                    [e-mail]   2007.10.30
 
tag: YUV,YCbCr,YUV到RGB颜色转换,YUV解码,VFW,视频,MMX,SSE,多核优化
  
摘要: 我们得到的很多视频数据(一些解码器的输出或者摄像头的输出等)都使用了一种
叫YUV的颜色格式；本文介绍了常见的YUV视频格式(YUY2/YVYU/UYVY/I420/YV12等)到
RGB颜色格式的转换,并尝试对转化的速度进行优化；
  全文 分为:   
    《上篇》文章首先介绍了YUV颜色格式，并介绍了YUV颜色格式和RGB颜色格式之
间的相互转换；然后重点介绍了YUYV视频格式到RGB32格式的转化，并尝试进行了一
些速度优化；
    《中篇》尝试使用MMX/SSE指令对前面实现的解码器核心进行速度优化；然
后简要介绍了一个使用这类CPU特殊指令时的代码框架，使得解码程序能够根据运行时
的CPU指令支持情况动态调用最佳的实现代码；并最终提供一个多核并行的优化版本；
    《下篇》介绍YUV类型的其他种类繁多的视频数据编码格式；并将前面实现的解码
器核心(在不损失代码速度的前提下)进行必要的修改，使之适用于这些YUV视频格式
的解码；
  (2010.11.23  color_table查询表扩大范围,以避免color_table[Ye + csU_blue_16 * Ue )>>16)]超界;谢谢bug提交者少浦.)
  (2007.11.13  修正了一下颜色转换公式中的系数)       
  (2007.11.04  增加一个更深优化的全查表的实现DECODE_YUYV_TableEx;      
        对DECODE_YUYV_Common做了一点小的调整和改进)
       
正文:
  代码使用C++,编译器:VC2005
  涉及到汇编的时候假定为x86平台；
  现在的高清视频帧尺寸越来越大，所以本文测试的图片大小将使用1024x576和
1920x1080两种常见的帧尺寸来测试解码器速度；
  测试平台:(CPU:AMD64x2 4200+(2.37G);   内存:DDR2 677(双通道); 编译器:VC2005)
  测试平台:(CPU:Intel Core2 4400(2.00G);内存:DDR2 667(双通道); 编译器:VC2005)
 
 
A:YUV颜色空间介绍,YUV颜色空间和RGB颜色空间的转换公式
   YUV(或称为YCbCr)颜色空间中Y代表亮度,“U”和“V”表示的则是色度。
   (这里假设YUV和RGB的颜色分量值都是无符号的8bit整数)

   RGB颜色空间到YUV颜色空间的转换公式:
  
    Y= 0.256788*R + 0.504129*G + 0.097906*B +  16;
    U=-0.148223*R - 0.290993*G + 0.439216*B + 128;
    V= 0.439216*R - 0.367788*G - 0.071427*B + 128;

   YUV颜色空间到RGB颜色空间的转换公式:
    B= 1.164383 * (Y - 16) + 2.017232*(U - 128);
    G= 1.164383 * (Y - 16) - 0.391762*(U - 128) - 0.812968*(V - 128);
    R= 1.164383 * (Y - 16) + 1.596027*(V - 128);

 
  ( 补充:
      在视频格式中基本上都用的上面的转换公式；但在其他一些
地方可能会使用下面的转换公式(不同的使用场合可能有不同的转换系数):

    Y =  0.299*R + 0.587*G + 0.114*B;
    U = -0.147*R - 0.289*G + 0.436*B;
    V =  0.615*R - 0.515*G - 0.100*B;

    R = Y + 1.14*V;
    G = Y - 0.39*U - 0.58*V;
    B = Y + 2.03*U;
  )
 
B.RGB32颜色和图片的数据定义:

 

#define asm __asm

typedef unsigned char TUInt8; // [0..255]
typedef unsigned long TUInt32;
struct TARGB32      //32 bit color
{
    TUInt8  b,g,r,a;          //a is alpha
};

struct TPicRegion  //一块颜色数据区的描述，便于参数传递
{
    TARGB32*    pdata;         //颜色数据首地址
    long        byte_width;    //一行数据的物理宽度(字节宽度)；
                //abs(byte_width)有可能大于等于width*sizeof(TARGB32);
    long        width;         //像素宽度
    long        height;        //像素高度
};

