Question

嗨，我正在研究高斯模糊。我使用下面的函数来计算在其上应用1 D高斯内核后的像素值。我想将此功能转换为非常高效的SSE，以便我可以获得显着的性能提升，但我从未使用它，所以无法写出正确的。有人可以帮我这个。

struct PixelValue   
{
    uint32_t R;  // 32bpp so that we don't overflow on below add
    uint32 G;  
    uint32 B;
    uint32 A;
};

Pixel FindPixelvalue(short* gausianFilter, short filterSize, unsigned int* pixels)
{
    Pixel out;
    const char* srcByte = reinterpret_cast< const char * >( pixels );

    while ( filterSize > 0 )
    {
       short value = *gausianFilter;

       out.R = out.R + *srcByte++ * value;
       out.G = out.G + *srcByte++ * value;
       out.B = out.B + *srcByte++ * value;
       out.A = out.A + *srcByte++ * value;

       gausianFilter++;
       filterSize--;
   }

   return out;
}

Answer 1

要获得最大的加速，您可能需要一次计算多个像素。尝试一次为单个像素获得SIMD加速将需要更多的随机播放。

我将假设您的像素颜色分量为uint8_t，即使您实际将其转换为char。（char可以是签名或未签名的IDK，它位于Linux或Windows 64bit ABI中，因为如果有问题，你做错了。）

这是数据移动如何进行的第一次尝试。我认为这是次优的，有太多的改组。英特尔AVX case-study计算并行多行的结果，因此它们可以在乘法之前广播单个高斯系数，而不需要将多个系数混洗成模式。

加载8个高斯系数（8个字的一个16B向量）
加载8个连续像素（两个16B矢量，每个4像素）：{R1 G1 B1 A1 R2 G2 B2 A2 ...}，{R5 G5 B5 A5 ...}
交错低半部分（punpcklbw），因此您拥有{R1 R5 G1 G5 B1 B5 A1 A5 R2 R6 ... }。（后来，用高半部分再重复一遍）
将零（punpcklbw / punpckhbw）解包为两个字元素向量
将高斯系数混洗为{C1 C5 C1 C5 C1 C5 ...}
pmaddwd。它垂直倍增，然后将水平对添加到32位元素中。这是早期交错的动机，并安排高斯系数匹配。
重复其他三组像素，{C2 C6 C2 C6 ...}系数
将结果添加到累加器（paddd）。

最后，您将拥有一个包含四个元素的向量：{R G B A}。

有关指南的链接，请参阅x86 wiki页面（例如，英特尔的内在指南可帮助您找到所需指令的C内在函数。）

就像我说的，这可能不是最佳的。 pmaddwd是一个非常好的多重添加，具有16位输入和32位输出，但是对数据进行混洗，因此可以加在一起的元素水平相邻可能比仅使用较慢的pmulld更多开销（ SSE4.1正常32位打包乘法）。这样就可以一次处理多个像素，并在系数阵列的时间广播一个字。（AVX2 vpbroadcastw，或两步改组。）

将gausian函数转换为SSE

1 个答案: