使用SSE计算OpenCV灰度图像的平方根

Question

给定一个灰度的 cv::Mat (CV_8UC1)，我想返回另一个包含元素平方根的 cv::Mat (CV_32FC1)，并且我想使用 SSE2 指令集来完成。但是在将 8 位值转换为 32 浮点值以执行平方根时，我遇到了一些问题。我真的很感激任何帮助。这是我的代码（它不会给出正确的值）：

uchar *source = (uchar *)cv::alignPtr(image.data, 16);
float *sqDataPtr = cv::alignPtr((float *)Squared.data, 16); 
for (x = 0; x < (pixels - 16); x += 16) {
    __m128i a0 = _mm_load_si128((__m128i *)(source + x));

    __m128i first8 = _mm_unpacklo_epi8(a0, _mm_set1_epi8(0));
    __m128i last8 = _mm_unpackhi_epi8(a0, _mm_set1_epi8(0));

    __m128i first4i = _mm_unpacklo_epi16(first8, _mm_set1_epi16(0));
    __m128i second4i = _mm_unpackhi_epi16(first8, _mm_set1_epi16(0));
    __m128 first4 = _mm_cvtepi32_ps(first4i);
    __m128 second4 = _mm_cvtepi32_ps(second4i);

    __m128i third4i = _mm_unpacklo_epi16(last8, _mm_set1_epi16(0));
    __m128i fourth4i = _mm_unpackhi_epi16(last8, _mm_set1_epi16(0));
    __m128 third4 = _mm_cvtepi32_ps(third4i);
    __m128 fourth4 = _mm_cvtepi32_ps(fourth4i);

    //  Store
    _mm_store_ps(sqDataPtr + x, _mm_sqrt_ps(first4));
    _mm_store_ps(sqDataPtr + x + 4, _mm_sqrt_ps(second4));
    _mm_store_ps(sqDataPtr + x + 8, _mm_sqrt_ps(third4));
    _mm_store_ps(sqDataPtr + x + 12, _mm_sqrt_ps(fourth4));
}

- user3696558

Answer 1

SSE代码看起来没问题，只是你没有处理最后16个像素：

for (x = 0; x < (pixels - 16); x += 16)

should be:

for (x = 0; x <= (pixels - 16); x += 16)

请注意，如果您的图像宽度不是16的倍数，则需要注意最后一个完整向量后剩余的任何像素。

还要注意，您正在对0..255范围内的值进行平方根运算。可能您想要在0..1.0范围内获得归一化的值，此时您需要相应地缩放这些值。

- Paul R

---

非常感谢您的回答，但为了简单起见，我没有复制最后几个像素的剩余计算。我不知道为什么这段代码没有得出正确的值。是的，我想要0...255之间的值的平方根。我也不知道这是否完全有效。 - user3696558

好的 - 不过循环仍然需要修复，出于性能考虑，因为你错过了处理最后一个完整向量的机会。至于功能性，我怀疑问题可能不在SSE代码中 - 也许可以尝试用简单的标量循环替换SSE代码，看看是否有效，或者在单独的测试工具中测试SSE循环以进行验证？ - Paul R

还有一件事 - 我把你的SSE代码放到了一个测试框架中，它通过了测试（一旦修复了for循环上限）。 - Paul R

好的！非常感谢！我会尝试找出为什么我的结果不一样！ - user3696558

Answer 2

我没有使用SSE2的经验，但我认为如果性能是问题，你应该使用查找表。创建查找表很快，因为你只有256个可能的值。从查找表中复制4个字节到目标矩阵应该是一个非常高效的操作。

- Michael Burdinov

---

使用查找表只能处理一点，需要两次读取和一次写入才能处理一个输入值。SSE版本每个循环迭代可以处理16个点，仅需1次读取和4次写入即可处理16个输入值。 - Paul R

非常感谢您的回答，但是是的，那样做会慢得多。 - user3696558

即使您使用OpenCV LUT函数，也可以吗？ - Micka

@Micka，据我所知，LUT函数要求输入和输出具有相同的深度。在这种情况下，输入为8U，输出为32F。 - Michael Burdinov

@Paul R，根据我的经验，使用查找表填充目标图像的值与在结果图像上执行memcpy操作的速度相当。它能比那更快多少呢？ - Michael Burdinov