wuhanbingwhdx提到了數據相關也會影響流水線(http://blog.csdn.net/zyl910/article/details/1330614)。
他的說法是有一定道理的。但是,在很多時候我們並不僅僅處理一個數值。比如將循環展開,在內循環處理2個或更多個的數值。而現代編譯器面對循環展開時,在編譯優化操作中會調整指令順序,錯開有相關性指令。因現代處理器支持超標量,這樣的指令順序調整能獲得較好的指令級並行度,從而優化了性能。
其次,就算編譯器對循環展開優化的不夠徹底,沒將相關性指令錯開。但因現代處理器支持亂序執行,當遇到相關性指令需要等待時,處理器會處理後面未相關的指令,從而保持處理器滿載儘量減輕相關性等待造成的性能損失。
第三,現代處理器還支持寄存器重命名技術——當兩處代碼用到同名的寄存器時,譯碼器會做寄存器重命名處理給它們分配不同的寄存器,使數據不會干擾,從而獲得更高的指令級並行度。
上面說了很多理論知識,實際性能到底怎麼樣呢?還是寫代碼測一測吧。
一、目標——將64位像素轉爲32位像素
將64位像素轉爲32位像素,是飽和處理的最典型應用。
64位像素有4個通道,每個通道16位(帶符號16位整數)。每像素8個字節。
32位像素有4個通道,每個通道8位(無符號8位整數)。每像素4個字節。
轉換方法爲——將每個像素的4個通道由16位(帶符號16位整數)轉爲8位(無符號8位整數)。因爲每次都是對4個通道進行處理,所以能獲得較高的指令級並行度。
具體的存儲格式爲——
注:
1.內存地址由低到高(從下到上),垂直方向的每一格是一個字節。+0代表數據基址,+1代表數據基址+1,以此類推。
2.左爲“64位像素”數組,右爲“32位像素”數組。
3.圖中使用了用雙邊線來分隔像素。因“64位像素”是8字節,而“32位像素”是4字節。所以對於16個字節的空間,左側能存放2個像素、右側能存放4個像素。
4.圖中使用了用實線來分隔通道。“64位像素”的通道是16位,佔用2個字節。“32位像素”的通道是8位,只佔用1個字節。
5.圖中使用了用虛線來分隔字節。主要用於“64位像素”。
6.這裏採用了Windows位圖通道規則,即通道順序爲B、G、R、A(從低到高)。例如:“B0”代表像素0的B(藍色)通道、“A0”代表像素0的A(不透明度)通道、“A1”代表像素1的A通道……以此類推。
7.這裏採用了小端(Little Endian)方式的字節序(Endianness),即最低地址存放的最低字節。採用小寫的“h”、“l”來表示“64位像素”通道的高、低字節。例如:“B0l”代表像素0的B通道的低字節、“A0h”代表像素0的A通道的高字節……以此類推。
上面貌似挺複雜,又是圖表又是大段文字的。其實,代碼寫起來很簡單的,一般情況下不需要理會通道順序與字節序問題——
// 用if分支做飽和處理
void f0_if(BYTE* pbufD, const signed short* pbufS, int cnt)
{
const signed short* pS = pbufS;
BYTE* pD = pbufD;
int i;
for(i=0; i<cnt; ++i)
{
// 分別對4個通道做飽和處理
pD[0] = (pS[0]<0) ? 0 : ( (pS[0]>255) ? 255 : (BYTE)pS[0] );
pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] );
pD[2] = (pS[2]<0) ? 0 : ( (pS[2]>255) ? 255 : (BYTE)pS[2] );
pD[3] = (pS[3]<0) ? 0 : ( (pS[3]>255) ? 255 : (BYTE)pS[3] );
// next
pS += 4;
pD += 4;
}
}
參數說明——
pbufD:目標緩衝區的地址。如“64位像素”數組的首地址。
pbufS:源緩衝區的地址。如“32位像素”數組的首地址。
cnt:像素個數。
使用方法——
signed short bufS[DATASIZE*4]; // 源緩衝區。64位的顏色(4通道,每通道16位)
BYTE bufD[DATASIZE*4]; // 目標緩衝區。32位的顏色(4通道,每通道8位)
f0_if(bufD, bufS, DATASIZE);
對於數據處理來說,用指針比用數組寫起來更簡潔,而且執行速度更快。
而且C語言中的指針支持下標運算符,能夠用下標訪問後面的元素(“pD[1]”相當於“*(pD + 1)”),簡化了不少代碼。(指針下標可參考
http://www.lupaworld.com/home-space-uid-77885-do-blog-id-28843.html)
例如“pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] );”這行代碼的數組寫法爲——
