对 3 个向量求和并在 neon 中得到结果

Posted 2023-02-16

【中文标题】对 3 个向量求和并在 neon 中得到结果

【英文标题】：Summing 3 vectors and get the result in neon

【发布时间】：2013-03-20 12:38:24

【问题描述】：

我正在尝试对 d0,d1,d2 + d3,d4,d5+ d6,d7,d8 求和。我不知道最好的指令，然后取平均值为 9。我知道如何使用近似值进行平均，但是将这些车道求和，我找不到相应的指令？我也有不正确的输出图像，所以我怀疑平均操作是否正确。

inline void downsample3dOnePass( uint8_t* src, uint8_t *dst, int srcWidth)


    for (int r = 0; r < (int)srcWidth/3; r++)
    
       // load 24 pixels (grayscale)
       uint8x8x3_t r0       = vld3_u8(src);
       // move to next 24 byes
       src+=24;
       uint8x8x3_t r1       = vld3_u8(src);
       src+=24;
       uint8x8x3_t r2       = vld3_u8(src);

       uint16x8_t  d0  = vmovl_u8(r0.val[0]);
       uint16x8_t  d1  = vmovl_u8(r0.val[1]);
       uint16x8_t  d2  = vmovl_u8(r0.val[2]);

       uint16x8_t  d3  = vmovl_u8(r1.val[0]);
       uint16x8_t  d4  = vmovl_u8(r1.val[1]);
       uint16x8_t  d5  = vmovl_u8(r1.val[2]);

       uint16x8_t  d6  = vmovl_u8(r2.val[0]);
       uint16x8_t  d7  = vmovl_u8(r2.val[1]);
       uint16x8_t  d8  = vmovl_u8(r2.val[2]);

       uint16x8_t d0d3Sum      = vaddq_u16 ( d0, d3);
       uint16x8_t d0d3d6Sum    = vaddq_u16 ( d0d3Sum,  d6 );

       uint16x8_t d1d4Sum      = vaddq_u16 ( d1, d4);
       uint16x8_t d1d4d7Sum    = vaddq_u16 ( d1d4Sum, d7);

       uint16x8_t d2d5Sum      = vaddq_u16 ( d2, d5 );
       uint16x8_t d2d5d8Sum    = vaddq_u16 ( d2d5Sum, d8);

       uint16x8_t firstSum     = vaddq_u16(d0d3d6Sum, d1d4d7Sum);
       uint16x8_t secondSum    = vaddq_u16(firstSum, d2d5d8Sum);
       uint16x8_t totalSum     = vaddq_u16 ( firstSum, secondSum);

       // average = r0+r1+r2/8 ~9 for test
       uint16x8_t totalAverage = vshrq_n_u16(totalSum,3);
       uint8x8_t  finalValue   = vmovn_u16(totalAverage);
       // store 8 bytes
       vst1_u8(dst, finalValue);

       src+=24;
       // move to next row
       dst+=8;

   



void downsample3d( uint8_t* src, uint8_t *dest, int srcWidth, int srcHeight )

    for (int r = 0; r < (int)srcHeight/3; r++)
    
         downsample3dOnePass(src, dest, srcWidth);
    

更新：根据比特银行的回答：

    inline void downsample3dOnePass( uint8_t* src, uint8_t *dst, int srcWidth, int srcHeight, int strideSrc, int strideDest)
    
        int iDestPitch = (strideDest);
        uint8_t *s, *d;
        uint8x8x3_t u88line0;
        uint8x8x3_t u88line1;
        uint8x8x3_t u88line2;
        uint8x8_t   u88Final;
        uint16x8_t  u168Sum;
        int16x8_t   i168divisor = vdupq_n_s16(7282/2); // 65536/9 - used with doubling saturating return high multiply

        for (int r = 0; r < srcHeight/3; r++)
        
            d = &dst[iDestPitch * r];
            s = &src[srcWidth * r*3];

            for (int c = 0; c < srcWidth/3; c+=8)
            
