O(1)效率的表面模糊算法优化。
O(1)效率的表面模糊算法优化。
abcijkxyz 发表于1年前
O(1)效率的表面模糊算法优化。
  • 发表于 1年前
  • 阅读 3
  • 收藏 0
  • 点赞 0
  • 评论 0

新睿云服务器60天免费使用,快来体验!>>>   

      本文的完整VS2013代码下载地址(解压密码本人博客名):http://files.cnblogs.com/files/Imageshop/SurfaceBlur.rar

      很久没有写文章了,主要是最近一段时间没有以前那么多空暇空间,内存和CPU占用率一致都很高,应前几日群里网友的要求,今天发个表面模糊的小程序来找回之前写博客的热情吧。

      国内我认为,破解表面模糊的原理的最早作者是我一直很崇拜的一位女士,她不会编程,英文也不怎么好,仅凭计算器和Excel两个工具破解了PS了很多  算法,真是个巾帼英雄。

      详见地址:http://www.missyuan.com/thread-428384-1-1.htm

      网上的有关该算法的matlab实现参考:http://www.cnblogs.com/tiandsp/archive/2012/11/06/2756441.html

      用C实现的参考:http://blog.csdn.net/maozefa/article/details/8270990

      表面模糊是属于典型的EPF滤波器中的一种,在PS的框架下好像也只有这一种自带的EPF算法,其核心也是数卷积的范畴,只是卷积的核是随着内容而变的,也属于方形半径内的算法,借助于直方图是可以做到于参数无关的O(1)算法。关于直方图的相关框架参考我的博文:任意半径局部直方图类算法在PC中快速实现的框架。, 但本文代码对其做了稍许改动。     

      为了表述方便,我们以灰度图像为例进行说明。首先,表面模糊有两个参数,半径Radius和阈值Threshold。 如果我们知道了以某点为中心,半径为Radius范围内的直方图数据Hist,以及该点的像素值,那根据原始的算法,其计算公式为:

//  最原始的算法
void Calc(unsigned short *Hist, unsigned char Value, int Threshold, unsigned char *&Pixel) { int Weight, Sum = 0, Divisor = 0; for (int Y = 0; Y < 256; Y++) { Weight = Hist[Y] * (2500 - abs(Y - Value) * 1000 / Threshold); if (Weight < 0) Weight = 0; Sum += Weight * Y; Divisor += Weight; } if (Divisor > 0) *Pixel = (Sum + (Divisor >> 1)) / Divisor; }

   注意这里我们为了减少浮点计算,将权重的计算公式放大了2500倍以便进行定点化,同时必须在最后增加一个Divisor > 0的判断,因为当Threshold很小时,可能会出现Divisor为0的现象。

     上述代码针对1000*1000的灰度图的执行时间约为1250ms,其中直方图的更新时间只有约50ms,速度难以接受。

     分析计算方法1,很明显权重计算的几个加减乘除以及下面的那句判断是比较耗时的,而其只是Y-Value的一个函数,因此,我们可以提前建立一个表,该表的索引范围从Min[Y - Value]到Max[Y - Value]之间,很明显,这个范围是[-255, 255],因此,建立如下的一个查找表:

 

for (int Y = -255; Y <= 255; Y++) { int Factor = (2500 - abs(Y) * 1000 / Threshold); if (Factor < 0) Factor = 0; Intensity[Y + 255] = Factor; }

  有了这个查找表,我们来实现第二个版本的算法如下:

// 改进后的算法 unsigned char Calc2(unsigned short *Hist, unsigned char Value, unsigned short *Intensity) { int Weight = 0, Sum = 0, Divisor = 0; unsigned short *Offset = Intensity + 255 - Value; for (int Y = 0; Y < 256; Y++) { Weight = Hist[Y] * Offset[Y]; Sum += Weight * Y; Divisor += Weight; } if (Divisor > 0) return (Sum + (Divisor >> 1)) / Divisor; // 四舍五入 else return Value; }

  同样大小的图,执行时间为350ms,速度提高约为3倍。

      我们接着来思考问题,上述有256个循环,如果我们将循环手动展开,会不会有提高呢, 我们先把代码更改如下:

// 优化后的算法 unsigned char Calc3(unsigned short *Hist, unsigned char Value, unsigned short *Intensity) { int Weight = 0, Sum = 0, Divisor = 0; unsigned short *Offset = Intensity + 255 - Value; Weight = Hist[0] * Offset[0]; Sum += Weight * 0; Divisor += Weight; // 能不能用使用指令集的并行,没有去测试了 Weight = Hist[1] * Offset[1]; Sum += Weight * 1; Divisor += Weight; Weight = Hist[2] * Offset[2]; Sum += Weight * 2; Divisor += Weight; Weight = Hist[3] * Offset[3]; Sum += Weight * 3; Divisor += Weight; /////////////////////////// ............................................................................ Weight = Hist[251] * Offset[251]; Sum += Weight * 251; Divisor += Weight; Weight = Hist[252] * Offset[252]; Sum += Weight * 252; Divisor += Weight; Weight = Hist[253] * Offset[253]; Sum += Weight * 253; Divisor += Weight; Weight = Hist[254] * Offset[254]; Sum += Weight * 254; Divisor += Weight; Weight = Hist[255] * Offset[255]; Sum += Weight * 255; Divisor += Weight; if (Divisor > 0) return (Sum + (Divisor >> 1)) / Divisor; // 四舍五入 else return Value; }

