编程问答
rgb2yuv -凯发ag旗舰厅登录网址下载
1.rgb2yuv422p
代码的运算速度取决于以下几个方面
1、 算法本身的复杂度，比如mpeg比jpeg复杂，jpeg比bmp图片的编码复杂。
2、 cpu自身的速度和设计架构
3、 cpu的总线带宽
4、 您自己代码的写法
将rgb格式的彩色图像先转换成yuv图像。
图像转换的公式如下：
y = 0.299 * r 0.587 * g 0.114 * b;
图像尺寸640*480*24bit，rgb图像已经按照rgbrgb顺序排列的格式，放在内存里面了。
以下是输入和输出的定义：
#define xsize 640
#define ysize 480
#define imgsize xsize * ysize
typedef struct rgb
{
unsigned char r;
unsigned char g;
unsigned char b;
}rgb;
struct rgb in[imgsize]; //需要计算的原始数据
unsigned char out[imgsize]; //计算后的结果
第一个优化
优化原则：图像是一个2d数组，我用一个一维数组来存储。编译器处理一维数组的效率要高过二维数组。
先写一个代码：
y = 0.299 * r 0.587 * g 0.114 * b;
void calc_lum()
{
int i;
for(i = 0; i < imgsize; i )
{
double r,g,b,y;
unsigned char yy;
r = in[i].r;
g = in[i].g;
b = in[i].b;
y = 0.299 * r 0.587 * g 0.114 * b;
yy = y;
out[i] = yy;
}
}
这大概是能想得出来的最简单的写法了，实在看不出有什么毛病，好了，编译一下跑一跑吧。
第一次试跑
这个代码分别用vc6.0和gcc编译，生成2个版本，分别在pc上和我的embedded system上面跑。
速度多少？
在pc上，由于存在硬件浮点处理器，cpu频率也够高，计算速度为20秒。
我的embedded system，没有以上2个优势，浮点操作被编译器分解成了整数运算，运算速度为120秒左右。
去掉浮点运算
上面这个代码还没有跑，我已经知道会很慢了，因为这其中有大量的浮点运算。只要能不用浮点运算，一定能快很多。
y = 0.299 * r 0.587 * g 0.114 * b;
这个公式怎么能用定点的整数运算替代呢？
0.299 * r可以如何化简？
y = 0.299 * r 0.587 * g 0.114 * b;
y = d e f;
d = 0.299 * r;
e = 0.587 * g;
f = 0.114 * b;
我们就先简化算式d吧！
rgb的取值范围都是0~255，都是整数，只是这个系数比较麻烦，不过这个系数可以表示为：0.299 = 299 / 1000;
所以 d = ( r * 299) / 1000;
y = (r * 299 g * 587 b * 114) / 1000;
这一下，能快多少呢？
embedded system上的速度为45秒；
pc上的速度为2秒；
0.299 * r可以如何化简
y = 0.299 * r 0.587 * g 0.114 * b;
y = (r * 299 g * 587 b * 114) / 1000;
这个式子好像还有点复杂，可以再砍掉一个除法运算。
前面的算式d可以这样写：
0.299=299/1000=1224/4096
所以 d = (r * 1224) / 4096
y=(r*1224)/4096 (g*2404)/4096 (b*467)/4096
再简化为：
y=(r*1224 g*2404 b*467)/4096
这里的/4096除法，因为它是2的n次方，所以可以用移位操作替代，往右移位12bit就是把某个数除以4096了。
void calc_lum()
{
int i;
for(i = 0; i < imgsize; i )
{
int r,g,b,y;
r = 1224 * in[i].r;
g = 2404 * in[i].g;
b = 467 * in[i].b;
y = r g b;
y = y >> 12; //这里去掉了除法运算
out[i] = y;
}
}
这个代码编译后，又快了20%。
虽然快了不少，还是太慢了一些，20秒处理一幅图像，地球人都不能接受。
仔细端详一下这个式子！
y = 0.299 * r 0.587 * g 0.114 * b;
y=d e f;
d=0.299*r;
e=0.587*g;
f=0.114*b;
rgb的取值有文章可做，rgb的取值永远都大于等于0，小于等于255，我们能不能将d，e，f都预先计算好呢？然后用查表算法计算呢？
我们使用3个数组分别存放def的256种可能的取值，然后。。。
查表数组初始化
int d[256],f[256],e[256];
