使用x86/x64 Streaming SIMD Extension进行块匹配优化

Question

这将是我发布的第一个SO问题!

    std::cout << "Hello mighty StackOverflow!" << std::endl;

我正在尝试使用英特尔的SSE4.2和/或AVX内在函数优化立体视觉应用的"块匹配"实现.我正在使用"绝对差异之和"来找到最佳匹配块.在我的情况下blockSize将是一个奇数,如3或5.这是我的C++代码片段:

    for (int i = 0; i < rows; ++i) {
        for (int j = 0; j < cols; ++j) {
            minS = INT_MAX;
            for (int k = 0; k <= beta; ++k) {
                S = 0;
                for (int l = i; l < i + blockSize; ++l) {
                    for (int m = j; m <= j + blockSize ; ++m) {
                        // adiff(a,b) === abs(a-b)
                        S += adiff(rImage.at<uchar>(l, m), lImage.at<uchar>(l, m + k));
                    }
                }
                if (S < minS) {
                    minS = S;
                    kStar = k;
                }
            }
            disparity.at<uchar>(i, j) = kStar;
        }
    }

我知道流式SIMD扩展包含许多指令,以便利用SAD进行块匹配,例如_mm_mpsadbw_epu8和 _mm_sad_epu8,但它们都接缝为4,16 blockSize或32的目标.例如来自英特尔的此代码.我的问题是在我的应用程序中blockSize是一个奇数,大多数是3或5.

我考虑了以下起点:

            r0 = _mm_lddqu_si128 ((__m128i*)&rImage.at<uchar>(i, j));
            l0 = _mm_lddqu_si128 ((__m128i*)&lImage.at<uchar>(i, j));
            s0 = _mm_abs_epi8 (_mm_sub_epi8 (r0 , l0) );

但是从这里开始,我不知道从中总结3或5个连续字节的方法s0!

我很感激任何想法.

Answer 1

我怀疑如果块大小小到 3-5 字节 x 3-5 字节，那么使用 SSE 或类似指令您将获得相当少的好处，因为您将花费太多快速进行数学计算的“收益”在“swizzling”（将数据从一个地方移动到另一个地方）中。

但是，查看代码，看起来您正在rImage[i, j]多次处理相同的内容，我认为这是没有意义的。