Optimization 优化像素处理循环

我在OpenCV中实现了一个算法，该算法迭代图像中的每个像素，并为每个像素计算与邻近像素的块匹配，以评估这些相邻像素的相似性。具有很深循环的简单实现非常缓慢，因此我想知道如何提高性能。以下是我当前代码的摘录：

for(nCh=1;nCh<=channels;nCh++) { // Loop over three channels

  for(i=0;i<h;i++) { // "vertical" loop

    for(j=0;j<w;j++) { // "horizontal" loop

      for (si=-sw_height; si<sw_height; si++){ // vertical search window loop

        for (sj=-sw_width; sj<sw_width; sj++){ // horizontal search window loop

            dist = 0;

            for (blki=0; blki<blk_height; blki++){ // block match loop

              for (blkj=0; blkj<blk_width; blkj++){ // block match loop

                current_pxl = data[(i+blki)*step+(j+blkj)*channels+nCh];  

                search_pxl  = data[(i+blki+si)*step+(j+blkj+sj)*channels+nCh]; 

                dist += pow((current_pxl - search_pxl),2); 

              }

            }

          // ... further processing

        }

      }

    }

  }

}

你在最里面的循环中调用pow。不要

你在那里也做了很多指数计算。 我打赌你可以从内环中移出一些

您应该能够获得它，使您的内部循环看起来更像这样：

          for (blkj = 0; blkj < blk_width; blkj++, pc += channels, ps += channels){
            int diff = (*pc - *ps); 
            dist += (diff * diff); 
          }

然后，你甚至可能想把它展开一点

---

顺便说一句，多加一点空白可能会有所帮助：-

特别是用x*x替换powx，2。你可能认为编译器会为你做这个替换，但通常不会，因为我不想在这里讨论的原因。谢谢你的建议Mike，我会尝试一下，特别是移动一些索引@马克：这很有意思，我想替换也会发生。我使用的是GCC4.5。2@trican当前位置无法得知战俘没有被完全不同的东西所取代。我喜欢编译器充分利用寄存器等，但我从不依赖它来做我自己能做得很好的事情。哇，用x*x替换powx，2将运行时间减少了75%！继续改进地址索引…：-@迈克，我想知道你能否详细说明一下你上面输入的代码段。它看起来确实很有趣，但我不明白，可能主要是因为我从来没有在for循环中看到像这样的更新语句。看起来你在做非局部均值去噪或自相似特性？如果是这样的话，即使有最好的优化，它也不足以实现实时性，即使是小图像、块大小和搜索窗口。为了实时处理，使用GPU检查一些方法。英伟达CUDA SDK附带了一个NLM去噪的示例应用程序，它在我的卡上运行超过100个FPS。谢谢杰夫，这确实是我正在实施的算法的类型。我喜欢你关于GPU的建议-事实上，我喜欢涉足通用GPU编程，但我相信我目前的图形卡，一个只有16个流处理器的Nvidia Quadro fx570与GPU相比相对较慢？我很乐意使用具有合理处理时间的非实时解决方案。我目前正在考虑的另一个选择是，预先计算绝对差和度量的块相似性，而不是平方差和，以避免最内部的两个循环。有点类似于在人脸检测算法中使用积分图像。如果您对这种算法的GPU方法感兴趣，请查看以下NVIDIA技术报告：