SIMD / SSE新手：简单的图像过滤
我对SIMD / SSE非常陌生，我试图做一些简单的图像过滤（模糊处理）。 下面的代码通过在水平方向上进行简单的[1 2 1]加权来过滤8位灰度位图的每个像素。 我一次创建16个像素的总和。
这段代码看起来非常糟糕，至少对我来说，是有很多插入/提取，它不是很优雅，可能会减慢一切。 转移时，是否有更好的方法将数据从一个区域转换为另一个区域？
buf是图像数据，16字节对齐。 宽/高是16的倍数。
__m128i *p = (__m128i *) buf;
__m128i cur1, cur2, sum1, sum2, zeros, tmp1, tmp2, saved;
zeros = _mm_setzero_si128();
short shifted, last = 0, next;
// preload first row
cur1 = _mm_load_si128(p);
for (x = 1; x < (w * h) / 16; x++) {
// unpack
sum1 = sum2 = saved = cur1;
sum1 = _mm_unpacklo_epi8(sum1, zeros);
sum2 = _mm_unpackhi_epi8(sum2, zeros);
cur1 = tmp1 = sum1;
cur2 = tmp2 = sum2;
// "middle" pixel
sum1 = _mm_add_epi16(sum1, sum1);
sum2 = _mm_add_epi16(sum2, sum2);
// left pixel
cur2 = _mm_slli_si128(cur2, 2);
shifted = _mm_extract_epi16(cur1, 7);
cur2 = _mm_insert_epi16(cur2, shifted, 0);
cur1 = _mm_slli_si128(cur1, 2);
cur1 = _mm_insert_epi16(cur1, last, 0);
sum1 = _mm_add_epi16(sum1, cur1);
sum2 = _mm_add_epi16(sum2, cur2);
// right pixel
tmp1 = _mm_srli_si128(tmp1, 2);
shifted = _mm_extract_epi16(tmp2, 0);
tmp1 = _mm_insert_epi16(tmp1, shifted, 7);
tmp2 = _mm_srli_si128(tmp2, 2);
// preload next row
cur1 = _mm_load_si128(p + x);
// we need the first pixel of the next row for the "right" pixel
next = _mm_extract_epi16(cur1, 0) & 0xff;
tmp2 = _mm_insert_epi16(tmp2, next, 7);
// and the last pixel of last row for the next "left" pixel
last = ((uint16_t) _mm_extract_epi16(saved, 7)) >> 8;
sum1 = _mm_add_epi16(sum1, tmp1);
sum2 = _mm_add_epi16(sum2, tmp2);
// divide
sum1 = _mm_srli_epi16(sum1, 2);
sum2 = _mm_srli_epi16(sum2, 2);
sum1 = _mm_packus_epi16(sum1, sum2);
mm_store_si128(p + x - 1, sum1);
}
我建议保持SSE寄存器的相邻像素。 也就是说，将_mm_slli_si128 / _mm_srli_si128的结果保存在一个SSE变量中，并消除所有的插入和提取。 我的推理是，在较老的CPU中，插入/提取指令需要SSE单元和通用单元之间的通信，这比在SSE中保持计算慢得多，即使它溢出到L1缓存。
完成后，应该只有四个16位移位（_mm_slli_si128，_mm_srli_si128，不包括divison位移）。 我的建议是用你的代码做一个基准测试，因为那段时间你的代码可能已经达到了内存带宽限制，这意味着你不能再优化了。
如果图像很大（大于L2尺寸）并且输出不会很快回读，请尝试使用MOVNTDQ（_mm_stream_si128）进行回写。 根据几个网站，它在SSE2，尽管你可能想要仔细检查。
SIMD教程：
一些SIMD大师网站：
在SSE3.5（又名SSSE3）出现之前，这种邻里操作对SSE来说总是很痛苦，并且引入了PALIGNR（_mm_alignr_epi8）。
但是，如果您需要与SSE2 / SSE3向后兼容，则可以编写一个等效的宏或内联函数，它们针对SSE2 / SSE3仿真_mm_alignr_epi8，并在针对SSE3.5 / SSE4时下降到_mm_alignr_epi8。
另一种方法是使用未对齐的负载来获取移位的数据 - 这在较旧的CPU上相对昂贵（大约是对齐负载的两倍延迟和一半的吞吐量），但这可能是可以接受的，取决于您每次负载所做的大量计算。 它还具有以下优点：与当前的英特尔CPU（Core i7）未对齐的负载相比，对齐的负载没有任何损失，因此您的代码在Core i7等上的效率非常高。
链接地址: http://www.djcxy.com/p/46625.html上一篇: SIMD/SSE newbie: simple image filtering
下一篇: infer a common supertype based on a parameter value and function parameter types