c++ - 用C++实现图像插值

Question

我有一个关于使用 C++ 实现图像插值(双三次和双线性方法)的问题。我主要关心的是速度。根据我对问题的理解，为了使插值程序快速高效，可以采用以下策略:

1. 使用流式 SIMD 扩展 (SSE) 进行快速图像插值

2. 使用多线程或 GPU 进行图像解释

3. 快速图像插值算法

4. C++实现技巧

这里，我对最后一种策略比较感兴趣。我设置了一个插值类:

     /**
        * This class is used to perform interpretaion for a certain poin in 
        * the image grid.
        */
        class  Sampling
        {
        public:
            //   samples[0] *-------------* samples[1]
            //              --------------
            //              --------------
            //   samples[2] *-------------*samples[3]
            inline void sampling_linear(unsigned char *samples, unsigned char &res)
            {
                unsigned char res_temp[2];
                sampling_linear_1D(samples,res_temp[0]);
                sampling_linear_1D(samples+2,res_temp[1]);
                sampling_linear_1D(res_temp,res);
            }
        private:
            inline void sampling_linear_1D(unsigned char *samples, unsigned char &res)
            {
            }
        }

这里我只举一个双线性插值的例子。为了使程序运行得更快，采用了内联函数。我的问题是这个实现方案是否有效。此外，在解释过程中，如果我给用户提供在不同插值方法之间进行选择的选项。那么我有两个选择:

1. 根据插值方法，调用对整个图像执行插值的函数。
2. 对于每个输出图像像素，首先确定其在输入图像中的位置，然后根据插值方法设置，确定插值函数。

第一种方法意味着程序中的代码较多，而第二种方法可能会导致效率低下。那么，我该如何选择这两种方案呢？谢谢!

Answer 1

Fast image interpolation using Streaming SIMD Extensions (SSE)

这可能无法提供所需的结果，因为我希望您的算法受内存限制而不是 FLOP/s 限制。

我的意思是 - 它肯定会有所改进，但与实现成本相比没有好处。

顺便说一句，现代编译器可以执行自动矢量化(即使用 SSE 和进一步的扩展):GCC starting from 4.0 , MSVC starting from 2012 , MSVC Auto-Vectorization video lectures .

Image interpretation with multi-thread or GPU

多线程版本应该会产生很好的效果，因为它可以让您利用所有可用的内存吞吐量。

如果您不打算多次处理数据，或以某种方式在 GPU 上使用它，则 GPGPU 可能无法提供所需的结果。是的，它会更快地产生结果(主要是由于更高的内存速度)，但这种效果会被主 RAM 和 GPU 的 RAM 之间的缓慢传输所抵消。

例如，近似现代吞吐量:

1. CPU 内存 ~ 20GiB/s
2. GPU 内存 ~ 150GiB/s
3. 在 CPU RAM <-> GPU RAM 之间传输 ~ 3-5 GiB/s

对于单 channel 内存有界算法，在大多数情况下，第三项使得 GPU 的使用变得不切实际(对于此类算法)。

In order to make the program run faster, the inline function is employed

默认情况下，类成员函数是“内联”的。请注意，“inline”的主要目的实际上并不是“inling”，而是帮助防止 One Definition Rule当您的函数在 header 中定义时会发生违规。

有依赖于编译器的“forceinline”特性，例如 MSVC 有 __forceinline .或者从编译器 ifdef'ed BOOST_FORCEINLINE 宏中抽象出来。

无论如何，请相信您的编译器，除非您无法证明(例如借助汇编程序)。最重要的事实是，编译器应该看到函数定义 - 然后它可以决定自己内联，即使函数本身没有内联。

My question is whether this implementation scheme is efficient.

据我了解，作为准备步骤，您将样本收集到 2x2 矩阵中。我认为直接将两个指针直接传递给图像中两个元素的数组可能会更好，或者一个指针 + 宽度大小(自动计算第二个指针)。不过，这不是什么大问题，您的临时 2x2 矩阵很可能会被优化掉。

---

真正重要的是如何遍历图像。

假设对于给定的 x 和 y，索引计算如下:

i=width*y+x;

那么你的遍历循环应该是:

for(int y=/*...*/)
    for(int x=/*...*/)
    {
        // loop body
    }

因为，如果您选择另一个顺序(先 x，然后 y)- 它将不适合缓存，因此性能下降可能高达 64 倍(取决于您的像素大小)。您可以根据自己的兴趣查看它。

The first method means more codes in the program while the second one may lead to inefficiency. Then, how could I choose between these two schemes? Thanks!

在这种情况下，您可以使用编译时多态性来减少第一个版本的代码量。例如，基于模板。

看看std::accumulate - 它可以被编写一次，然后它将适用于不同类型的迭代器、不同的二进制操作(函数或仿函数)，而不会因为它的多态性而暗示任何运行时惩罚。

Alexander Stepanov says :

For many years, I tried to achieve relative efficiency in more advanced languages (e.g., Ada and Scheme) but failed. My generic versions of even simple algorithms were not able to compete with built-in primitives. But in C++ I was finally able to not only accomplish relative efficiency but come very close to the more ambitious goal of absolute efficiency. To verify this, I spent countless hours looking at the assembly code generated by different compilers on different architectures.

---

检查 Boost's Generic Image Library - 它有很好的教程，还有video presentation来自作者。