Optimization “a”的快速公式；“高对比度”；曲线

我的内部循环包含一个分析显示有问题的计算

---

我们的想法是采用灰度像素x（0很简单，您可以简单地设置阈值，但我认为这太愚蠢了：

return i < 0.5 ? 0.0 : 1.0;

返回i<0.5？0.0:1.0；

由于您提到“增加对比度”，我假设输入值是亮度值。如果是这样，并且它们是离散的（可能是8位值），您可以使用查找表快速完成此操作

您的“多重对比度”看起来相当快。一种优化方法是使用整数数学。再说一次，您的输入值实际上可以在[0..255]中作为8位无符号值传递。（再说一次，可能是一个很好的假设？）

int mulContrastize(int i) {
  if (i < 128) return (i * i) >> 7; 
  // The shift is really: * 2 / 256
  i = 255 - i;
  return 255 - ((i * i) >> 7);

intmulcontrastize（inti）{
如果（i<128）返回（i*i）>>7；
//这个转变真的是：*2/256
i=255-i；
返回255-（（i*i）>>7）；

考虑以下S形函数（正确转换为所需范围）：

我使用MATLAB生成了上图。如果有兴趣，下面是代码：

x = -3:.01:3;
plot(   x, 2*(x>=0)-1, ...
        x, erf(x), ...
        x, tanh(x), ...
        x, 2*normcdf(x)-1, ...
        x, 2*(1 ./ (1 + exp(-x)))-1, ...
        x, 2*((x-min(x))./range(x))-1  )
legend({'hard' 'erf' 'tanh' 'normcdf' 'logit' 'linear'})

---

分段插值可以快速灵活。它只需要几次决策，然后进行乘法和加法运算，并且可以近似任何曲线。它还避免了查找表所带来的过程性（或者在两次查找之后再进行一次插值以平滑此过程的额外成本），尽管lut可能对您的案例非常有效

只需几段，你就可以得到一个非常好的匹配。在这里，颜色渐变中会有粗糙度，这比绝对颜色中的粗糙度更难检测

---

正如Eamon Nerbonne在评论中指出的那样，分割可以通过“基于二阶导数选择分割点以最大化细节”来优化也就是说，在斜率变化最明显的地方，在我的例子中，在五个区段中间有三个区段并没有增加更多的细节。

在我的例子中，一个阈值太过平滑，不太有用。它们是亮度值，是的，它们不是离散的值——它们实际上是浮动的，有两个原因。在OpenGL中，浮点纹理是最快的。其次，我决定使用0.0-1.0浮点使我的数学变得简单和快速。但我从来没有想过与查找表进行对比，我会研究一下，看看它是否超过了OpenGL纹理的关注。你发布的实现确实不错，但没有查找表那么好。我的Mulcontastize确实“相当快”，但不是在这样一个紧密的内部循环中：）顺便说一句，你不应该被255除两次，仅仅一次。所以你应该被7除。哦，你是对的，这将标准化一步太远。这将修复这个例子。++对于查找表的建议。是的，我最终使用了一个查找表。它本身没有任何改进。但是它允许我做其他一些优化-谢谢！OP的主要问题是速度。这些是如何加快速度的？谢谢，至少我知道它们现在被称为‘sigmoid’；）我用tanh做了一个简单的实现，它和cos一样快。剩下的要花更多的时间考虑，我认为它们会变慢，但我们会看到的。++Nice。我个人倾向于logit（实际上它是逆logit函数），因为你只需要调用ExpEd（）一次，而且除法。你可以通过缩放X.@ ToM10来使它更清晰，OP可以看到所用的公式，最好考虑哪种套件。如果你能告诉我们你使用的是什么语言，我可以帮助你更好的（我假设java）。什么是编译器/运行时。C？s带有MS编译器和运行时，但如果我发现……我需要用CAMELCASE方法名称，那么我愿意重写C++中的临界ALGO：（许多这样的函数在以0为中心时更快/更简单。我不确定你的程序的其余部分，但是如果这种代码是关键的，你可以考虑重新定位你的数据表示，从1…1，而不是0……1，如果你真的很时髦，你可以选择像S一样的分割点。二阶导数可以最大化细节（在区分中心段时没有意义，相当直的段）。@Eamon：感谢二阶导数的想法。我知道我对中心点很懒惰，但我真的很喜欢二阶导数的推广。

x = -3:.01:3;
plot(   x, 2*(x>=0)-1, ...
        x, erf(x), ...
        x, tanh(x), ...
        x, 2*normcdf(x)-1, ...
        x, 2*(1 ./ (1 + exp(-x)))-1, ...
        x, 2*((x-min(x))./range(x))-1  )
legend({'hard' 'erf' 'tanh' 'normcdf' 'logit' 'linear'})