pbufD[i*4+1] = (pbufS[i*4+1]<0) ? 0 : ( (pbufS[i*4+1]>255) ? 255 : (BYTE)pbufS[i*4+1] );
因爲條件語句“if”的代碼寫起來比較繁瑣,所以這裏用到了條件運算符“?:”來簡化代碼。例如“pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] );”這行代碼的“if”寫法爲——
if (pS[1]<0)
pD[1]=0
else
if (pS[1]>255)
pD[1]=255
else
pD[1]=(BYTE)pS[1];
二、測試方法——測試程序的框架
前面已經編寫了一個函數f0_if,隨後我們會編寫多個函數,分別測試性能。具體怎麼測試呢?難道是爲每一個函數都寫一套測試代碼……不,那樣的話太糟糕了。
我們可以利用函數指針進行統一的測試。函數指針定義如下,與f0_if的參數列相同——
// 測試時的函數類型
typedef void (*TESTPROC)(BYTE* pbufD, const signed short* pbufS, int cnt);
有了函數指針後,進行測試就很簡單了,只需要將要測試的函數傳遞過去就行了。例如這樣測試f0_if——
runTest("f0_if", f0_if);
runTest代碼如下——
// 進行測試
void runTest(char* szname, TESTPROC proc)
{
int i,j;
DWORD tm0, tm1; // 存儲時間
for(i=1; i<=3; ++i) // 多次測試
{
//tm0 = GetTickCount();
tm0 = timeGetTime();
// main
for(j=1; j<=4000; ++j) // 重複運算幾次延長時間,避免計時精度問題
{
proc(bufD, bufS, DATASIZE);
}
// show
//tm1 = GetTickCount() - tm0;
tm1 = timeGetTime() - tm0;
printf("%s[%d]:\t%u\n", szname, i, tm1);
}
}
printf輸出的是測試時間,單位毫秒。值越小,表示所花時間越少、運行速度越快、性能越高。
這裏用到了timeGetTime來計算時間,要注意加上winmm.lib庫——
對於bufD、bufS、DATASIZE,我是這樣定義的——
// 數據規模
#define DATASIZE 16384 // 128KB / (sizeof(signed short) * 4)
// 緩衝區
signed short bufS[DATASIZE*4]; // 源緩衝區。64位的顏色(4通道,每通道16位)
BYTE bufD[DATASIZE*4]; // 目標緩衝區。32位的顏色(4通道,每通道8位)
緩衝區的尺寸是特意規定的。對於現在主流CPU來說,Intel處理器的二級緩存一般是每核心256KB,而AMD處理器的二級緩存一般是每核心512KB。所以數據最好不要超過256KB,這樣就能在二級緩存上完成處理,避免了內存訪問延時造成的干擾。
於是我給bufS分配了128KB,給bufD分配了64KB。
三、更多的測試
用min、max做飽和處理——
// 用min、max飽和處理
void f1_min(BYTE* pbufD, const signed short* pbufS, int cnt)
{
const signed short* pS = pbufS;
BYTE* pD = pbufD;
int i;
for(i=0; i<cnt; ++i)
{
// 分別對4個通道做飽和處理
pD[0] = min(max(0, pS[0]), 255);
pD[1] = min(max(0, pS[1]), 255);
pD[2] = min(max(0, pS[2]), 255);
pD[3] = min(max(0, pS[3]), 255);
// next
pS += 4;
pD += 4;
}
}
用位掩碼做飽和處理,用求負生成掩碼——
// 用位掩碼做飽和處理.用求負生成掩碼
void f2_neg(BYTE* pbufD, const signed short* pbufS, int cnt)
{
const signed short* pS = pbufS;
BYTE* pD = pbufD;
int i;
for(i=0; i<cnt; ++i)
{
// 分別對4個通道做飽和處理
pD[0] = LIMITSU_BYTE(pS[0]);
pD[1] = LIMITSU_BYTE(pS[1]);
pD[2] = LIMITSU_BYTE(pS[2]);
pD[3] = LIMITSU_BYTE(pS[3]);
