任意半径局部直方图类算法在PC中快速实现的框架。

2024-08-25 23:48
文章标签 算法 实现 快速 框架 任意 直方图 pc 局部 半径

本文主要是介绍任意半径局部直方图类算法在PC中快速实现的框架。，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

转自： 任意半径局部直方图类算法在PC中快速实现的框架。

　　在图像处理中，局部算法一般来说，在很大程度上会获得比全局算法更为好的效果，因为他考虑到了图像领域像素的信息，而很多局部算法可以借助于直方图获得加速。同时，一些常规的算法，比如中值滤波、最大值滤波、最小值滤波、表面模糊等等都可以通过局部直方图进行加速。而传统的获取局部直方图计算量很大，特别是半径增加时，耗时会成平方关系增加。一些局部算法只有在半径较大时才会获得很好的效果，因此，必须找到一种合适的加速计算局部直方图的方式。

      在参考Median Filter in Constant Time.pdf一文附带的C的代码的基础上，本文提出了基于SSE加速的恒长任意半径局部直方图获取技术，可以大大加速算法的计算时间，特别是大半径时的提速更为明显。

      主要的优化思路是，沿着列方向一行一行的更行整行的列直方图，新的一行对应的列直方图更新时只需要减去已经不再范围内的那个像素同时加入新进入的像素的直方图信息。之后，对于一行中的第一个像素点，累加半径辐射范围内的列直方图，得到改点的局部直方图，对于行中的其他的像素，则类似于更新行直方图，先减去不在范围内那列的列直方图，然后加上移入范围内的列直方图。由于采用了基于SSE函数的加速过程，直方图想加和相减的速度较普通的加减法有了10倍以上的提速，因此大大的提高了整体的实用性。

       具体的过程我用代码加以说明：

  　　1、一些公用的内存分配过程

复制代码 
    TMatrix *Row = NULL, *Col = NULL;unsigned char *LinePS, *LinePD;int  X, Y, K, Width = Src->Width, Height = Src->Height;int *RowOffset, *ColOffSet;unsigned short *ColHist    = (unsigned short *)IS_AllocMemory(256 * (Width + 2 * Radius) * sizeof(unsigned short), true);    if (ColHist == NULL) {Ret = IS_RET_ERR_OUTOFMEMORY; goto Done8;}unsigned short *Hist    = (unsigned short *)IS_AllocMemory(256 * sizeof(unsigned short), true);    if (Hist == NULL) {Ret = IS_RET_ERR_OUTOFMEMORY; goto Done8;}Ret = GetValidCoordinate(Width, Height, Radius, Radius, Radius, Radius, Edge, &Row, &Col);        //    获取坐标偏移量if (Ret != IS_RET_OK) goto Done8;
复制代码

　　其中的ColHist用于保存一行像素对应的列直方图 ，注意这里的行是用的扩展后的行的大小即：Width + 2 * Radius。IS_AllocMemory是个内部使用了_mm_malloc定义的内存分配函数，主要是考虑SSE函数的16字节对齐问题。

      Hist变量用于保存每个像素点的局部直方图数据，任何基于局部直方图技术的函数最终都演变为对于该函数进行各种各样的计算。    

      GetValidCoordinate是一个用于辅助边界处像素点处理的函数，具体可详见附件中给出的代码。

      2、更新一行像素的列直方图

复制代码 
for (Y = 0; Y < Height; Y++)
{if (Y == 0)                                            //    第一行的列直方图,要重头计算
    {for (K = -Radius; K <= Radius; K++)                    {LinePS = Src->Data + ColOffSet[K] * Src->WidthStep;for (X = -Radius; X < Width + Radius; X++){ColHist[X * 256 + LinePS[RowOffset[X]]]++;}}}else                                                //    其他行的列直方图，更新就可以了
    {LinePS = Src->Data + ColOffSet[Y - Radius - 1] * Src->WidthStep;        for (X = -Radius; X < Width + Radius; X++)        // 删除移出范围内的那一行的直方图数据
        {ColHist[X * 256 + LinePS[RowOffset[X]]]--;}LinePS = Src->Data + ColOffSet[Y + Radius] * Src->WidthStep;for (X = -Radius; X < Width + Radius; X++)        // 增加进入范围内的那一行的直方图数据
        {ColHist[X * 256 + LinePS[RowOffset[X]]]++;}}//　　依次获取一行每个像素的局部直方图//　　根据局部直方图获的结果
}
复制代码

