我正在尝试使用Neon对图像进行下采样。所以我尝试通过编写一个使用霓虹灯减去两个图像的功能来锻炼霓虹灯,并且我已经成功了。 现在我回来用霓虹内在函数编写双线性插值。 现在我有两个问题,从一行和一列获得4个像素,并且还计算4个像素的插值(灰色),或者是否可以从一行和一列的8个像素计算。我试着考虑一下,但我认为应该重写算法?
void resizeBilinearNeon( uint8_t *src, uint8_t *dest, float srcWidth, float srcHeight, float destWidth, float destHeight)
{
int A, B, C, D, x, y, index;
float x_ratio = ((float)(srcWidth-1))/destWidth ;
float y_ratio = ((float)(srcHeight-1))/destHeight ;
float x_diff, y_diff;
for (int i=0;i<destHeight;i++) {
for (int j=0;j<destWidth;j++) {
x = (int)(x_ratio * j) ;
y = (int)(y_ratio * i) ;
x_diff = (x_ratio * j) - x ;
y_diff = (y_ratio * i) - y ;
index = y*srcWidth+x ;
uint8x8_t pixels_r = vld1_u8 (src[index]);
uint8x8_t pixels_c = vld1_u8 (src[index+srcWidth]);
// Y = A(1-w)(1-h) + B(w)(1-h) + C(h)(1-w) + Dwh
gray = (int)(
pixels_r[0]*(1-x_diff)*(1-y_diff) + pixels_r[1]*(x_diff)*(1-y_diff) +
pixels_c[0]*(y_diff)*(1-x_diff) + pixels_c[1]*(x_diff*y_diff)
) ;
dest[i*w2 + j] = gray ;
}
}
答案 0 :(得分:3)
Neon肯定会帮助使用双线性滤波以任意比率进行下采样。关键是巧妙地使用vtbl.8指令,它能够为预装数组中的8个连续目标像素执行并行查找表:
d0 = a [b] c [d] e [f] g h, d1 = i j k l m n o p
d2 = q r s t u v [w] x, d3 = [y] z [A] B [C][D] E F ...
d4 = G H I J K L M N, d5 = O P Q R S T U V ...
可以很容易地计算括号中像素的小数位数:
[b] [d] [f] [w] [y] [A] [C] [D], accessed with vtbl.8 d6, {d0,d1,d2,d3}
The row below would be accessed with vtbl.8 d7, {d2,d3,d4,d5}
增加vadd.8 d6,d30; d30 = [1 1 1 1 1 ... 1]给出了原点右边像素的查找索引等。
除了说明可能之外,没有理由从两行获取像素,并且如果需要,该方法也可用于实现轻微的失真。
使用例如实时应用程序lanzcos可能有点矫枉过正,但使用NEON仍然可行。较大因子的下采样当然需要(重)滤波,但可以通过迭代平均和2:1抽取并且仅在最后使用分数采样来轻松实现。
对于要写入的任何8个连续像素,可以计算向量
x_positions = (X + [0 1 2 3 4 5 6 7]) * source_width / target_width;
y_positions = (Y + [0 0 0 0 0 0 0 0]) * source_height / target_height;
ptr = to_int(x_positions) + y_positions * stride;
x_position += (ptr & 7); // this pointer arithmetic goes only for 8-bit planar
ptr &= ~7; // this is to adjust read pointer to qword alignment
vld1.8 {d0,d1}, [r0]
vld1.8 {d2,d3], [r0], r2 // wasn't this possible? (use r2==stride)
d4 = int_part_of (x_positions);
d5 = d4 + 1;
d6 = fract_part_of (x_positions);
d7 = fract_part_of (y_positions);
vtbl.8 d8,d4,{d0,d1} // read top row
vtbl.8 d9,d5,{d0,d1} // read top row +1
MIX(d8,d9,d6) // horizontal mix of ptr[] & ptr[1]
vtbl.8 d10,d4,{d2,d3} // read bottom row
vtbl.8 d11,d5,{d2,d3} // read bottom row
MIX(d10,d11,d6) // horizontal mix of ptr[1024] & ptr[1025]
MIX(d8,d10,d7)
// MIX (dst, src, fract) is a macro that somehow does linear blending
// should be doable with ~3-4 instructions
要计算整数部分,使用8.8位分辨率(一个实际上不必计算666+ [0 1 2 3 .. 7])并将所有中间结果保存在simd寄存器中就足够了。
免责声明 - 这是概念伪c /矢量代码。在SIMD中,有两个并行任务需要优化:所需的最小算术运算量以及如何最小化数据的不必要的混乱/复制。在这方面,具有三个寄存器方法的NEON也比SSE更适合于严重的DSP。第二个方面是乘法指令的数量和交织指令的第三个优点。
答案 1 :(得分:1)
@MarkRansom关于最近邻居与2x2双线性插值不正确;使用4个像素的双线性将产生比最近邻居更好的输出。他是正确的,平均适当数量的像素(如果按> 2:1缩放,则大于4)将产生更好的输出。但是,NEON对图像下采样没有帮助,除非按整数比率进行缩放。
NEON和其他SIMD指令集的最大好处是能够使用相同的操作一次处理8或16个像素。通过按照您的方式访问各个元素,您将失去所有SIMD权益。另一个问题是将数据从NEON移动到ARM寄存器是一个缓慢的操作。下采样图像最好通过GPU或优化的ARM指令完成。