                // load 8 sets of 3x3 pixels (grayscale)
                u88line0 = vld3_u8(&s[0]);
                u88line1 = vld3_u8(&s[srcWidth]);
                u88line2 = vld3_u8(&s[srcWidth*2]);
                s += 24;
                // Sum vertically
                u168Sum = vaddl_u8(u88line0.val[0], u88line0.val[1]); // add with widening
                u168Sum = vaddw_u8(u168Sum, u88line0.val[2]); // accumulate with widening (horizontally)
                u168Sum = vaddw_u8(u168Sum, u88line1.val[0]); // add the other vectors together
                u168Sum = vaddw_u8(u168Sum, u88line1.val[1]);
                u168Sum = vaddw_u8(u168Sum, u88line1.val[2]);
                u168Sum = vaddw_u8(u168Sum, u88line2.val[0]);
                u168Sum = vaddw_u8(u168Sum, u88line2.val[1]);
                u168Sum = vaddw_u8(u168Sum, u88line2.val[2]);
                // we now have the 8 sets of 3x3 pixels summed to 8 16-bit values
                // To divide by 9 we will instead multiply by the inverse (65536/9) = 7282
                u168Sum = vreinterpretq_u16_s16(vqrdmulhq_s16(i168divisor, vreinterpretq_s16_u16(u168Sum)));
                u88Final = vmovn_u16(u168Sum); // narrow to 8 bits
                // store 8 bytes
                vst1_u8(d, u88Final);
                d += 8;
             // for column
         // for row
    


usage: 
//1280*920*grayscale
QImage normalImage("/data/normal_image.png");

uint8_t *resultImage = new uint8_t[440*306];
  downsample3dOnePass(normalImage.bits(),resultImage, normalImage.width(), normalImage.height(), 1280, 440);

【问题讨论】：

您将多个字节相加并将它们存储在一个字节中，然后取其平均值。举例来说，如果两个向量中的相应字节是 0xff 和 0x01 并且您将它们加在一起作为字节会发生什么。您要么必须在求和时将所有像素扩展为 16 位值，要么在相加之前右移（如果可以，请避免使用后一种方法，因为它会导致不必要的精度损失）。

@Michael 我正在寻找将 uint8x8 转换为 uint16x8 的内在函数，但找不到它。 +1 通知 :)

VMOVL (Vector Move Long) takes each element in a doubleword vector, sign or zero extends them to twice their original length, and places the results in a quadword vector.。所以你想要的内在是uint16x8_t vmovl_u8 (uint8x8_t)

【参考方案1】：

您的代码存在几个问题。 NEON 内在函数在 VLDx 处理方面非常糟糕，但您的大错误是您溢出了字节值并水平而不是垂直加载像素。这是一个更好的算法，它将一次将 8*3x3 源像素处理成 8 个目标像素。您的函数也缺少 rows 参数。

inline void downsample3dOnePass( uint8_t* src, uint8_t *dst, int srcWidth, int srcHeight)

int iDestPitch = ((srcWidth/3)+3) & 0xfffffffc; // DWORD aligned
uint8_t *s, *d;
uint8x8x3_t u88line0, u88line, u88line2;
uint8x8_t u88Final;
uint16x8_t u168Sum;
int16x8_t i168divisor = vdupq_n_s16(7282/2); // 65536/9 - used with doubling saturating return high multiply

  for (int r = 0; r < srcHeight/3; r++)
    
    d = &dst[iDestPitch * r];
    s = &src[srcWidth * r*3];

    for (int c = 0; c < srcWidth/3; c+=8)
    
