Image processing 无符号字符图像上的快速高斯模糊-ARM Neon Intrinsics-iOS开发

有人能告诉我一个快速的函数，用一个5x5的遮罩找到图像的高斯模糊。我需要它的iOS应用程序开发。我的工作直接在内存中的图像定义为

unsigned char *image_sqr_Baseaaddr = (unsigned char *) malloc(noOfPixels);

for (row = 2; row < H-2; row++) 
{
    for (col = 2; col < W-2; col++) 
    {
        newPixel = 0;
        for (rowOffset=-2; rowOffset<=2; rowOffset++)
        {
            for (colOffset=-2; colOffset<=2; colOffset++) 
            {
                rowTotal = row + rowOffset;
                colTotal = col + colOffset;
                iOffset = (unsigned long)(rowTotal*W + colTotal);
                newPixel += (*(imgData + iOffset)) * gaussianMask[2 + rowOffset][2 + colOffset];
            }
        }
        i = (unsigned long)(row*W + col);
        *(imgData + i) = newPixel / 159;
    }
}

unsigned char*image\u sqr\u Baseaaddr=（unsigned char*）malloc（noOfPixels）；
对于（行=2；行对于（rowOffset=-2；rowOffset在使用NEON进行SIMD优化之前，您应该首先改进标量实现。目前代码的最大问题是，它的实现方式好像是一个不可分离的过滤器，而高斯核是可分离的。通过切换到可分离的实现方式，可以减少数量从N^2到2N的运算量，在5x5内核的情况下，这将是从25个乘法相加减少到10个，也就是说，只需很少的努力，就可以将速度提高2.5倍

可能充分优化的标量实现可以满足您的需求，而无需借助SIMD。如果不需要，则您至少可以将这些标量优化带到矢量化实现中



在使用NEON进行SIMD优化之前，您应该首先改进标量实现。目前代码的最大问题是，它的实现方式好像它是一个不可分离的过滤器，而高斯核是可分离的。通过切换到可分离的实现方式，您可以减少操作的数量orm N^2到2N，在5x5内核的情况下，这将是从25乘加减少到10，也就是说，只需很少的努力就可以将速度提高2.5倍

可能充分优化的标量实现可以满足您的需求，而无需借助SIMD。如果不需要，则您至少可以将这些标量优化带到矢量化实现中




分离内核，如paulr所述
不要重新发明轮子。使用vImage，它是Accelerate框架的一部分，并为您实现向量化的多线程卷积。具体来说，似乎您需要函数
vImageConvolve\u Planar8
分离内核，如paulr所述
不要重新发明轮子。使用vImage，它是Accelerate框架的一部分，并为您实现向量化的多线程卷积。具体来说，似乎您需要函数
vImageConvolve\u Planar8
那么，我如何将我的5x5 2D掩码转换为两个1D掩码呢？我在上面添加了一些有用的链接，那么我如何将我的5x5 2D掩码转换为两个1D掩码呢？我在vImage+1上面添加了一些有用的链接，如果这只需要是一个iOS（可能是OS X）解决方案，那么vImage+1就是一个iOS（可能是OS X）解决方案