　　可见，这部分和普通的局部优化方式类似，没有什么特殊的地方。

　　3、依次获取一行每个像素的局部直方图

复制代码 
    for (Y = 0; Y < Height; Y++){//　　更新一行像素的列直方图memset(Hist, 0, 256 * sizeof(unsigned short));        //    每一行直方图数据清零先LinePS = Src->Data + Y * Src->WidthStep;LinePD = Dest->Data + Y * Dest->WidthStep;for (X = 0; X < Width; X++){if (X == 0){for (K = -Radius; K <= Radius; K++)            //    行第一个像素，需要重新计算    HistgramAddShort(ColHist + K * 256, Hist);}else{/* 　HistgramAddShort(ColHist + RowOffset[X + Radius] * 256, Hist);    HistgramSubShort(ColHist + RowOffset[X - Radius - 1] * 256, Hist);*/HistgramSubAddShort(ColHist + RowOffset[X - Radius - 1] * 256, ColHist + RowOffset[X + Radius] * 256, Hist);  //    行内其他像素，依次删除和增加就可以了
            }

　　　　　　　　//　　根据局部直方图获的结果
            LinePS++;LinePD++;}}
复制代码

　　上面处理的过程其实和2的过程的优化道理是类似的，只不过一个是行方向，一个是列方向，聪明者自然能明白，稍微愚钝者请自己多多斟酌，自然有豁然开朗的时刻。

　　4、 根据局部直方图获的结果

　　根据不同的算法需求，结合局部直方图信息来获取结果，比如最大值算法可以用如下方式获得：

复制代码 
    for (K = 255; K >= 0; K--){if (Hist[K] != 0){LinePD[X] = K;break;}}
复制代码

