使用x86/x64 Streaming SIMD扩展进行块匹配优化

Question

这将是我发布的第一个问题！

    std::cout << "Hello mighty StackOverflow!" << std::endl;

我正在尝试使用Intel的SSE4优化立体视觉应用程序的“块匹配”实现。2和/或AVX内部函数。我用“绝对差之和”来寻找最佳匹配块。在我的情况下，blockSize将是一个奇数，例如3或5。这是我的C代码片段：

    for (int i = 0; i < rows; ++i) {
        for (int j = 0; j < cols; ++j) {
            minS = INT_MAX;
            for (int k = 0; k <= beta; ++k) {
                S = 0;
                for (int l = i; l < i + blockSize; ++l) {
                    for (int m = j; m <= j + blockSize ; ++m) {
                        // adiff(a,b) === abs(a-b)
                        S += adiff(rImage.at<uchar>(l, m), lImage.at<uchar>(l, m + k));
                    }
                }
                if (S < minS) {
                    minS = S;
                    kStar = k;
                }
            }
            disparity.at<uchar>(i, j) = kStar;
        }
    }

我知道，数据流单指令多数据扩展指令集包含许多指令，以便于使用SAD进行块匹配，例如mm\u mpsadbw\u epu8和mm\u SAD\u epu8，但它们都以4、16或32为目标。e、 g.此代码来自Intel。我的问题是，在我的应用程序中，blockSize是一个奇数，主要是3或5。

我考虑了以下出发点：

            r0 = _mm_lddqu_si128 ((__m128i*)&rImage.at<uchar>(i, j));
            l0 = _mm_lddqu_si128 ((__m128i*)&lImage.at<uchar>(i, j));
            s0 = _mm_abs_epi8 (_mm_sub_epi8 (r0 , l0) );

但从这里开始，我不知道从s0中求出3或5个连续字节的总和的方法！

如果您对此有任何想法，我将不胜感激。

Answer 1

我怀疑如果块大小小到3-5字节x 3-5字节，您将从使用SSE或类似指令中获得相当少的好处，因为您将花费太多的“收益”来快速计算“swizzling”（将数据从一个地方移动到另一个地方）。

但是，看看代码，看起来您正在多次处理相同的笠美，我认为这没有意义。