1. 首頁 > 生活百科 > >

AVX圖像算法優化系列二: 使用AVX2指令集加速查表算法。

生活百科

查表算法，無疑也是一種非常常用、有效而且快捷的算法，我們在很多算法的加速過程中都能看到他的影子 ， 在圖像處理中 ， 尤其常用，比如我們常見的各種基于直方圖的增強，可以說，在photoshop中的調整菜單里80%的算法都是用的查表，因為他最終就是用的曲線調整 。
普通的查表就是提前建立一個表，然后在執行過程中算法計算出一個索引值，從表中查詢索引對應的表值，并賦值給目標地址，比如我們常用的曲線算法如下所示：
int IM_Curve_PureC(unsigned char *Src, unsigned char *Dest, int Width, int Height, int Stride, unsigned char *TableB, unsigned char *TableG, unsigned char *TableR){int Channel = Stride / Width;if (Channel == 1){for (int Y = 0; Y < Height; Y++){unsigned char *LinePS = Src + Y * Stride;unsigned char *LinePD = Dest + Y * Stride;for (int X = 0; X < Width; X++){LinePD[X] = TableB[LinePS[X]];}}}else if (Channel == 3){for (int Y = 0; Y < Height; Y++){unsigned char *LinePS = Src + Y * Stride;unsigned char *LinePD = Dest + Y * Stride;for (int X = 0; X < Width; X++){LinePD[0] = TableB[LinePS[0]];LinePD[1] = TableG[LinePS[1]];LinePD[2] = TableR[LinePS[2]];LinePS += 3;LinePD += 3;}}}return IM_STATUS_OK;}通常我們認為這樣的算法是很高效的，當然，我們其實還可以做一定的優化，比如使用下面的四路并行：
int IM_Curve_PureC(unsigned char *Src, unsigned char *Dest, int Width, int Height, int Stride, unsigned char *TableB, unsigned char *TableG, unsigned char *TableR){int Channel = Stride / Width;if ((Channel != 1) && (Channel != 3))return IM_STATUS_INVALIDPARAMETER;if ((Src =https://www.huyubaike.com/biancheng/= NULL) || (Dest == NULL))return IM_STATUS_NULLREFRENCE;if ((Width <= 0) || (Height <= 0))return IM_STATUS_INVALIDPARAMETER;int BlockSize = 4, Block = Width / BlockSize;if (Channel == 1){for (int Y = 0; Y < Height; Y++){unsigned char *LinePS = Src + Y * Stride;unsigned char *LinePD = Dest + Y * Stride;for (int X = 0; X < Block * BlockSize; X += BlockSize){LinePD[X + 0] = TableB[LinePS[X + 0]];LinePD[X + 1] = TableB[LinePS[X + 1]];LinePD[X + 2] = TableB[LinePS[X + 2]];LinePD[X + 3] = TableB[LinePS[X + 3]];}for (int X = Block * BlockSize; X < Width; X++){LinePD[X] = TableB[LinePS[X]];}}}else if (Channel == 3){for (int Y = 0; Y < Height; Y++){unsigned char *LinePS = Src + Y * Stride;unsigned char *LinePD = Dest + Y * Stride;for (int X = 0; X < Block * BlockSize; X += BlockSize){LinePD[0] = TableB[LinePS[0]];LinePD[1] = TableG[LinePS[1]];LinePD[2] = TableR[LinePS[2]];LinePD[3] = TableB[LinePS[3]];LinePD[4] = TableG[LinePS[4]];LinePD[5] = TableR[LinePS[5]];LinePD[6] = TableB[LinePS[6]];LinePD[7] = TableG[LinePS[7]];LinePD[8] = TableR[LinePS[8]];LinePD[9] = TableB[LinePS[9]];LinePD[10] = TableG[LinePS[10]];LinePD[11] = TableR[LinePS[11]];LinePS += 12;LinePD += 12;}for (int X = Block * BlockSize; X < Width; X++){LinePD[0] = TableB[LinePS[0]];LinePD[1] = TableG[LinePS[1]];LinePD[2] = TableR[LinePS[2]];LinePS += 3;LinePD += 3;}}}return IM_STATUS_OK;}這樣效率能進一步的提高 。
在早期我們的關注中，我也一直想再次提高這個算法的效率 ， 但是一直因為他太簡單了，而無法有進一步的提高，在使用SSE指令集時，我們也沒有找到合適的指令，只有當查找表為16字節的表時，可以使用_mm_shuffle_epi8快速實現，詳見【算法隨記七】巧用SIMD指令實現急速的字節流按位反轉算法 。 一文的描述 。
在我們再次接觸AVX指令集，正如上一篇關于AVX指令的文章所述 ， 他增加了非常具有特色的gather系列指令，具體有哪些如下圖所示：

AVX圖像算法優化系列二: 使用AVX2指令集加速查表算法。

文章插圖
有一大堆啊，其實看明白了，就只有2大類，每大類里有2個小系列 ， 每個系列里又有4中數據類型，
兩大類為 ：針對128位的類型的gather和針對256位的gather 。
【AVX圖像算法優化系列二: 使用AVX2指令集加速查表算法。】兩個系列為：帶mask和不帶mask系列 。
4中數據類型為： int32、int64、float、double 。
當然，里面還有一些64為地址和32位地址的區別 ， 因此又增加了一些列的東西 ， 我個人認為其中最常用的函數只有4個，分別是：_mm_i32gather_epi32 、_mm256_i32gather_epi32、_mm_i32gather_ps、_mm256_i32gather_ps，我們以_mm256_i32gather_epi32為例 。
注意，這里所以下，不要以為_mm_i32gather_ps這樣的intrinsics指令以_mm開頭，他就是屬于SSE的指令 ， 實際行他并不是，他是屬于AVX2的 ， 只是高級別的指令集對老指令的有效補充 。
_mm256_i32gather_epi32的相關說明如下：
AVX圖像算法優化系列二: 使用AVX2指令集加速查表算法。

文章插圖
其作用 ， 翻譯過來就是從固定的基地址base_addr開始，燃用偏移量由 vindex提供 ， 注意這里的vindex是一個__m256i數據類型，里面的數據要把它看成8個int32類型，即保存了8個數據的地址偏移量，最后一個scale表示地址偏移量的放大系數 ， 容許的值只有1、2、4、8，代表了字節，雙字節，四字節和把字節的意思 ， 通常_mm256_i32gather_epi32一般都是使用的4這個數據 。

推薦閱讀