ARM NEON优化4.RGB图像转灰度图

问题描述

灰度图像是用不同饱和度的黑色来表示每个图像像素，用0~255之间的数表示“灰色”的程度，比如0表示黑色，255表示白色，RGB值与灰度图之间的转换公式如下：

一幅640*360*3的图像，转换成灰度图需要计算69万次浮点乘法运算，进行优化显得非常必要，但该转换算法最低的复杂度是O(n)，无法从算法计算算法上进行优化了，但是，可以通过将浮点计算转成成定点整数计算来提高计算速度，另外还可以将除法计算转换为位操作进一步提高计算速度。

对上面的公式进行16位定点转化：

输入像素一般为8bit数据，当系数也是8bit时，16bit刚好够表达中间计算结果，再当移位数据为8时，可以使用截断指令替代移位+强制类型转换两条指令，因此，去8位精度进行量化，可将计算公式简化为：

C代码实现

RGB Packed格式图像转成灰度图C代码如下：

int RGB2Gray(uint8_t * packed,uint8_t* gray,int height,int width)
{
    uint8_t *p_img = (uint8_t*)packed;
    uint8_t *p_o = gray;

    for(int i = 0; i<height*width; i++)
    {
        uint8_t r = *p_img++;
        uint8_t g = *p_img++;
        uint8_t b = *p_img++;
        *p_o++ = (r*76 + g*150 + b*30 + 128) >> 8;
    }

    return 0;
}

 

NEON优化

int RGB2Gray_neon(uint8_t * packed, uint8_t* gray, int height, int width)
{
    uint8_t *p_img = (uint8_t*)packed;

    uint8_t *p_o = gray;
    uint8x8_t r_corr = {76,76,76,76,76,76,76,76};
    uint8x8_t g_corr = {150,150,150,150,150,150,150,150};
    uint8x8_t b_corr = {30,30,30,30,30,30,30,30};
    int16x8_t shift_r = {-8,-8,-8,-8,-8,-8,-8,-8};

    for(int i = 0; i<height*width; i+=W_INC)
    {
        uint8x8x3_t vdata = vld3_u8(p_img);
        uint16x8_t vr = vmull_u8(r_corr, vdata.val[0]);
        uint16x8_t vg = vmlal_u8(vr, g_corr, vdata.val[1]);

        uint16x8_t vgray16 = vmlal_u8(vg, b_corr, vdata.val[2]);
        uint16x8_t vgray_8 = vrshlq_u16(vgray16, shift_r);
        uint8x8_t vgray = vqmovn_u16(vgray_8);

        vst1_u8(p_o, vgray);
        p_o += W_INC;
        p_img += W_INC * 3;
    }

    return 0;
}

 

性能对比

输入图像分辨率为640*360*3，在ARMv7处理上运行1000次，C语言函数与NEON函数运行耗时对比如下：

算法	C	NEON	加速比
耗时	2491	608	4.1

由此可见，NEON至少提高了4倍的速度。

---

欢迎关注亦梦云烟的微信公众号: 亦梦智能计算