  为表述方便,中间省略了一些代码。

      测试结果为250ms,又快了一点点,为什么呢,我分析认为第一是减少了循环计数的时间,第二循环展开的 乘以 常数会被CPU优化为相关的移位或其他操作,而Calc2内部编译器是无法优化的。

      这样的函数系统一般是不会内联的,即使你在函数前面加上inline标识符,但是你可以在前面加上__forceinline标识,强制他内联,但是如果你这样做,你会发现速度反而会严重下降,为什么,请大家自行分析。

      我们在自己仔细看看,上面的循环很容易用SSE函数实现,既然我们的直方图的获取和更新利用了SSE,这里为什么不用呢,这样就诞生了我们的Calc4函数。

// 用SSE优化的算法 unsigned char Calc4(unsigned short *Hist, unsigned char Value, unsigned short *Intensity, unsigned short *Level) { unsigned short *Offset = Intensity + 255 - Value; __m128i SumS = _mm_setzero_si128(); __m128i WeightS = _mm_setzero_si128(); for (int K = 0; K < 256; K += 8) { __m128i H = _mm_load_si128((__m128i const *)(Hist + K)); __m128i L = _mm_load_si128((__m128i const *)(Level + K)); // 有能力可以使用256位的AVX寄存器 __m128i I = _mm_loadu_si128((__m128i const *)(Offset + K)); SumS = _mm_add_epi32(_mm_madd_epi16(_mm_mullo_epi16(L, I), H), SumS); WeightS = _mm_add_epi32(_mm_madd_epi16(H, I), WeightS); } const int *WW = (const int *)&WeightS; const int *SS = (const int *)&SumS; int Sum = SS[0] + SS[1] + SS[2] + SS[3]; int Divisor = WW[0] + WW[1] + WW[2] + WW[3]; if (Divisor > 0) return (Sum + (Divisor >> 1)) / Divisor; // 四舍五入 else return Value; }

  关于上面几个SSE函数的使用,我不想多谈,也没啥难易理解的,注意其中的Level是我们为了方便,预定义的一个表,其形式如下:

for (int Y = 0; Y < 256; Y++) Level[Y] = Y; // 这个是为CalcSSE方便的使用的,其他两可以删除掉这里

     不定义这个也应该可以由其他的SSE函数构造k/k+1/k+2/k+3/k+4/k+5/k+6/k+7这样的__m128i变量,我这里这样做只是为了方便,你也可以自己更改下。

     我们直接把Calc4嵌入到程序中,运行,发现运行时间降低到了100ms,比Calc3有提高了2倍多,但是效果似乎不对,怎么回事呢。

     这主要是因为上述的SSE函数是针对unsigned short类型,而我们构造的Intensity数据较大,进行乘法后会超出unsigned short所能表达的范围,因此我们需要改动Intensity的定义:

 // 为了SSE里不溢出,把这里的数据变小,当然这样算法的准确度降低了,但是为了速度....... for (int Y = -255; Y <= 255; Y++) { int Factor = (255 - abs(Y) * 100 / Threshold); if (Factor < 0) Factor = 0; Intensity[Y + 255] = Factor / 2; }

  最后一个除以2估计是因为SSE内部还是按照signed short处理的,这样做会导致算法的精度降低。

     经过上述改动,效果就正确了。

     对于彩色图像,一种做法就是直接扩展现在单通道的代码,让其支持三通道,另外一个办法就是把图像先拆分成3通道独立的数据,然后没通道独立处理,处理完成后再合成,这样做有两个好处,第一是代码复用;第二就是如果支持Openmp或者其他的并行库,可以让3通道并行起来执行。但是也有2个不足,第一是内存占用会增加很多,因为这种算法是不支持In-Place操作的,所以必须分配6份单通道的数据,而算法内部分配的内存由于并行的关系也要增加一些(不是三倍),及时考虑到可以把其中三个通道的数放置到Dest中,也会增加3份通道的数据,这对于某些设备可能是难以接受的(比如低端的安卓机)。具体如何使用就看应用场景了。 

      针对实际的应用,一种可选的进一步加速的方式就是把图像的色阶范围进一步缩小,比如由256色阶变为128或者64色阶,这样理论上还可以在快2倍到4倍,不过效果会稍有下降,一般128位时还是可以接受的。

 

         

     我看到很多人转载我的文章,我很感谢,但是很多人没有一点点的尊重别人的意识,转载请你在博文的最前面声明为转载,并不要更改本文下部赞助二维码。

    

 

    ****************************作者: laviewpbt   时间: 2015.10.24    联系QQ:  33184777 转载请保留本行信息**********************

  • 打赏
  • 点赞
  • 收藏
  • 分享
共有 人打赏支持
粉丝 59
博文 6195
码字总数 1876
×
abcijkxyz
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: