积分图像优化

Question

我正在尝试实现多通道积分图像算法，但速度太慢（Core 2 Quad 上 200 张图像（640x480）需要 8 秒）。我预计 200 张图像的时间为 1 秒。

这是分析结果（超过 200 张图像，n_bins=8）：

如何优化*ps = *psu + s？

Plain text version of code

Answer 1

开始检查编译器设置，是否设置为最高性能？

然后，根据架构，积分图像的计算有几个瓶颈。

1. 计算本身，一些低成本 CPU 无法以良好的性能执行整数数学。没有解决方案。

2. 数据流不是最优的。解决方案是提供最佳数据流（顺序读取和写入流的数量）。例如，您可以同时处理 2 行。

3. 算法的数据依赖性。在现代 CPU 上，这可能是最大的问题。解决方法是改变处理算法。例如计算不依赖的奇/偶像素（更多的计算，更少的依赖）。

4. 可以使用 GPU 进行处理。

Answer 2

我很难相信个人资料结果。在这段代码中

16      for (int x = 1; x < w + 1; x++, pg++, ps += n_bins, psu += n_bins) {
17          s += *pg;
18          *ps = *psu + s;
19      }

它说大部分时间在第 18 行，在第 17 行很少，在第 16 行几乎没有。 然而，它还在每次迭代中进行比较、两个增量和三个添加。 缓存未命中可能会解释这一点，但仔细检查并没有什么坏处，我使用 this technique 进行。

无论如何，循环都可以展开，例如：

int x = w;
while(x >= 4){

  s += pg[0];
  ps[n_bins*0] = psu[n_bins*0] + s;

  s += pg[1];
  ps[n_bins*1] = psu[n_bins*1] + s;

  s += pg[2];
  ps[n_bins*2] = psu[n_bins*2] + s;

  s += pg[3];
  ps[n_bins*3] = psu[n_bins*3] + s;

  x -= 4;
  pg += 4;
  ps += n_bins*4;
  psu += n_bins*4;
}
for(; --x >= 0;){
  s += *pg;
  *ps = *psu + s;
  pg++;
  ps += n_bins;
  psu += n_bins;
}

如果n_bins 恰好是一个常量，这可以使编译器对while 循环中的代码进行更多优化。

Answer 3

您可能不会仅仅为了计算积分图像而计算积分图像。

我想象两种情况：

1）您使用每个像素上的积分图像来计算框过滤器或类似的。

2) 你在更少的地方使用它们。

在情况 1) 中，积分图像的计算可能不会成为您应用程序的瓶颈。

在情况 2) 中，您应该想知道是否值得计算整个积分图像。

也就是说，四个线程的并行化也是一种选择。最简单的方法是让每个线程每四个图像计算一次。

您也可以将每个图像一分为四，但您会因为需要同步线程而受到惩罚，而且前缀和受数据依赖性约束的事实也会使您受到惩罚。 （您可以将图像一分为四并计算单独的积分图像，但在此步骤之后，您需要将一个常数添加到三个四分之一图像中。）