    　关于直方图累加的代码如下：

复制代码 
/// <summary>
/// 无符号短整形直方图数据相加，Y = X + Y， 整理时间2014.12.28; 
/// </summary>
/// <param name="X">加数。</param>
/// <param name="Y">被加数，结果保存于该数中。</param>
/// <remarks>使用了SSE优化。</remarks>
void HistgramAddShort(unsigned short *X, unsigned short *Y)
{*(__m128i*)(Y + 0)        =    _mm_add_epi16(*(__m128i*)&Y[0],        *(__m128i*)&X[0]);        //    不要想着用自己写的汇编超过他的速度了，已经试过了*(__m128i*)(Y + 8)        =    _mm_add_epi16(*(__m128i*)&Y[8],        *(__m128i*)&X[8]);*(__m128i*)(Y + 16)        =    _mm_add_epi16(*(__m128i*)&Y[16],    *(__m128i*)&X[16]);*(__m128i*)(Y + 24)        =    _mm_add_epi16(*(__m128i*)&Y[24],    *(__m128i*)&X[24]);*(__m128i*)(Y + 32)        =    _mm_add_epi16(*(__m128i*)&Y[32],    *(__m128i*)&X[32]);*(__m128i*)(Y + 40)        =    _mm_add_epi16(*(__m128i*)&Y[40],    *(__m128i*)&X[40]);*(__m128i*)(Y + 48)        =    _mm_add_epi16(*(__m128i*)&Y[48],    *(__m128i*)&X[48]);*(__m128i*)(Y + 56)        =    _mm_add_epi16(*(__m128i*)&Y[56],    *(__m128i*)&X[56]);*(__m128i*)(Y + 64)        =    _mm_add_epi16(*(__m128i*)&Y[64],    *(__m128i*)&X[64]);*(__m128i*)(Y + 72)        =    _mm_add_epi16(*(__m128i*)&Y[72],    *(__m128i*)&X[72]);*(__m128i*)(Y + 80)        =    _mm_add_epi16(*(__m128i*)&Y[80],    *(__m128i*)&X[80]);*(__m128i*)(Y + 88)        =    _mm_add_epi16(*(__m128i*)&Y[88],    *(__m128i*)&X[88]);*(__m128i*)(Y + 96)        =    _mm_add_epi16(*(__m128i*)&Y[96],    *(__m128i*)&X[96]);    *(__m128i*)(Y + 104)    =    _mm_add_epi16(*(__m128i*)&Y[104],    *(__m128i*)&X[104]);*(__m128i*)(Y + 112)    =    _mm_add_epi16(*(__m128i*)&Y[112],    *(__m128i*)&X[112]);*(__m128i*)(Y + 120)    =    _mm_add_epi16(*(__m128i*)&Y[120],    *(__m128i*)&X[120]);*(__m128i*)(Y + 128)    =    _mm_add_epi16(*(__m128i*)&Y[128],    *(__m128i*)&X[128]);*(__m128i*)(Y + 136)    =    _mm_add_epi16(*(__m128i*)&Y[136],    *(__m128i*)&X[136]);*(__m128i*)(Y + 144)    =    _mm_add_epi16(*(__m128i*)&Y[144],    *(__m128i*)&X[144]);*(__m128i*)(Y + 152)    =    _mm_add_epi16(*(__m128i*)&Y[152],    *(__m128i*)&X[152]);*(__m128i*)(Y + 160)    =    _mm_add_epi16(*(__m128i*)&Y[160],    *(__m128i*)&X[160]);*(__m128i*)(Y + 168)    =    _mm_add_epi16(*(__m128i*)&Y[168],    *(__m128i*)&X[168]);*(__m128i*)(Y + 176)    =    _mm_add_epi16(*(__m128i*)&Y[176],    *(__m128i*)&X[176]);*(__m128i*)(Y + 184)    =    _mm_add_epi16(*(__m128i*)&Y[184],    *(__m128i*)&X[184]);*(__m128i*)(Y + 192)    =    _mm_add_epi16(*(__m128i*)&Y[192],    *(__m128i*)&X[192]);*(__m128i*)(Y + 200)    =    _mm_add_epi16(*(__m128i*)&Y[200],    *(__m128i*)&X[200]);*(__m128i*)(Y + 208)    =    _mm_add_epi16(*(__m128i*)&Y[208],    *(__m128i*)&X[208]);*(__m128i*)(Y + 216)    =    _mm_add_epi16(*(__m128i*)&Y[216],    *(__m128i*)&X[216]);*(__m128i*)(Y + 224)    =    _mm_add_epi16(*(__m128i*)&Y[224],    *(__m128i*)&X[224]);    *(__m128i*)(Y + 232)    =    _mm_add_epi16(*(__m128i*)&Y[232],    *(__m128i*)&X[232]);*(__m128i*)(Y + 240)    =    _mm_add_epi16(*(__m128i*)&Y[240],    *(__m128i*)&X[240]);*(__m128i*)(Y + 248)    =    _mm_add_epi16(*(__m128i*)&Y[248],    *(__m128i*)&X[248]);
}
复制代码

　　_mm_add_epi16可以一次性完成16个short类型的数据的加法，比传统的add指令快了很多倍。

     由于_mm_add_epi16是这对短整形数据进行的处理，因此，一般情况下改指令所能处理的半径不能大于127，如果需要大于127，则需要修改过程序中的short类型为int,同时需要使用_mm_add_epi32指令，这样程序的速度会有所下降。

　　经过测试，在我的I5的台式机中，1024*768图像在直方图更新上所需要的平均之间约为30ms，相比局部算法的核心就算部分时间（比如上述的求最大值），可能大部分耗时并不在这里。

     附件的代码中有个完整的测试工程，并有我目前所有的TMatrix结构的完整代码，我以后的文章都将以改结构为依托进行处理。

     代码还共享了很多处理的函数，我很自信一定值得朋友去学习的。

     这种前后依赖的算法都有一个很致命的缺点，就是不可以并行，把图像分段处理，也会造成过多初始化耗时。

     代码下载地址：http://files.cnblogs.com/files/Imageshop/BaseFile.rar

 

****************************作者： laviewpbt   时间： 2015.4.20    联系QQ:  33184777 转载请保留本行信息**********************

这篇关于任意半径局部直方图类算法在PC中快速实现的框架。的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1106972。

