C++ OpenCV速度差平方和

我一直在使用openCV进行一些块匹配，我注意到它的平方差和代码与这样的直接for循环相比非常快：

int SSD = 0;
for(int i =0; i < arraySize; i++)
    SSD += (array1[i] - array2[i] )*(array1[i] - array2[i]);

intssd=0；
for（int i=0；i

如果我看一下源代码，看看繁重的工作发生在哪里 OpenCV人员让他们的for循环在循环的每次迭代中一次进行4次平方差计算。执行块匹配的函数如下所示

int64
icvCmpBlocksL2_8u_C1( const uchar * vec1, const uchar * vec2, int len )
{
int i, s = 0;
int64 sum = 0;

for( i = 0; i <= len - 4; i += 4 ) 
{   
    int v = vec1[i] - vec2[i];
    int e = v * v;

    v = vec1[i + 1] - vec2[i + 1]; 
    e += v * v;
    v = vec1[i + 2] - vec2[i + 2];
    e += v * v;
    v = vec1[i + 3] - vec2[i + 3];
    e += v * v;
    sum += e;
}

for( ; i < len; i++ )
{
    int v = vec1[i] - vec2[i];

    s += v * v;
}

return sum + s;
}

int64
icvCmpBlocksL2_8u_C1（常数*向量1，常数*向量2，整数长度）
{
int i，s=0；
int64总和=0；
对于（i=0；i我的猜测是，这只是一个简单的实现-它在循环的每个过程中节省了3次添加和3次比较，例如，如果检查
len
涉及缓存未命中，这将是一个巨大的节约。缺点是这种优化增加了代码复杂性（例如，如果长度不能被4平均整除，则在末尾附加for循环以完成len%4项的循环），当然，这是一种依赖于体系结构的优化，其改进幅度将因硬件/编译器等而异

尽管如此，与大多数优化相比，它很容易遵循，并且无论架构如何，都可能会导致某种性能的提高，因此，将其投入其中并希望达到最佳效果的风险很低。由于OpenCV是一个受良好支持的代码块，我确信有人对这些代码块进行了检测，并且正如您自己所做的那样，您的代码有一个明显的优化，即：

int SSD = 0;
for(int i = 0; i < arraySize; i++)
{
    int v = array1[i] - array2[i];
    SSD += v * v;
}

intssd=0；
for（int i=0；i
我对优化我的代码有点陌生。为什么将平方差计算分成两行会带来速度优势？还有，l和c在做什么？@ncRubert重点不是打破平方差计算，而是不计算2倍的差
array1[I]-array2[I]
。
int SSD = 0;
for(int i = 0; i < arraySize; i++)
{
    int v = array1[i] - array2[i];
    SSD += v * v;
}