图形图像处理－之－高质量的快速的图像缩放 上篇 近邻取样插值和其速度优化

图形图像处理－之－高质量的快速的图像缩放 上篇 近邻取样插值和其速度优化

分类： 图形图像2006-11-22
16:50 6402人阅读 评论(15) 收藏 举报

图形图像处理－之－高质量的快速的图像缩放 上篇 近邻取样插值和其速度优化

HouSisong@GMail.com 2006.11.22

(2009.03.07 可以到这里下载缩放算法的完整的可以编译的项目源代码: http://blog.csdn.net/housisong/archive/2009/03/07/3967270.aspx )

( 2007.06.06 更新测试数据,编译器由vc6改为vc2005,CPU由赛扬2G改为AMD64x2 4200+(2.1G) )

(2007.01.02更新)

tag:图像缩放,速度优化,定点数优化,近邻取样插值,二次线性插值,三次线性插值,

MipMap链,三次卷积插值,MMX,SSE,SSE2,CPU缓存优化

摘要:首先给出一个基本的图像缩放算法，然后一步一步的优化其速度和缩放质量；

高质量的快速的图像缩放 全文 分为:

上篇 近邻取样插值和其速度优化

中篇 二次线性插值和三次卷积插值

下篇 三次线性插值和MipMap链

补充 使用SSE2优化

正文：

为了便于讨论，这里只处理32bit的ARGB颜色；

代码使用C++;涉及到汇编优化的时候假定为x86平台;使用的编译器为vc2005;

为了代码的可读性,没有加入异常处理代码;

测试使用的CPU为AMD64x2 4200+(2.37G) 和 Intel Core2 4400(2.00G);

速度测试说明:

只测试内存数据到内存数据的缩放

测试图片都是800*600缩放到1024*768; fps表示每秒钟的帧数,值越大表示函数越快

////////////////////////////////////////////////////////////////////////////////

//Windows GDI相关函数参考速度:

//==============================================================================

// BitBlt 544.7 fps //is copy 800*600 to 800*600

// BitBlt 331.6 fps //is copy 1024*1024 to 1024*1024

// StretchBlt 232.7 fps //is zoom 800*600 to 1024*1024

////////////////////////////////////////////////////////////////////////////////

A: 首先定义图像数据结构:

#define asm __asm

typedef unsigned char TUInt8; // [0..255]

struct TARGB32 //32 bit color

{

TUInt8 B,G,R,A; // A is alpha

};

struct TPicRegion //一块颜色数据区的描述，便于参数传递

{

TARGB32* pdata; //颜色数据首地址

long byte_width; //一行数据的物理宽度(字节宽度)；

//abs(byte_width)有可能大于等于width*sizeof(TARGB32);

long width; //像素宽度

long height; //像素高度

};

//那么访问一个点的函数可以写为：

inline TARGB32& Pixels(const TPicRegion& pic,const long x,const long y)

{

return ( (TARGB32*)((TUInt8*)pic.pdata+pic.byte_width*y) )[x];

}

B: 缩放原理和公式图示:



缩放后图片 原图片

(宽DW,高DH) (宽SW,高SH)

(Sx-0)/(SW-0)=(Dx-0)/(DW-0) (Sy-0)/(SH-0)=(Dy-0)/(DH-0)

=> Sx=Dx*SW/DW Sy=Dy*SH/DH

C: 缩放算法的一个参考实现

//给出一个最简单的缩放函数(插值方式为近邻取样,而且我“尽力”把它写得慢一些了:D)

//Src.PColorData指向源数据区,Dst.PColorData指向目的数据区

//函数将大小为Src.Width*Src.Height的图片缩放到Dst.Width*Dst.Height的区域中

void PicZoom0(const TPicRegion& Dst,const TPicRegion& Src)

{

if ( (0==Dst.width)||(0==Dst.height)

||(0==Src.width)||(0==Src.height)) return;

for (long x=0;x<Dst.width;++x)

{

for (long y=0;y<Dst.height;++y)

{

long srcx=(x*Src.width/Dst.width);

long srcy=(y*Src.height/Dst.height);

Pixels(Dst,x,y)=Pixels(Src,srcx,srcy);

}

}

}

////////////////////////////////////////////////////////////////////////////////

//速度测试:

//==============================================================================

// PicZoom0 19.4 fps

////////////////////////////////////////////////////////////////////////////////

D: 优化PicZoom0函数

a.PicZoom0函数并没有按照颜色数据在内存中的排列顺序读写(内部循环递增y行

索引)，将造成CPU缓存预读失败和内存颠簸导致巨大的性能损失,(很多硬件都有这种特性,

包括缓存、内存、显存、硬盘等,优化顺序访问，随机访问时会造成巨大的性能损失)

所以先交换x,y循环的顺序:

void PicZoom1(const TPicRegion& Dst,const TPicRegion& Src)

{

if ( (0==Dst.width)||(0==Dst.height)

||(0==Src.width)||(0==Src.height)) return;

for (long y=0;y<Dst.height;++y)

{

for (long x=0;x<Dst.width;++x)

{

long srcx=(x*Src.width/Dst.width);

long srcy=(y*Src.height/Dst.height);

Pixels(Dst,x,y)=Pixels(Src,srcx,srcy);

}

}

}

////////////////////////////////////////////////////////////////////////////////

//速度测试:

//==============================================================================

// PicZoom1 30.1 fps

////////////////////////////////////////////////////////////////////////////////

b.“(x*Src.Width/Dst.Width)”表达式中有一个除法运算，它属于很慢的操作(比一般

的加减运算慢几十倍!),使用定点数的方法来优化它；

void PicZoom2(const TPicRegion& Dst,const TPicRegion& Src)

{

if ( (0==Dst.width)||(0==Dst.height)

||(0==Src.width)||(0==Src.height)) return;

//函数能够处理的最大图片尺寸65536*65536

unsigned long xrIntFloat_16=(Src.width<<16)/Dst.width+1; //16.16格式定点数

unsigned long yrIntFloat_16=(Src.height<<16)/Dst.height+1; //16.16格式定点数
//可证明: (Dst.width-1)*xrIntFloat_16<Src.width成立
for (unsigned long y=0;y<Dst.height;++y)

{

for (unsigned long x=0;x<Dst.width;++x)

{

unsigned long srcx=(x*xrIntFloat_16)>>16;

unsigned long srcy=(y*yrIntFloat_16)>>16;

Pixels(Dst,x,y)=Pixels(Src,srcx,srcy);

}

}
}

////////////////////////////////////////////////////////////////////////////////

//速度测试:

//==============================================================================

// PicZoom2 185.8 fps

////////////////////////////////////////////////////////////////////////////////

c. 在x的循环中y一直不变，那么可以提前计算与y相关的值; 1.可以发现srcy的值和x变量无关，可以提前到x轴循环之前；2.展开Pixels函数，优化与y相关的指针计算；

void PicZoom3(const TPicRegion& Dst,const TPicRegion& Src)

{

if ( (0==Dst.width)||(0==Dst.height)

||(0==Src.width)||(0==Src.height)) return;

unsigned long xrIntFloat_16=(Src.width<<16)/Dst.width+1;

unsigned long yrIntFloat_16=(Src.height<<16)/Dst.height+1;
unsigned long dst_width=Dst.width;

TARGB32* pDstLine=Dst.pdata;

unsigned long srcy_16=0;

for (unsigned long y=0;y<Dst.height;++y)

{

TARGB32* pSrcLine=((TARGB32*)((TUInt8*)Src.pdata+Src.byte_width*(srcy_16>>16)));

unsigned long srcx_16=0;

for (unsigned long x=0;x<dst_width;++x)

{

pDstLine[x]=pSrcLine[srcx_16>>16];

srcx_16+=xrIntFloat_16;

}

srcy_16+=yrIntFloat_16;

((TUInt8*&)pDstLine)+=Dst.byte_width;