//那么访问一个点的函数可以写为：
__forceinline TARGB32& Pixels(const TPicRegion& pic,const long x,const long y)
{
    return ( (TARGB32*)((TUInt8*)pic.pdata+pic.byte_width*y) )[x];
}

(注意:__forceinline表示总是内联代码，如果你的编译器不支持，请改写为inline关键词)

C.YUYV(也可以叫做YUY2)视频格式到RGB32的转化
（本文先集中优化YUYV视频格式到RGB32的转化,然后再扩展到其他视频格式）

  YUYV视频格式的内存数据布局图示:
 
  
  图中可以看出Y的数据量是U或者V的两倍，这是因为人的眼睛一般对亮度比对颜
色更敏感一些，所以将连续的两个像素的U(或V)值只保存一个U(或V)值,那么每个
像素平均占用16bit储存空间; 
  解码YUYV视频格式的一个简单浮点实现:

 

    //颜色饱和函数
    __forceinline long border_color(long color)
    {
        if (color>255)
            return 255;
        else if (color<0)
            return 0;
        else
            return color;
    }

    __forceinline TARGB32 YUVToRGB32_float(const TUInt8 Y,const TUInt8 U,const TUInt8 V)
    {
        TARGB32 result;
        result.b= border_color( 1.164383 * (Y - 16) + 2.017232*(U - 128) );
        result.g= border_color( 1.164383 * (Y - 16) - 0.391762*(U - 128) - 0.812968*(V - 128) );
        result.r= border_color( 1.164383 * (Y - 16) + 1.596027*(V - 128) );
        result.a= 255;
        return result;
    }

void DECODE_YUYV_Float(const TUInt8* pYUYV,const TPicRegion& DstPic)
{
    assert((DstPic.width & 1)==0); 
    
    TARGB32* pDstLine=DstPic.pdata; 
    for (long y=0;y<DstPic.height;++y)
    {
        for (long x=0;x<DstPic.width;x+=2)
        {
            pDstLine[x+0]=YUVToRGB32_float(pYUYV[0],pYUYV[1],pYUYV[3]);
            pDstLine[x+1]=YUVToRGB32_float(pYUYV[2],pYUYV[1],pYUYV[3]);
            pYUYV+=4;
        }
        ((TUInt8*&)pDstLine)+=DstPic.byte_width;
    }    
}

 
速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Float         55.0 FPS   63.7 FPS     15.6 FPS   18.0 FPS
////////////////////////////////////////////////////////////////////////////////

 
D.使用整数运算(定点数运算)来代替浮点运算
   默认的浮点数到整数的转换是比较慢的运算；这里用整数运算来代替浮点运算；
   使用16位定点数，原理是将浮点系数扩大2^16倍，并保存为整数(引入很小的误差)，那么计算出来的值
再除以2^16就得到正确的结果了,而除以2^16可以优化为带符号的右移; 代码如下:

        const int csY_coeff_16 = 1.164383*(1<<16);
        const int csU_blue_16  = 2.017232*(1<<16);
        const int csU_green_16 = (-0.391762)*(1<<16); 
        const int csV_green_16 = (-0.812968)*(1<<16);
        const int csV_red_16   = 1.596027*(1<<16);

    __forceinline TARGB32 YUVToRGB32_Int(const TUInt8 Y,const TUInt8 U,const TUInt8 V)
    {
        TARGB32 result;
        int Ye=csY_coeff_16 * (Y - 16); 
        int Ue=U-128;
        int Ve=V-128;
        result.b= border_color( ( Ye + csU_blue_16 * Ue )>>16 );
        result.g= border_color( ( Ye + csU_green_16 * Ue + csV_green_16 * Ve )>>16 );
        result.r= border_color( ( Ye + csV_red_16 * Ve )>>16 );
        result.a= 255;
        return result;
    }

void DECODE_YUYV_Int(const TUInt8* pYUYV,const TPicRegion& DstPic)
{
    assert((DstPic.width & 1)==0); 
    
