（转）一篇图片处理优化思路 原文地址http://blog.chinaunix.net/uid-20806919-id-132246.html

原文地址 http://blog.chinaunix.net/uid-20806919-id-132246.html

作者renbok

速度取决于算法
同样的事情，方法不一样，效果也不一样。比如，汽车引擎，可以让你的速度超越马车，却无法超越音速；涡轮引擎，可以轻松超越音障，却无法飞出地球；如果有火箭发动机，就可以到达火星。代码的运算速度取决于以下几个方面:0 算法本身的复杂度，比如MPEG比JPEG复杂，JPEG比BMP图片的编码复杂。1 CPU自身的速度和设计架构 2 CPU的总线带宽 3 您自己的代码的写法

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。
例如，将这个喷火的战斗机引擎，转换为右边的黑白图片
我已经悄悄的完成了第一个优化
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
看得出来优化在
哪里吗？
我已经悄悄的完成了第一个优化
#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1维数组来存储。
编译器处理1维数组的效率要高过2维数组
先写一个代码
Y = 0.299 * R + 0.587 * G + 0.114 * B;
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。
第一次试跑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？说出来吓死你！
第一次试跑的成绩
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
这只是一副图像的运算速度！！
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;
那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)/1000+(G*587)/1000+(B*114)/1000
再简化为：
Y=(R*299+G*587+B*114)/1000
这一下，能快多少呢？
化简后的成绩
Embedded system
上的速度45秒
PC上的速度2秒
0.299 * R进一步化简
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)/1000+(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
Y = 0.299 * R + 0.587 * G + 0.114 * B
Y=(R*1224+G*2404+B*467)/4096
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%
0.299 * R进一步化简
还是太慢！
虽然快了不少，还是太慢了一些，
20秒处理一幅图像，地球人都不能
接受！
但是目前这个式子好像优化到极限
了，要想突破音障，只能拆掉活塞
发动机，安装蜗轮引擎！
仔细端详一下这个式子！
仔细端详一下这个式子！
RGB的取值有文章可做，RGB的取值永远都大于等于0，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。。。
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;
查表数组初始化
Int D[256]，E[256]，F[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;
}
}
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;
使用查表数组
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;
Void calc_lum()
{int I;
for(i=0;i<imgsize;i++)
{int r,g,b,y;
r=D[in[i].r]; g=E[in[i].g]; b=F[in[i].b]; //查表
y=r+g+b;
out[i]=y;
}
}
突破音障!
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？
还能再
快吗？ 120
秒
45秒
30秒
2秒
下一
程，几
秒？
很多embedded sysytem 的32bitCPU，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++)
{int r,g,b,y;
r=D[in[i].r]; g=E[in[i].g]; b=F[in[i].b]; //查表
y=r+g+b;
out[i]=y;
}
} Void calc_lum()
{int I;
for(i=0;i<imgsize;i+=2)
{int r,g,b,y， r1,g1,b1,y1;
r=D[in[i].r]; g=E[in[i].g]; b=F[in[i].b]; //查表
y=r+g+b;
out[i]=y;
r1=D[in[i+1].r]; g1=E[in[i+1].g]; b1=F[in[i+1].b]; //查表
y1=r1+g1+b1;
out[i+1]=y1;
}
}
踩足油门，向2马赫进军！
并行计算
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
给第一个ALU执行给第二个ALU执行
一次并行处理2组数据
所以这里一次加2
Void calc_lum()
{int I;
for(i=0;i<imgsize;i+=2)
{int r,g,b,y， r1,g1,b1,y1;
r=D[in[i].r]; g=E[in[i].g]; b=F[in[i].b]; //查表
y=r+g+b;
out[i]=y;
r1=D[in[i+1].r]; g1=E[in[i+1].g]; b1=F[in[i+1].b]; //查表
y1=r1+g1+b1;
out[i+1]=y1;
}
}
这一次的成绩是：
加足燃料，进军3马赫！
Int D[256]，E[256]，F[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;
}
}
看看这个代码，
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]，E[256]，F[256]； //查表数组
更改为：
Unsigned short D[256]，E[256]，F[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
再改动一下
Unsigned short D[256]，E[256]，F[256]； //查表数组
Inline Void calc_lum()
{int I;
for(i=0;i<imgsize;i+=2)
{int r,g,b,y， r1,g1,b1,y1;
r=D[in[i].r]; g=E[in[i].g]; b=F[in[i].b]; //查表
y=r+g+b;
out[i]=y;
r1=D[in[i+1].r]; g1=E[in[i+1].g]; b1=F[in[i+1].b]; //查表
y1=r1+g1+b1;
out[i+1]=y1;
}
}
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2个小小的改进带来的效益！
现在，我们已经达到了客户的要求！
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：
•把查表的数据放置在CPU的高速数据CACHE
里面
•把函数calc_lum()用汇编语言来写
其实，CPU的潜力是很大的
•不要抱怨你的CPU，记住一句话：“只要功率足
够，砖头都能飞！”
•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。