CSAPP LAB4 perflab-handout性能优化 smooth负优化详解

在优化代码之前，首先要知道我们有哪些方法可以优化性能?

翻书！把教材翻到目录，第五章赫然写着优化方法：

1、使用内联函数。一种替换代码方法，尽可能减少函数调用；

2、消除循环中的低效率。比如说for循环判断里面带了个函数，那么就属于低效率的循环，从时间复杂度上面也能分析；

3、减少过程调用。比如说经常需要先取数，再操作，那么优化的方法通常是把这些数安排在连续的地址里面，这样可以减少地址的计算；

4、消除不必要的存储器引用。在看书之前，我认为是减少局部变量的定义，毕竟定义一个变量就要占一个寄存器，但是书上的意思是尽量拿一个变量专门用来做某一件特定的事情，举个例子，inti就是用来for循环的，不要再拿来做计数器或者权值计算器了，如果要统计和，就应该再定义一个sum，避免汇编代码层次中，要额外使用一个寄存器临时保存变量的值。

5、循环展开。减少for循环的步长，每一次循环，尽可能的让cpu做更多的运算，提高并行性，充分发挥流水的作用。

 

这个实验妙处在于可以融合以上所有优化方法，容我慢慢道来~

 

首先看smooth函数initial版本：

char naive_smooth_descr[] = "naive_smooth: Naive baselineimplementation";
void naive_smooth(int dim, pixel *src, pixel *dst) 
{
    int i, j;


    for (i = 0; i < dim; i++)
         for(j = 0; j < dim; j++)
             dst[RIDX(i, j, dim)] =avg(dim, i, j, src);
}

首先要明白RIDX(i,j, dim)是什么？

在头文件def.h中，写着#defineRIDX(i,j,n) ((i)*(n)+(j))

这是我们平时不常接触的函数型宏定义，传入i和j还有n，就计算出(i)*(n)+(j)，这是dst的地址。

作为一个二维的图片，通常是用二维数组存储的，但是二维数组在内存中依然是连续的物理地址。可以把dst[RIDX(i,j, dim)] 直接理解为二维数组a[i][j]。

然后问题来了，avg(dim,i, j, src) 又是什么？直觉告诉我它是一个函数！

果然在同一个文件下面找到了这个函数：

static pixel avg(int dim, int i, int j, pixel *src) //因为缺点出于函数内部，所以这个函数无法使用
{
    int ii, jj;
    pixel_sum sum;
    pixel current_pixel;


    initialize_pixel_sum(&sum);
    for(ii = max(i-1, 0); ii <= min(i+1, dim-1); ii++) //缺点，调用了函数,对边界进行了综合
         for(jj= max(j-1, 0); jj <= min(j+1, dim-1); jj++) 
             accumulate_sum(&sum,src[RIDX(ii, jj, dim)]);


    assign_sum_to_pixel(&current_pixel, sum);
    return current_pixel;
}

这个函数有个问题：

就是循环中的低效率！       max(i-1, 0) 和min(i+1, dim-1)都是函数，每次for循环判断条件的时候，都要调用函数min(i+1, dim-1)，所以我们首先想到的是消除循环中的低效率。

但是，这个for循环被封装在avg函数里面了，怎么办？只能放弃这个函数了，我们自己写函数。

我们首先看计算像素点平均颜色是如何计算的？

static void accumulate_sum(pixel_sum *sum, pixel p) //统计颜色数据
{
    sum->red += (int) p.red;
    sum->green += (int) p.green;
    sum->blue += (int) p.blue;
    sum->num++;
    return;
}

static void assign_sum_to_pixel(pixel *current_pixel, pixel_sumsum) //计算平均值
{
    current_pixel->red = (unsigned short) (sum.red/sum.num);
    current_pixel->green = (unsigned short) (sum.green/sum.num);
    current_pixel->blue = (unsigned short) (sum.blue/sum.num);
    return;
}

通过以上两个函数，我们看到了原理，就是把相邻的像素点的RGB颜色各取平均值。

 

现在开始负优化啦~~~

对于32*32的图片，关键是要对四个角以及边框进行讨论。如何避免讨论呢？在迷宫问题中，解决方法就是在它的外面加一个边框。