    TARGB32* pDstLine=DstPic.pdata; 
    for (long y=0;y<DstPic.height;++y)
    {
        for (long x=0;x<DstPic.width;x+=2)
        {
            pDstLine[x+0]=YUVToRGB32_Int(pYUYV[0],pYUYV[1],pYUYV[3]);
            pDstLine[x+1]=YUVToRGB32_Int(pYUYV[2],pYUYV[1],pYUYV[3]);
            pYUYV+=4;
        }
        ((TUInt8*&)pDstLine)+=DstPic.byte_width;
    }  
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Int          137.1 FPS  131.9 FPS     39.0 FPS   37.1 FPS
////////////////////////////////////////////////////////////////////////////////
 
E.优化border_color颜色饱和函数
  因为border_color的实现使用了分支代码，在现代CPU上分支预测错的代价很大，这里使用一个
查找表来代替它；

 

//颜色查表
static TUInt8 _color_table[256*5];
static const TUInt8* color_table=&_color_table[256*2];
class _CAuto_inti_color_table
{
public:
    _CAuto_inti_color_table() {
        for (int i=0;i<256*5;++i)
            _color_table[i]=border_color(i-256*2);
    }
};
static _CAuto_inti_color_table _Auto_inti_color_table;

    __forceinline TARGB32 YUVToRGB32_RGBTable(const TUInt8 Y,const TUInt8 U,const TUInt8 V)
    {

        TARGB32 result;
        int Ye=csY_coeff_16 * (Y - 16); 
        int Ue=U-128;
        int Ve=V-128;
        result.b= color_table[ ( Ye + csU_blue_16 * Ue )>>16 ];
        result.g= color_table[ ( Ye + csU_green_16 * Ue + csV_green_16 * Ve )>>16 ];
        result.r= color_table[ ( Ye + csV_red_16 * Ve )>>16 ];
        result.a= 255;
        return result;
    }

void DECODE_YUYV_RGBTable(const TUInt8* pYUYV,const TPicRegion& DstPic)
{
    assert((DstPic.width & 1)==0); 
    
    TARGB32* pDstLine=DstPic.pdata; 
    for (long y=0;y<DstPic.height;++y)
    {
        for (long x=0;x<DstPic.width;x+=2)
        {
            pDstLine[x+0]=YUVToRGB32_RGBTable(pYUYV[0],pYUYV[1],pYUYV[3]);
            pDstLine[x+1]=YUVToRGB32_RGBTable(pYUYV[2],pYUYV[1],pYUYV[3]);
            pYUYV+=4;
        }
        ((TUInt8*&)pDstLine)+=DstPic.byte_width;
    }    
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_RGBTable     164.8 FPS  152.9 FPS     47.1 FPS   43.7 FPS
////////////////////////////////////////////////////////////////////////////////
 
 
F.使用查找表来代乘法运算
  其实，现在的x86 CPU做乘法是很快的，用查找表的内存访问来代替乘法不见得会更快；
本文章讨论它的意义在于，该实现版本在其他平台的CPU上可能有很好的优化效果；在奔腾4上
该版本DECODE_YUYV_Table也很可能比DECODE_YUYV_RGBTable快，我没有测试过；

static int Ym_table[256];
static int Um_blue_table[256];
static int Um_green_table[256];
static int Vm_green_table[256];
static int Vm_red_table[256];

class _CAuto_inti_yuv_table
{
public:
    _CAuto_inti_yuv_table() {
        for (int i=0;i<256;++i)
        {
            Ym_table[i]=csY_coeff_16 * (i - 16);
            Um_blue_table[i]=csU_blue_16 * (i - 128);
            Um_green_table[i]=csU_green_16 * (i - 128);
            Vm_green_table[i]=csV_green_16 * (i - 128);
            Vm_red_table[i]=csV_red_16 * (i - 128);
        }
    }
};
static _CAuto_inti_yuv_table _Auto_inti_yuv_table;

    __forceinline TARGB32 YUVToRGB32_Table(const TUInt8 Y,const TUInt8 U,const TUInt8 V)
    {
        TARGB32 result;
        int Ye=Ym_table[Y]; 
        result.b= color_table[ ( Ye + Um_blue_table[U] )>>16 ];
        result.g= color_table[ ( Ye + Um_green_table[U] + Vm_green_table[V] )>>16 ];
        result.r= color_table[ ( Ye + Vm_red_table[V] )>>16 ];
        result.a= 255;
        return result;
    }


void DECODE_YUYV_Table(const TUInt8* pYUYV,const TPicRegion& DstPic)
{
    assert((DstPic.width & 1)==0); 
    