}

}

////////////////////////////////////////////////////////////////////////////////

//速度测试:

//==============================================================================

// PicZoom3 414.4 fps

////////////////////////////////////////////////////////////////////////////////

d.定点数优化使函数能够处理的最大图片尺寸和缩放结果(肉眼不可察觉的误差)受到了一

定的影响,这里给出一个使用浮点运算的版本,可以在有这种需求的场合使用:

void PicZoom3_float(const TPicRegion& Dst,const TPicRegion& Src)

{

//注意: 该函数需要FPU支持

if ( (0==Dst.width)||(0==Dst.height)

||(0==Src.width)||(0==Src.height)) return;

double xrFloat=1.000000001/((double)Dst.width/Src.width);

double yrFloat=1.000000001/((double)Dst.height/Src.height);

unsigned short RC_Old;

unsigned short RC_Edit;

asm //设置FPU的取整方式 为了直接使用fist浮点指令

{

FNSTCW RC_Old // 保存协处理器控制字,用来恢复

FNSTCW RC_Edit // 保存协处理器控制字,用来修改

FWAIT

OR RC_Edit, 0x0F00 // 改为 RC=11 使FPU向零取整

FLDCW RC_Edit // 载入协处理器控制字,RC场已经修改

}

unsigned long dst_width=Dst.width;

TARGB32* pDstLine=Dst.pdata;

double srcy=0;

for (unsigned long y=0;y<Dst.height;++y)

{

TARGB32* pSrcLine=((TARGB32*)((TUInt8*)Src.pdata+Src.byte_width*((long)srcy)));

/**//*

double srcx=0;

for (unsigned long x=0;x<dst_width;++x)

{

pDstLine[x]=pSrcLine[(unsigned long)srcx];//因为默认的浮点取整是一个很慢

//的操作! 所以才使用了直接操作FPU的内联汇编代码。

srcx+=xrFloat;

}*/

asm fld xrFloat //st0==xrFloat

asm fldz //st0==0 st1==xrFloat

unsigned long srcx=0;

for (long x=0;x<dst_width;++x)

{

asm fist dword ptr srcx //srcx=(long)st0

pDstLine[x]=pSrcLine[srcx];

asm fadd st,st(1) //st0+=st1 st1==xrFloat

}

asm fstp st

asm fstp st

srcy+=yrFloat;

((TUInt8*&)pDstLine)+=Dst.byte_width;

}

asm //恢复FPU的取整方式

{

FWAIT

FLDCW RC_Old

}

}

////////////////////////////////////////////////////////////////////////////////

//速度测试:

//==============================================================================

// PicZoom3_float 286.2 fps

////////////////////////////////////////////////////////////////////////////////

e.注意到这样一个事实:每一行的缩放比例是固定的;那么可以预先建立一个缩放映射表格

来处理缩放映射算法(PicZoom3_Table和PicZoom3_float的实现等价);

void PicZoom3_Table(const TPicRegion& Dst,const TPicRegion& Src)

{

if ( (0==Dst.width)||(0==Dst.height)

||(0==Src.width)||(0==Src.height)) return;

unsigned long dst_width=Dst.width;

unsigned long* SrcX_Table = new unsigned long[dst_width];

for (unsigned long x=0;x<dst_width;++x)//生成表 SrcX_Table

{

SrcX_Table[x]=(x*Src.width/Dst.width);

}

TARGB32* pDstLine=Dst.pdata;

for (unsigned long y=0;y<Dst.height;++y)

{

unsigned long srcy=(y*Src.height/Dst.height);

TARGB32* pSrcLine=((TARGB32*)((TUInt8*)Src.pdata+Src.byte_width*srcy));

for (unsigned long x=0;x<dst_width;++x)

pDstLine[x]=pSrcLine[SrcX_Table[x]];

((TUInt8*&)pDstLine)+=Dst.byte_width;

}

delete [] SrcX_Table;

}

////////////////////////////////////////////////////////////////////////////////

//速度测试:

//==============================================================================

// PicZoom3_Table 390.1 fps

////////////////////////////////////////////////////////////////////////////////

f.为了加快缩放，可以采用根据缩放比例动态生成函数的方式来得到更快的缩放函数；这

有点像编译器的工作原理；要实现它需要的工作量比较大(或比较晦涩)就不再实现了；

(动态生成是一种不错的思路，但个人觉得对于缩放，实现它的必要性不大)

g.现代CPU中，在读取数据和写入数据时，都有自动的缓存机制；很容易知道，算法中生

成的数据不会很快再次使用，所以不需要写入缓存的帮助；在SSE指令集中增加了movntq

等指令来完成这个功能；

(尝试过利用CPU显式prefetcht0、prefetchnta预读指令或直接的mov读取指令等速度反

而略有下降:( 但预读在copy算法中速度优化效果很明显 )

void PicZoom3_SSE(const TPicRegion& Dst,const TPicRegion& Src)

{

//警告: 函数需要CPU支持MMX和movntq指令

if ( (0==Dst.width)||(0==Dst.height)

||(0==Src.width)||(0==Src.height)) return;

unsigned long xrIntFloat_16=(Src.width<<16)/Dst.width+1;

unsigned long yrIntFloat_16=(Src.height<<16)/Dst.height+1;

unsigned long dst_width=Dst.width;

TARGB32* pDstLine=Dst.pdata;

unsigned long srcy_16=0;

for (unsigned long y=0;y<Dst.height;++y)

{

TARGB32* pSrcLine=((TARGB32*)((TUInt8*)Src.pdata+Src.byte_width*(srcy_16>>16)));

asm

{

push ebp

mov esi,pSrcLine

mov edi,pDstLine

mov edx,xrIntFloat_16

mov ecx,dst_width

xor ebp,ebp //srcx_16=0

and ecx, (not 3) //循环4次展开

TEST ECX,ECX //nop

jle EndWriteLoop

lea edi,[edi+ecx*4]

neg ecx

//todo: 预读

WriteLoop:

mov eax,ebp

shr eax,16 //srcx_16>>16

lea ebx,[ebp+edx]

movd mm0,[esi+eax*4]

shr ebx,16 //srcx_16>>16

PUNPCKlDQ mm0,[esi+ebx*4]

lea ebp,[ebp+edx*2]

// movntq qword ptr [edi+ecx*4], mm0 //不使用缓存的写入指令

asm _emit 0x0F asm _emit 0xE7 asm _emit 0x04 asm _emit 0x8F

mov eax,ebp

shr eax,16 //srcx_16>>16

lea ebx,[ebp+edx]

movd mm1,[esi+eax*4]

shr ebx,16 //srcx_16>>16

PUNPCKlDQ mm1,[esi+ebx*4]

lea ebp,[ebp+edx*2]

// movntq qword ptr [edi+ecx*4+8], mm1 //不使用缓存的写入指令

asm _emit 0x0F asm _emit 0xE7 asm _emit 0x4C asm _emit 0x8F asm _emit 0x08

add ecx, 4

jnz WriteLoop

//sfence //刷新写入

asm _emit 0x0F asm _emit 0xAE asm _emit 0xF8

emms

EndWriteLoop:

mov ebx,ebp

pop ebp

//处理边界 循环次数为0,1,2,3；(这个循环可以展开,做一个跳转表,略)

mov ecx,dst_width

and ecx,3

TEST ECX,ECX

jle EndLineZoom

lea edi,[edi+ecx*4]

neg ecx

StartBorder:

mov eax,ebx

shr eax,16 //srcx_16>>16

mov eax,[esi+eax*4]

mov [edi+ecx*4],eax

add ebx,edx

inc ECX

JNZ StartBorder

EndLineZoom:

}

//

srcy_16+=yrIntFloat_16;

((TUInt8*&)pDstLine)+=Dst.byte_width;

}

}
//=====================================================================
//鉴于有读者反映汇编代码阅读困难，这里给出一个使用intel提供的函数调用方式的实现，

