积分图像的优化

Question

我试图实现多通道积分图像算法，但它太慢（200张图像（640x480）为8秒，在Core 2 Quad上）。我预计200张图片会达到1秒。

这是分析结果（超过200张图片，n_bins = 8）：

如何优化*ps = *psu + s？

Plain text version of code

Answer 1

开始检查编译器设置，是否设置为最高性能？

然而，根据架构，积分图像的计算有几个瓶颈。

1. 计算本身，一些低成本的CPU无法执行具有良好性能的整数数学运算。没有解决方案。

2. 数据流不是最佳的。解决方案是提供最佳数据流（顺序读取和写入流的数量）。例如，您可以同时处理2行。

3. 算法的数据依赖性。在现代CPU上，它可能是最大的问题。解决方案是改变处理算法。例如，计算没有依赖性的奇数/偶数像素（更多计算，更少依赖）。

4. 可以使用GPU完成处理。

Answer 2

我很难相信个人资料的结果。在此代码中

16      for (int x = 1; x < w + 1; x++, pg++, ps += n_bins, psu += n_bins) {
17          s += *pg;
18          *ps = *psu + s;
19      }

它表示狮子的时间份额在第18行，17​​岁时很少，第16行几乎没有。 然而，它也在进行比较，两次增量，每次迭代增加三次。 缓存未命中可能会解释它，但是双重检查没有坏处，我使用this technique。

无论如何，循环可以展开，例如：

int x = w;
while(x >= 4){

  s += pg[0];
  ps[n_bins*0] = psu[n_bins*0] + s;

  s += pg[1];
  ps[n_bins*1] = psu[n_bins*1] + s;

  s += pg[2];
  ps[n_bins*2] = psu[n_bins*2] + s;

  s += pg[3];
  ps[n_bins*3] = psu[n_bins*3] + s;

  x -= 4;
  pg += 4;
  ps += n_bins*4;
  psu += n_bins*4;
}
for(; --x >= 0;){
  s += *pg;
  *ps = *psu + s;
  pg++;
  ps += n_bins;
  psu += n_bins;
}

如果n_bins恰好是常量，这可以使编译器能够对while循环中的代码进行更多优化。

Answer 3

您可能不是为了计算整体图像而计算积分图像。

我想象两种情况：

1）您使用每个像素上的积分图像来计算盒式过滤器或类似物。

2）你在少得多的地方使用它们。

在案例1）中，积分图像的计算可能不是您应用程序中的瓶颈。

在案例2）中，您应该想知道计算整个积分图像是否值得。

这就是说，四线程的并行化也是一种选择。最简单的方法是让每个线程计算每四个图像。

您也可以将每个图像拆分为四个，但是您需要同步线程，还要考虑前缀和是否受数据依赖性限制。 （您可以将图像分成四个并计算单独的积分图像，但在此步骤之后，您需要为三个四分之一图像添加一个常量。）