// next
pS += 4;
pD += 4;
}
}
用位掩碼做飽和處理,用帶符號右移生成掩碼——
// 用位掩碼做飽和處理.用帶符號右移生成掩碼
void f3_sar(BYTE* pbufD, const signed short* pbufS, int cnt)
{
const signed short* pS = pbufS;
BYTE* pD = pbufD;
int i;
for(i=0; i<cnt; ++i)
{
// 分別對4個通道做飽和處理
pD[0] = LIMITSW_BYTE(pS[0]);
pD[1] = LIMITSW_BYTE(pS[1]);
pD[2] = LIMITSW_BYTE(pS[2]);
pD[3] = LIMITSW_BYTE(pS[3]);
// next
pS += 4;
pD += 4;
}
}
四、全部代碼
全部代碼爲——
// 用位掩碼做飽和處理.用求負生成掩碼
#define LIMITSU_FAST(n, bits) ( (n) & -((n) >= 0) | -((n) >= (1<<(bits))) )
#define LIMITSU_SAFE(n, bits) ( (LIMITSU_FAST(n, bits)) & ((1<<(bits)) - 1) )
#define LIMITSU_BYTE(n) ((BYTE)(LIMITSU_FAST(n, 8)))
// 用位掩碼做飽和處理.用帶符號右移生成掩碼
#define LIMITSW_FAST(n, bits) ( ( (n) | ((signed short)((1<<(bits)) - 1 - (n)) >> 15) ) & ~((signed short)(n) >> 15) )
#define LIMITSW_SAFE(n, bits) ( (LIMITSW_FAST(n, bits)) & ((1<<(bits)) - 1) )
#define LIMITSW_BYTE(n) ((BYTE)(LIMITSW_FAST(n, 8)))
// 數據規模
#define DATASIZE 16384 // 128KB / (sizeof(signed short) * 4)
// 緩衝區
signed short bufS[DATASIZE*4]; // 源緩衝區。64位的顏色(4通道,每通道16位)
BYTE bufD[DATASIZE*4]; // 目標緩衝區。32位的顏色(4通道,每通道8位)
// 測試時的函數類型
typedef void (*TESTPROC)(BYTE* pbufD, const signed short* pbufS, int cnt);
// 用if分支做飽和處理
void f0_if(BYTE* pbufD, const signed short* pbufS, int cnt)
{
const signed short* pS = pbufS;
BYTE* pD = pbufD;
int i;
for(i=0; i<cnt; ++i)
{
// 分別對4個通道做飽和處理
pD[0] = (pS[0]<0) ? 0 : ( (pS[0]>255) ? 255 : (BYTE)pS[0] );
pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] );
pD[2] = (pS[2]<0) ? 0 : ( (pS[2]>255) ? 255 : (BYTE)pS[2] );
pD[3] = (pS[3]<0) ? 0 : ( (pS[3]>255) ? 255 : (BYTE)pS[3] );
// next
pS += 4;
pD += 4;
}
}
// 用min、max飽和處理
void f1_min(BYTE* pbufD, const signed short* pbufS, int cnt)
{
const signed short* pS = pbufS;
BYTE* pD = pbufD;
int i;
for(i=0; i<cnt; ++i)
{
// 分別對4個通道做飽和處理
pD[0] = min(max(0, pS[0]), 255);
pD[1] = min(max(0, pS[1]), 255);
pD[2] = min(max(0, pS[2]), 255);
pD[3] = min(max(0, pS[3]), 255);
// next
pS += 4;
pD += 4;
}
}
// 用位掩碼做飽和處理.用求負生成掩碼
void f2_neg(BYTE* pbufD, const signed short* pbufS, int cnt)
{
const signed short* pS = pbufS;
BYTE* pD = pbufD;
int i;