//读者可以相互对照来阅读代码

//要编译PicZoom3_SSE_mmh,需要#include <mmintrin.h> #include <xmmintrin.h>

//并且需要编译器支持

//函数PicZoom3_SSE_mmh速度为 593.7 fps
void PicZoom3_SSE_mmh(const TPicRegion& Dst,const TPicRegion& Src)

{

//警告: 函数需要CPU支持MMX和movntq指令
if ( (0==Dst.width)||(0==Dst.height)

||(0==Src.width)||(0==Src.height)) return;
unsigned long xrIntFloat_16=(Src.width<<16)/Dst.width+1;

unsigned long yrIntFloat_16=(Src.height<<16)/Dst.height+1;
unsigned long dst_width=Dst.width;

TARGB32* pDstLine=Dst.pdata;

unsigned long srcy_16=0;

unsigned long for4count=dst_width/4*4;

for (unsigned long y=0;y<Dst.height;++y)

{

TARGB32* pSrcLine=((TARGB32*)((TUInt8*)Src.pdata+Src.byte_width*(srcy_16>>16)));

unsigned long srcx_16=0;

unsigned long x;

for (x=0;x<for4count;x+=4)//循环4次展开

{

__m64 m0=_m_from_int(*(int*)(&pSrcLine[srcx_16>>16]));

srcx_16+=xrIntFloat_16;

m0=_m_punpckldq(m0, _m_from_int(*(int*)(&pSrcLine[srcx_16>>16])) );

srcx_16+=xrIntFloat_16;

__m64 m1=_m_from_int(*(int*)(&pSrcLine[srcx_16>>16]));

srcx_16+=xrIntFloat_16;

m1=_m_punpckldq(m1, _m_from_int(*(int*)(&pSrcLine[srcx_16>>16])) );

srcx_16+=xrIntFloat_16;

_mm_stream_pi((__m64 *)&pDstLine[x],m0); //不使用缓存的写入指令

_mm_stream_pi((__m64 *)&pDstLine[x+2],m1); //不使用缓存的写入指令

}

for (x=for4count;x<dst_width;++x)//处理边界

{

pDstLine[x]=pSrcLine[srcx_16>>16];

srcx_16+=xrIntFloat_16;

}

srcy_16+=yrIntFloat_16;

((TUInt8*&)pDstLine)+=Dst.byte_width;

}

_m_empty();

}

////////////////////////////////////////////////////////////////////////////////

//速度测试:

//==============================================================================

// PicZoom3_SSE 711.7 fps

////////////////////////////////////////////////////////////////////////////////

E: 缩放效果图：





原图 放大图(x轴放大8倍,y轴放大12倍)







原图 缩小图(缩小到0.66倍) 放大图(放大到1.6倍)

F: 把测试成绩放在一起：

////////////////////////////////////////////////////////////////////////////////

//CPU: AMD64x2 4200+(2.1G) zoom 800*600 to 1024*768

//==============================================================================

// BitBlt 544.7 fps //is copy 800*600 to 800*600

// BitBlt 331.6 fps //is copy 1024*1024 to 1024*1024

// StretchBlt 232.7 fps //is zoom 800*600 to 1024*1024

//

// PicZoom0 19.4 fps

// PicZoom1 30.1 fps

// PicZoom2 185.8 fps

// PicZoom3 414.4 fps

// PicZoom3_float 286.2 fps

// PicZoom3_Table 390.1 fps

// PicZoom3_SSE 711.7 fps

////////////////////////////////////////////////////////////////////////////////

补充Intel Core2 4400上的测试成绩:

////////////////////////////////////////////////////////////////////////////////

//CPU: Intel Core2 4400(2.00G) zoom 800*600 to 1024*768

//==============================================================================

// PicZoom0 15.0 fps

// PicZoom1 63.9 fps

// PicZoom2 231.2 fps

// PicZoom3 460.5 fps

// PicZoom3_float 422.5 fps

// PicZoom3_Table 457.6 fps

// PicZoom3_SSE 1099.7 fps

////////////////////////////////////////////////////////////////////////////////