用C++优化双线性调整算法

Question

有没有人能在下一个双线性调整算法中找到提高速度的方法？我需要提高速度，因为这是至关重要的，保持良好的图像质量。预计将用于具有低速CPU的移动设备。该算法主要用于放大大小调整。任何其他更快的双线性算法也将不胜感激。谢谢

void resize(int* input, int* output, int sourceWidth, int sourceHeight, int targetWidth, int targetHeight) 
{    
    int a, b, c, d, x, y, index;
    float x_ratio = ((float)(sourceWidth - 1)) / targetWidth;
    float y_ratio = ((float)(sourceHeight - 1)) / targetHeight;
    float x_diff, y_diff, blue, red, green ;
    int offset = 0 ;

    for (int i = 0; i < targetHeight; i++) 
    {
        for (int j = 0; j < targetWidth; j++) 
        {
            x = (int)(x_ratio * j) ;
            y = (int)(y_ratio * i) ;
            x_diff = (x_ratio * j) - x ;
            y_diff = (y_ratio * i) - y ;
            index = (y * sourceWidth + x) ;                
            a = input[index] ;
            b = input[index + 1] ;
            c = input[index + sourceWidth] ;
            d = input[index + sourceWidth + 1] ;

            // blue element
            blue = (a&0xff)*(1-x_diff)*(1-y_diff) + (b&0xff)*(x_diff)*(1-y_diff) +
                   (c&0xff)*(y_diff)*(1-x_diff)   + (d&0xff)*(x_diff*y_diff);

            // green element
            green = ((a>>8)&0xff)*(1-x_diff)*(1-y_diff) + ((b>>8)&0xff)*(x_diff)*(1-y_diff) +
                    ((c>>8)&0xff)*(y_diff)*(1-x_diff)   + ((d>>8)&0xff)*(x_diff*y_diff);

            // red element
            red = ((a>>16)&0xff)*(1-x_diff)*(1-y_diff) + ((b>>16)&0xff)*(x_diff)*(1-y_diff) +
                  ((c>>16)&0xff)*(y_diff)*(1-x_diff)   + ((d>>16)&0xff)*(x_diff*y_diff);

            output [offset++] = 
                    0x000000ff | // alpha
                    ((((int)red)   << 24)&0xff0000) |
                    ((((int)green) << 16)&0xff00) |
                    ((((int)blue)  << 8)&0xff00);
        }
    }
}

Answer 1

在我的脑海中：

1. 停止使用浮点，除非你确定你的目标CPU有良好的performance.
2. Make确保内存访问是缓存优化的，也就是聚集在一起。
4. 使用尽可能快的数据类型。有时这意味着最小，有时它意味着“最本机，如果有符号/无符号整数操作，则需要最少的overhead".
5. Investigate如果查找表而不是计算得到任何东西，则会在platform.
6. Investigate上产生性能成本(但这些操作可能会耗尽缓存，所以要小心)。

当然，还要做大量的分析和测量。

Answer 2

内联缓存和查找表

缓存在您的算法中您的计算。

• Avoid重复计算(如(1-y_diff)或(x_ratio * j))

检查算法的所有行，并尝试识别重复模式。将这些内容提取到局部变量。还有可能提取到函数，如果它们足够短，可以内联，以使事情更像一个查找表

很有可能，如果您能腾出一些内存，您可以为您的RGB值实现一个“存储”，并简单地根据生成它们的输入来“获取”它们。也许你不需要把它们都存储起来，但你可以尝试一下，看看是否会经常回来。或者，您可以“软化”您的颜色，从而最终得到更少的值来存储更多的查找输入。

如果您知道输入的边界，就可以计算完整的域空间，并找出缓存的意义。例如，如果你不能缓存整个R，G，B的值，也许你至少可以预先计算移位((b>>16)等等)。在你的情况下最有可能是确定性的)。

使用正确的数据类型来提高性能

如果可以避免double和float变量，请使用int。在大多数架构上，由于内存模型的原因，int的计算速度会更快。你仍然可以通过简单地转换你的单位来达到不错的精度(例如，使用1026作为int，而不是1.026作为double或float)。很可能这个技巧对你来说就足够了。

Answer 3

 x = (int)(x_ratio * j) ;
 y = (int)(y_ratio * i) ;
 x_diff = (x_ratio * j) - x ;
 y_diff = (y_ratio * i) - y ;
 index = (y * sourceWidth + x) ;        

当然可以使用一些优化:您在几个周期之前还在使用x_ration * j-1，所以这里真正需要的就是x+=x_ratio