for(i=0; i<cnt; ++i)
{
// 分別對4個通道做飽和處理
pD[0] = LIMITSU_BYTE(pS[0]);
pD[1] = LIMITSU_BYTE(pS[1]);
pD[2] = LIMITSU_BYTE(pS[2]);
pD[3] = LIMITSU_BYTE(pS[3]);
// next
pS += 4;
pD += 4;
}
}
// 用位掩碼做飽和處理.用帶符號右移生成掩碼
void f3_sar(BYTE* pbufD, const signed short* pbufS, int cnt)
{
const signed short* pS = pbufS;
BYTE* pD = pbufD;
int i;
for(i=0; i<cnt; ++i)
{
// 分別對4個通道做飽和處理
pD[0] = LIMITSW_BYTE(pS[0]);
pD[1] = LIMITSW_BYTE(pS[1]);
pD[2] = LIMITSW_BYTE(pS[2]);
pD[3] = LIMITSW_BYTE(pS[3]);
// next
pS += 4;
pD += 4;
}
}
// 進行測試
void runTest(char* szname, TESTPROC proc)
{
int i,j;
DWORD tm0, tm1; // 存儲時間
for(i=1; i<=3; ++i) // 多次測試
{
//tm0 = GetTickCount();
tm0 = timeGetTime();
// main
for(j=1; j<=4000; ++j) // 重複運算幾次延長時間,避免計時精度問題
{
proc(bufD, bufS, DATASIZE);
}
// show
//tm1 = GetTickCount() - tm0;
tm1 = timeGetTime() - tm0;
printf("%s[%d]:\t%u\n", szname, i, tm1);
}
}
int main(int argc, char* argv[])
{
int i; // 循環變量
//printf("Hello World!\n");
printf("== noif:VC6 ==");
// 初始化
srand( (unsigned)time( NULL ) );
for(i=0; i<DATASIZE*4; ++i)
{
bufS[i] = (signed short)((rand()&0x1FF) - 128); // 使數值在 [-128, 383] 區間
}
// 準備開始。可以將將進程優先級設爲實時
if (argc<=1)
{
printf("<Press any key to continue>");
getch();
printf("\n");
}
// 進行測試
runTest("f0_if", f0_if);
runTest("f1_min", f1_min);
runTest("f2_neg", f2_neg);
runTest("f3_sar", f3_sar);
// 結束前提示
if (argc<=1)
{
printf("<Press any key to exit>");
getch();
printf("\n");
}
return 0;
}
五、測試結果
將程序編譯爲“Release”版,然後分別在不同的系統環境中進行測試。
在32位winXP上的測試結果——
== noif:VC6 ==<Press any key to continue>
f0_if[1]: 2016
f0_if[2]: 2016
f0_if[3]: 2015
f1_min[1]: 2063
f1_min[2]: 2062
f1_min[3]: 2063
f2_neg[1]: 718
f2_neg[2]: 719
f2_neg[3]: 719
f3_sar[1]: 672
f3_sar[2]: 687
f3_sar[3]: 672
在64位win7上的測試結果——
== noif:VC6 ==<Press any key to continue>
f0_if[1]: 2075
f0_if[2]: 2012
f0_if[3]: 2028
f1_min[1]: 2059
f1_min[2]: 2075
f1_min[3]: 2075
f2_neg[1]: 717
f2_neg[2]: 718
f2_neg[3]: 718
f3_sar[1]: 670
f3_sar[2]: 687
f3_sar[3]: 686
硬件環境——
CPU:Intel Core i3-2310M, 2100 MHz
內存:DDR3-1066
源碼下載——
http://files.cnblogs.com/zyl910/noifVC6.rar
(建議閱讀編譯器生成的彙編代碼,位於Release\noifVC6.asm )