相关文章

windos server2022里的DFS配置的实现

windos server2022里的DFS配置的实现

《windosserver2022里的DFS配置的实现》DFS是WindowsServer操作系统提供的一种功能,用于在多台服务器上集中管理共享文件夹和文件的分布式存储解决方案,本文就来介绍一下wi... 目录什么是DFS？优势：应用场景：DFS配置步骤什么是DFS？DFS指的是分布式文件系统（Distr
阅读更多...
NFS实现多服务器文件的共享的方法步骤

NFS实现多服务器文件的共享的方法步骤

《NFS实现多服务器文件的共享的方法步骤》NFS允许网络中的计算机之间共享资源,客户端可以透明地读写远端NFS服务器上的文件,本文就来介绍一下NFS实现多服务器文件的共享的方法步骤,感兴趣的可以了解一... 目录一、简介二、部署1、准备1、服务端和客户端：安装nfs-utils2、服务端：创建共享目录3、服
阅读更多...
C#使用yield关键字实现提升迭代性能与效率

C#使用yield关键字实现提升迭代性能与效率

《C#使用yield关键字实现提升迭代性能与效率》yield关键字在C#中简化了数据迭代的方式,实现了按需生成数据,自动维护迭代状态,本文主要来聊聊如何使用yield关键字实现提升迭代性能与效率,感兴... 目录前言传统迭代和yield迭代方式对比yield延迟加载按需获取数据yield break显式示迭
阅读更多...
Python实现高效地读写大型文件

Python实现高效地读写大型文件

《Python实现高效地读写大型文件》Python如何读写的是大型文件,有没有什么方法来提高效率呢,这篇文章就来和大家聊聊如何在Python中高效地读写大型文件,需要的可以了解下... 目录一、逐行读取大型文件二、分块读取大型文件三、使用 mmap 模块进行内存映射文件操作（适用于大文件）四、使用 pand
阅读更多...
python实现pdf转word和excel的示例代码

python实现pdf转word和excel的示例代码

《python实现pdf转word和excel的示例代码》本文主要介绍了python实现pdf转word和excel的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录一、引言二、python编程1，PDF转Word2，PDF转Excel三、前端页面效果展示总结一
阅读更多...
Python xmltodict实现简化XML数据处理

Python xmltodict实现简化XML数据处理

《Pythonxmltodict实现简化XML数据处理》Python社区为提供了xmltodict库,它专为简化XML与Python数据结构的转换而设计,本文主要来为大家介绍一下如何使用xmltod... 目录一、引言二、XMLtodict介绍设计理念适用场景三、功能参数与属性1、parse函数2、unpa
阅读更多...
C#实现获得某个枚举的所有名称

C#实现获得某个枚举的所有名称

《C#实现获得某个枚举的所有名称》这篇文章主要为大家详细介绍了C#如何实现获得某个枚举的所有名称,文中的示例代码讲解详细,具有一定的借鉴价值,有需要的小伙伴可以参考一下... C#中获得某个枚举的所有名称using System;using System.Collections.Generic;usi
阅读更多...
Go语言实现将中文转化为拼音功能

Go语言实现将中文转化为拼音功能

《Go语言实现将中文转化为拼音功能》这篇文章主要为大家详细介绍了Go语言中如何实现将中文转化为拼音功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 有这么一个需求：新用户入职 创建一系列账号比较麻烦，打算通过接口传入姓名进行初始化。想把姓名转化成拼音。因为有些账号即需要中文也需要英
阅读更多...
C# 读写ini文件操作实现

C# 读写ini文件操作实现

《C#读写ini文件操作实现》本文主要介绍了C#读写ini文件操作实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录一、INI文件结构二、读取INI文件中的数据在C#应用程序中，常将INI文件作为配置文件，用于存储应用程序的
阅读更多...
C#实现获取电脑中的端口号和硬件信息

C#实现获取电脑中的端口号和硬件信息

《C#实现获取电脑中的端口号和硬件信息》这篇文章主要为大家详细介绍了C#实现获取电脑中的端口号和硬件信息的相关方法,文中的示例代码讲解详细,有需要的小伙伴可以参考一下... 我们经常在使用一个串口软件的时候，发现软件中的端口号并不是普通的COM1，而是带有硬件信息的。那么如果我们使用C#编写软件时候，如
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2