从RGB到BGRA的快速矢量化转换

在关于将RGB转换为RGBA和ARGB转换为BGR的一些先前问题的后续内容中，我想通过SSE加速RGB到BGRA的转换。 假设一台32位机器，并想使用内在函数 。 我很难将源缓冲区和目标缓冲区对齐以使用128位寄存器，并寻求其他精明的矢量化解决方案。

矢量化的例程如下……

void RGB8ToBGRX8(int w, const void *in, void *out) { int i; int width = w; const unsigned char *src= (const unsigned char*) in; unsigned int *dst= (unsigned int*) out; unsigned int invalue, outvalue; for (i=0; i<width; i++, src+=3, dst++) { invalue = src[0]; outvalue = (invalue<<16); invalue = src[1]; outvalue |= (invalue<<8); invalue = src[2]; outvalue |= (invalue); *dst = outvalue | 0xff000000; } } 

这个例程主要用于大纹理（512KB），所以如果我可以并行化一些操作，那么一次处理更多像素可能是有益的。 当然，我需要介绍一下。 🙂

编辑：

我的编译论据……

 gcc -O2 main.c 

Answer 1

这是使用SSSE3内在函数执行请求的操作的示例。 输入和输出指针必须是16字节对齐的，并且它一次在16个像素的块上运行。

 #include  /* in and out must be 16-byte aligned */ void rgb_to_bgrx_sse(unsigned w, const void *in, void *out) { const __m128i *in_vec = in; __m128i *out_vec = out; w /= 16; while (w-- > 0) { /* 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 * in_vec[0] Ra Ga Ba Rb Gb Bb Rc Gc Bc Rd Gd Bd Re Ge Be Rf * in_vec[1] Gf Bf Rg Gg Bg Rh Gh Bh Ri Gi Bi Rj Gj Bj Rk Gk * in_vec[2] Bk Rl Gl Bl Rm Gm Bm Rn Gn Bn Ro Go Bo Rp Gp Bp */ __m128i in1, in2, in3; __m128i out; in1 = in_vec[0]; out = _mm_shuffle_epi8(in1, _mm_set_epi8(0xff, 9, 10, 11, 0xff, 6, 7, 8, 0xff, 3, 4, 5, 0xff, 0, 1, 2)); out = _mm_or_si128(out, _mm_set_epi8(0xff, 0, 0, 0, 0xff, 0, 0, 0, 0xff, 0, 0, 0, 0xff, 0, 0, 0)); out_vec[0] = out; in2 = in_vec[1]; in1 = _mm_and_si128(in1, _mm_set_epi8(0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0, 0, 0, 0, 0, 0, 0, 0)); out = _mm_and_si128(in2, _mm_set_epi8(0, 0, 0, 0, 0, 0, 0, 0, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff)); out = _mm_or_si128(out, in1); out = _mm_shuffle_epi8(out, _mm_set_epi8(0xff, 5, 6, 7, 0xff, 2, 3, 4, 0xff, 15, 0, 1, 0xff, 12, 13, 14)); out = _mm_or_si128(out, _mm_set_epi8(0xff, 0, 0, 0, 0xff, 0, 0, 0, 0xff, 0, 0, 0, 0xff, 0, 0, 0)); out_vec[1] = out; in3 = in_vec[2]; in_vec += 3; in2 = _mm_and_si128(in2, _mm_set_epi8(0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0, 0, 0, 0, 0, 0, 0, 0)); out = _mm_and_si128(in3, _mm_set_epi8(0, 0, 0, 0, 0, 0, 0, 0, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff, 0xff)); out = _mm_or_si128(out, in2); out = _mm_shuffle_epi8(out, _mm_set_epi8(0xff, 1, 2, 3, 0xff, 14, 15, 0, 0xff, 11, 12, 13, 0xff, 8, 9, 10)); out = _mm_or_si128(out, _mm_set_epi8(0xff, 0, 0, 0, 0xff, 0, 0, 0, 0xff, 0, 0, 0, 0xff, 0, 0, 0)); out_vec[2] = out; out = _mm_shuffle_epi8(in3, _mm_set_epi8(0xff, 13, 14, 15, 0xff, 10, 11, 12, 0xff, 7, 8, 9, 0xff, 4, 5, 6)); out = _mm_or_si128(out, _mm_set_epi8(0xff, 0, 0, 0, 0xff, 0, 0, 0, 0xff, 0, 0, 0, 0xff, 0, 0, 0)); out_vec[3] = out; out_vec += 4; } } 

Answer 2

我对你的要求并不完全了解，我迫不及待地等待对你的问题作出适当的回应。 与此同时，我提出的实施平均速度大约快8到10％。 我正在运行Win7 64bit，使用VS2010，使用C ++进行编译以使用快速选项进行发布。

 #pragma pack(push, 1) struct RGB { unsigned char r, g, b; }; struct BGRA { unsigned char b, g, r, a; }; #pragma pack(pop) void RGB8ToBGRX8(int width, const void* in, void* out) { const RGB* src = (const RGB*)in; BGRA* dst = (BGRA*)out; do { dst->r = src->r; dst->g = src->g; dst->b = src->b; dst->a = 0xFF; src++; dst++; } while (--width); } 

这可能有所帮助，也可能没有帮助，但我希望如此。 如果没有，请不要投票给我，我只是试图移动它。

我使用结构的动机是允许编译器尽可能有效地推进指针src和dst。 另一个动机是限制算术运算的数量。

Answer 3

我个人发现实施以下内容给了我将BGR-24转换为ARGB-32的最佳结果。

该代码在图像上运行大约8.8ms，而上面提供的128位向量化代码在每个图像14.5ms处运行。

 void PixelFix(u_int32_t *buff,unsigned char *diskmem) { int i,j; int picptr, srcptr; int w = 1920; int h = 1080; for (j=0; j 

以前，我一直在使用这个例程（每个图像大约13.2ms）。 这里，buff是一个unsigned char *。

 for (j=0; j 

运行2012 MacMini 2.6ghz / i7。

Answer 4

嗯…使用vImageConvert_RGB888toARGB8888是非常非常快（15倍加速）。

高于PixelFix代码（每个图像≈6ms，现在在更新的硬件上）

---

1. 6.373520毫秒
2. 6.383363 ms
3. 6.413560毫秒
4. 6.278606毫秒
5. 6.293607毫秒
6. 6.368118毫秒
7. 6.338904毫秒
8. 6.389385毫秒
9. 6.365495毫秒

使用vImageConvert_RGB888toARGB888，线程化（在较新的硬件上）

---

1. 0.563649毫秒
2. 0.400387毫秒
3. 0.375198毫秒
4. 0.360898毫秒
5. 0.391278毫秒
6. 0.396797毫秒
7. 0.405534毫秒
8. 0.386495毫秒
9. 0.367621毫秒

需要我多说？