       // load 8 sets of 3x3 pixels (grayscale)
       u88line0 = vld3_u8(&s[0]);
       u88line1 = vld3_u8(&s[srcWidth]);
       u88line2 = vld3_u8(&s[srcWidth*2]);
       s += 24;
       // Sum vertically
       u168Sum = vaddl_u8(u88Line0.val[0], u88Line0.val[1]); // add with widening
       u168Sum = vaddw_u8(u168Sum, u88Line0.val[2]); // accumulate with widening (horizontally)
       u168Sum = vaddw_u8(u168Sum, u88Line1.val[0]); // add the other vectors together
       u168Sum = vaddw_u8(u168Sum, u88Line1.val[1]);
       u168Sum = vaddw_u8(u168Sum, u88Line1.val[2]);
       u168Sum = vaddw_u8(u168Sum, u88Line2.val[0]);
       u168Sum = vaddw_u8(u168Sum, u88Line2.val[1]);
       u168Sum = vaddw_u8(u168Sum, u88Line2.val[2]);
       // we now have the 8 sets of 3x3 pixels summed to 8 16-bit values   
       // To divide by 9 we will instead multiply by the inverse (65536/9) = 7282
       u168Sum = vreinterpretq_u16_s16(vqrdmulhq_s16(i168divisor, vreinterpretq_s16_u16(u168Sum)));
       u88Final = vmovn_u16(u168Sum); // narrow to 8 bits
       // store 8 bytes
       vst1_u8(d, u88Final);
       d += 8;    
    // for column
 // for row

【讨论】：

图像失真。这就是我如何称呼它 uint8_t *resultImage = new uint8_t[450*310]; downsample3dOnePass(normalImage.bits(),resultImage, normalImage.width(), normalImage.height()); normalImage 为 1280*920 +1

"distorted" 的描述性不是很好。检查源图像和目标图像的间距是否正确。在我上面的代码中，我使用了一个双字对齐的目标音高。您可能没有假设此值，因此将其更改为 srcWidth/3。从您的原始代码来看，您似乎没有牢牢掌握图像在内存中的布局方式，这听起来也是当前的问题。

对不起，我没听明白。我应该改变 int iDestPitch = ((srcWidth/3)+3) & 0xfffffffc; to int iDestPitch = (srcWidth/3);图片在这里显示i45.tinypic.com/2wnwqw9.png

这就是我的观点。图像的间距（每行字节数）未正确处理。你对这个概念的误解是阻碍你编写工作代码的绊脚石之一。 PITCH 或 STRIDE 是图像每行的字节数，无论有多少像素。您显示的 png 的音高错误，这就是它具有对角线图案的原因。无论您选择什么音高，读取/显示图像的任何内容都必须使用相同的值。 PNG 是字节对齐的，而不是双字对齐的。

我指定了int iDestPitch = stride，stride是dest图像的宽度，也就是360。diagnoal image变了，现在水平边有GL_Repeated的效果...跨度>

【参考方案2】：

为了避免在将多个向量的字节相加时发生溢出，您应该在求和之前从字节扩展为半字（16 位）。将所有像素相加并划分结果后，您可以将结果缩小到字节。

在 GCC 中用于将字节扩展为半字的 NEON 内在函数是uint16x8_t vmovl_u8 (uint8x8_t)

而相应的缩小内在函数是uint8x8_t vmovn_u16 (uint16x8_t)

请注意，如果将 9 个像素相加并除以 8，则在缩小回字节时仍可能存在溢出风险。在这种情况下，您可以使用vqmovn_u16，它的行为类似于vmovn_u16，但也会执行饱和。

【讨论】：

我仍然有扭曲的图像：/ 我已经更新了完整的代码。

uint16x8_t totalSum = vaddq_u16 ( firstSum, secondSum); 这行对我来说看起来不正确。 secondSum 此时应该已经包含所有像素的总和，所以再做一次加法只会多次求和像素。

那么可能是时候开始转储和分析输出了。创建一个小的单色或棋盘图案位图，在其上运行您的算法并将结果转储到标准输出或文件中，看看您是否不能基于此发现问题。

如果你只想水平平均应该没问题。但是你添加像素的方式看起来有点不对劲。请记住，vld3 对加载的数据执行去交错。因此，例如（除非我弄错了），您的输出像素 0 将是输入像素 0,24,48,1,25,49,2,26 and 50 的平均值，而不是我假设您想要使用的 0,1,2,3,4,5,6,7 and 8。

将 24 添加到源指针不会使您垂直移动 - 请参阅我的答案以获得正确的解决方案。