为什么我的SSE不比C / C ++代码快?

时间:2011-11-16 09:11:56

标签: c++ opencv sse

我刚刚开始使用SSE优化我的计算机视觉项目代码,旨在检测图像中的肤色。以下是我的功能。该函数采用彩色图像并查看每个像素并返回概率图。注释掉的代码是我最初的C ++实现,其余的是SSE版本。我对它们进行了计时,并且发现SSE并不比我原来的C ++代码快得多。有关正在发生的事情或如何进一步优化功能的任何建议?

void EvalSkinProb(const Mat& cvmColorImg, Mat& cvmProb)
{
    std::clock_t ts = std::clock();  
    Mat cvmHSV = Mat::zeros(cvmColorImg.rows, cvmColorImg.cols, CV_8UC3);
    cvtColor(cvmColorImg, cvmHSV, CV_BGR2HSV);
    std::clock_t te1 = std::clock(); 

    float fFG, fBG;
    double dp;

    __declspec(align(16)) int frgb[4] = {0};
    __declspec(align(16)) int fBase[4] = {g_iLowHue, g_iLowSat, g_iLowVal, 0};
    __declspec(align(16)) int fIndx[4] = {0};
    __m128i* pSrc1 = (__m128i*) frgb;
    __m128i* pSrc2 = (__m128i*) fBase;
    __m128i* pDest = (__m128i*) fIndx;
    __m128i m1;

    for (int y = 0; y < cvmColorImg.rows; y++)
    {
        for (int x = 0; x < cvmColorImg.cols; x++)
        {
            cv::Vec3b hsv = cvmHSV.at<cv::Vec3b>(y, x);
            frgb[0] = hsv[0];hsv[1] = hsv[1];hsv[2] =hsv[2];
            m1 = _mm_sub_epi32(*pSrc1, *pSrc2);
            *pDest = _mm_srli_epi32(m1, g_iSValPerbinBit); 

            // c++ code
            //fIndx[0] = ((hsv[0]-g_iLowHue)>>g_iSValPerbinBit);
            //fIndx[1] = ((hsv[1]-g_iLowSat)>>g_iSValPerbinBit);
            //fIndx[2] = ((hsv[2]-g_iLowVal)>>g_iSValPerbinBit);

            fFG = m_cvmSkinHist.at<float>(fIndx[0], fIndx[1], fIndx[2]);
            fBG = m_cvmBGHist.at<float>(fIndx[0], fIndx[1], fIndx[2]);
            dp = (double)fFG/(fBG+fFG);
            cvmProb.at<double>(y, x) = dp;          
        }
    }
    std::clock_t te2 = std::clock();  
    double dSecs1 = (double)(te1-ts)/(CLOCKS_PER_SEC);
    double dSecs2 = (double)(te2-te1)/(CLOCKS_PER_SEC);
}

3 个答案:

答案 0 :(得分:8)

这里的第一个问题是你正在为大量的数据移动做很少的SSE工作。您将花费大部分时间在SSE寄存器中打包/解包数据以获取2条指令......

其次,此代码中会出现非常微妙的性能损失。

您正在使用缓冲区在变量和SSE寄存器之间传输数据。这是 BIG NO-NO

原因在于CPU加载/存储单元。当您将数据写入内存位置,然后立即尝试以不同的字大小读回数据时,它通常会强制将数据一直刷新到缓存并重新读取。这可能会导致20多个惩罚周期。

这是因为CPU加载/存储单元未针对此类异常访问进行优化。

答案 1 :(得分:1)

我对OpenCV并不太熟悉,但我怀疑如果你确保你访问的数据已经在外面循环,而不是加载它,你只会获得不错的吞吐量在循环内部未对齐。

答案 2 :(得分:0)

未经测试,但它应该给你一些想法:

auto base = _mm_set_epi32(g_iLowHue, g_iLowSat, g_iLowVal, 0);

for (int y = 0; y < cvmColorImg.rows; y++)
{
    for (int x = 0; x < cvmColorImg.cols; x++)
    {              
        auto hsv = _mm_loadu_si128(&cvmHSV.at<cv::Vec3b>(y, x)[0]); // Would be better if cvmHSV was aligned in which case _mm_load_si128 is faster     
        auto m1  = _mm_sub_epi32(hsv, base);
        auto m2  = _mm_srli_epi32(m1, g_iSValPerbinBit); 

        auto fFG = static_cast<double>(m_cvmSkinHist.at<float>(m2.m128i_i32[0], m2.m128i_i32[1], m2.m128i_i32[2]));
        auto fBG = static_cast<double>(m_cvmBGHist.at<float>(m2.m128i_i32[0], m2.m128i_i32[1], m2.m128i_i32[2]));         
        cvmProb.at<double>(y, x) = fFG/(fBG+fFG);                         
    }
}