    TARGB32* pDstLine=DstPic.pdata; 
    for (long y=0;y<DstPic.height;++y)
    {
        for (long x=0;x<DstPic.width;x+=2)
        {
            pDstLine[x+0]=YUVToRGB32_Table(pYUYV[0],pYUYV[1],pYUYV[3]);
            pDstLine[x+1]=YUVToRGB32_Table(pYUYV[2],pYUYV[1],pYUYV[3]);
            pYUYV+=4;
        }
        ((TUInt8*&)pDstLine)+=DstPic.byte_width;
    }    
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Table        146.1 FPS  151.3 FPS     41.8 FPS   43.5 FPS
////////////////////////////////////////////////////////////////////////////////
 

(提示：在没有“带符号右移”的CPU体系下或者能够忍受一点点小的误差，可以在生成YUV的查找表的时候不扩大2^16倍，从而在计算出结果的时候也就不需要右移16位的修正了，这样改进后函数速度还会提高一些)

  2007.11.04 补充一个更深优化的全查表的实现DECODE_YUYV_TableEx；

//全查表
static int Ym_tableEx[256];
static int Um_blue_tableEx[256];
static int Um_green_tableEx[256];
static int Vm_green_tableEx[256];
static int Vm_red_tableEx[256];

class _CAuto_inti_yuv_tableEx
{
public:
    _CAuto_inti_yuv_tableEx() {
        for (int i=0;i<256;++i)
        {
            Ym_tableEx[i]=(csY_coeff_16 * (i - 16) )>>16;
            Um_blue_tableEx[i]=(csU_blue_16 * (i - 128) )>>16;
            Um_green_tableEx[i]=(csU_green_16 * (i - 128) )>>16;
            Vm_green_tableEx[i]=(csV_green_16 * (i - 128) )>>16;
            Vm_red_tableEx[i]=(csV_red_16 * (i - 128) )>>16;
        }
    }
};
static _CAuto_inti_yuv_tableEx _Auto_inti_yuv_tableEx;

    __forceinline void YUVToRGB32_Two_TableEx(TARGB32* pDst,const TUInt8 Y0,const TUInt8 Y1,const TUInt8 U,const TUInt8 V)
    {
        int Ye0=Ym_tableEx[Y0]; 
        int Ye1=Ym_tableEx[Y1];
        int Ue_blue=Um_blue_tableEx[U];
        int Ue_green=Um_green_tableEx[U];
        int Ve_green=Vm_green_tableEx[V];
        int Ve_red=Vm_red_tableEx[V];
        int UeVe_green=Ue_green+Ve_green;

        ((TUInt32*)pDst)[0]=color_table[ ( Ye0 + Ue_blue ) ] 
                    | ( color_table[ ( Ye0 + UeVe_green )]<<8 )
                    | ( color_table[ ( Ye0 + Ve_red )]<<16 )
                    | ( 255<<24);
        ((TUInt32*)pDst)[1]=color_table[ ( Ye1 + Ue_blue ) ] 
                    | ( color_table[ ( Ye1 + UeVe_green )]<<8 )
                    | ( color_table[ ( Ye1 + Ve_red )]<<16 )
                    | ( 255<<24);
    }

    void DECODE_YUYV_TableEx_line(TARGB32* pDstLine,const TUInt8* pYUYV,long width)
    {
        for (long x=0;x<width;x+=2)
        {
            YUVToRGB32_Two_TableEx(&pDstLine[x],pYUYV[0],pYUYV[2],pYUYV[1],pYUYV[3]);
            pYUYV+=4;
        }
    }


void DECODE_YUYV_TableEx(const TUInt8* pYUYV,const TPicRegion& DstPic)
{
    assert((DstPic.width & 1)==0); 
    
    long YUV_byte_width=(DstPic.width>>1)<<2;
    TARGB32* pDstLine=DstPic.pdata; 
    for (long y=0;y<DstPic.height;++y)
    {
        DECODE_YUYV_TableEx_line(pDstLine,pYUYV,DstPic.width);
        pYUYV+=YUV_byte_width;
        ((TUInt8*&)pDstLine)+=DstPic.byte_width;
    }    
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_TableEx      236.5 FPS  300.5 FPS     68.1 FPS   85.0 FPS
////////////////////////////////////////////////////////////////////////////////
 
G.优化U和V的计算、合并写内存
  由于两个像素共享U和V值，关于它们的两次计算，有部分代码可以共享；
所以实现一个一次转换两个像素的版本；
  写内存的时候，合并成4字节来写，这样在现在的CPU上更加有效率(注意:在intel的
Xeon CPU上这个改动反而会慢一些):

 

    __forceinline void YUVToRGB32_Two(TARGB32* pDst,const TUInt8 Y0,const TUInt8 Y1,const TUInt8 U,const TUInt8 V)
    {
        int Ye0=csY_coeff_16 * (Y0 - 16); 
        int Ye1=csY_coeff_16 * (Y1 - 16);
        int Ue=(U-128);
        int Ue_blue=csU_blue_16 *Ue;
        int Ue_green=csU_green_16 *Ue;
        int Ve=(V-128);
        int Ve_green=csV_green_16 *Ve;
        int Ve_red=csV_red_16 *Ve;
        int UeVe_green=Ue_green+Ve_green;

        ((TUInt32*)pDst)[0]=color_table[ ( Ye0 + Ue_blue )>>16 ] 
                    | ( color_table[ ( Ye0 + UeVe_green )>>16]<<8 )
                    | ( color_table[ ( Ye0 + Ve_red )>>16]<<16 )
                    | ( 255<<24);
        ((TUInt32*)pDst)[1]=color_table[ ( Ye1 + Ue_blue )>>16 ] 
                    | ( color_table[ ( Ye1 + UeVe_green )>>16]<<8 )
                    | ( color_table[ ( Ye1 + Ve_red )>>16]<<16 )
                    | ( 255<<24);
    }

    void DECODE_YUYV_Common_line(TARGB32* pDstLine,const TUInt8* pYUYV,long width)
    {
        for (long x=0;x<width;x+=2)
        {
            YUVToRGB32_Two(&pDstLine[x],pYUYV[0],pYUYV[2],pYUYV[1],pYUYV[3]);
            pYUYV+=4;
        }
    }

void DECODE_YUYV_Common(const TUInt8* pYUYV,const TPicRegion& DstPic)
{
    assert((DstPic.width & 1)==0); 
    
    long YUV_byte_width=(DstPic.width>>1)<<2;
    TARGB32* pDstLine=DstPic.pdata; 
    for (long y=0;y<DstPic.height;++y)
    {
        DECODE_YUYV_Common_line(pDstLine,pYUYV,DstPic.width);
        pYUYV+=YUV_byte_width;
        ((TUInt8*&)pDstLine)+=DstPic.byte_width;
    }    
}

速度测试:
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Common       250.7 FPS  287.1 FPS     71.9 FPS   80.7 FPS
////////////////////////////////////////////////////////////////////////////////
 
 
H:把测试成绩放在一起

////////////////////////////////////////////////////////////////////////////////
//测试平台:(CPU:AMD64x2 4200+(2.37G);   内存:DDR2 677(双通道); 编译器:VC2005)
//测试平台:(CPU:Intel Core2 4400(2.00G);内存:DDR2 667(双通道); 编译器:VC2005)
////////////////////////////////////////////////////////////////////////////////
//==============================================================================
//                       |        1024x576       |       1920x1080       |
//------------------------------------------------------------------------------
//                       |  AMD64x2  |   Core2   |  AMD64x2  |   Core2   |
//------------------------------------------------------------------------------
//DECODE_YUYV_Float         55.0 FPS   63.7 FPS     15.6 FPS   18.0 FPS
//DECODE_YUYV_Int          137.1 FPS  131.9 FPS     39.0 FPS   37.1 FPS
//DECODE_YUYV_RGBTable     164.8 FPS  152.9 FPS     47.1 FPS   43.7 FPS
//DECODE_YUYV_Table        146.1 FPS  151.3 FPS     41.8 FPS   43.5 FPS
//DECODE_YUYV_TableEx      236.5 FPS  300.5 FPS     68.1 FPS   85.0 FPS
//DECODE_YUYV_Common       250.7 FPS  287.1 FPS     71.9 FPS   80.7 FPS
////////////////////////////////////////////////////////////////////////////////

( 欢迎提出不足和改进意见; 下一篇文章将继续成倍的提高解码速度)