void table_init()
{
int i;
for(i=0;i<256;i )
{
d[i]=i*1224;
d[i]=d[i]>>12;
e[i]=i*2404;
e[i]=e[i]>>12;
f[i]=i*467;
f[i]=f[i]>>12;
}
}
void calc_lum()
{
int i;
for(i = 0; i < imgsize; i )
{
int r,g,b,y;
r = d[in[i].r];//查表
g = e[in[i].g];
b = f[in[i].b];
y = r g b;
out[i] = y;
}
}
这一次的成绩把我吓出一身冷汗，执行时间居然从30秒一下提高到了2秒！在pc上测试这段代码，眼皮还没眨一下，代码就执行完了。一下提高15倍，爽不爽？
继续优化
很多embedded system的32bit cpu，都至少有2个alu，能不能让2个alu都跑起来？
void calc_lum()
{
int i;
for(i = 0; i < imgsize; i = 2) //一次并行处理2个数据
{
int r,g,b,y,r1,g1,b1,y1;
r = d[in[i].r];//查表 //这里给第一个alu执行
g = e[in[i].g];
b = f[in[i].b];
y = r g b;
out[i] = y;
r1 = d[in[i 1].r];//查表 //这里给第二个alu执行
g1 = e[in[i 1].g];
b1 = f[in[i 1].b];
y = r1 g1 b1;
out[i 1] = y;
}
}
2个alu处理的数据不能有数据依赖，也就是说：某个alu的输入条件不能是别的alu的输出，这样才可以并行。
这次成绩是1秒。
查看这个代码
int d[256],f[256],e[256]; //查表数组
void table_init()
{
int i;
for(i=0;i<256;i )
{
d[i]=i*1224;
d[i]=d[i]>>12;
e[i]=i*2404;
e[i]=e[i]>>12;
f[i]=i*467;
f[i]=f[i]>>12;
}
}
到这里，似乎已经足够快了，但是我们反复实验，发现，还有办法再快！
可以将int d[256],f[256],e[256]; //查表数组
更改为
unsigned short d[256],f[256],e[256]; //查表数组
这是因为编译器处理int类型和处理unsigned short类型的效率不一样。
再改动
inline void calc_lum()
{
int i;
for(i = 0; i < imgsize; i = 2) //一次并行处理2个数据
{
int r,g,b,y,r1,g1,b1,y1;
r = d[in[i].r];//查表 //这里给第一个alu执行
g = e[in[i].g];
b = f[in[i].b];
y = r g b;
out[i] = y;
r1 = d[in[i 1].r];//查表 //这里给第二个alu执行
g1 = e[in[i 1].g];
b1 = f[in[i 1].b];
y = r1 g1 b1;
out[i 1] = y;
}
}
将函数声明为inline，这样编译器就会将其嵌入到母函数中，可以减少cpu调用子函数所产生的开销。
这次速度：0.5秒。
其实，我们还可以飞出地球的！
如果加上以下措施，应该还可以更快：
1、 把查表的数据放置在cpu的高速数据cache里面；
2、 把函数calc_lum()用汇编语言来写
其实，cpu的潜力是很大的
1、 不要抱怨你的cpu，记住一句话：“只要功率足够，砖头都能飞！”
2、 同样的需求，写法不一样，速度可以从120秒变化为0.5秒，说明cpu的潜能是很大的！看你如何去挖掘。
3、 我想：要是microsoft的工程师都像我这样优化代码，我大概就可以用489跑windows xp了！
以上就是对《让你的软件飞起来》的摘录，下面，我将按照这位牛人的介绍，对rgb到ycbcr的转换算法做以总结。
y = 0.299r 0.587g 0.114b
u = -0.147r - 0.289g 0.436b
v = 0.615r - 0.515g - 0.100b
#deinfe size 256
#define xsize 640
#define ysize 480
#define imgsize xsize * ysize
typedef struct rgb
{
unsigned char r;
unsigned char g;
unsigned char b;
}rgb;
struct rgb in[imgsize]; //需要计算的原始数据
unsigned char out[imgsize * 3]; //计算后的结果
unsigned short y_r[size],y_g[size],y_b[size],u_r[size],u_g[size],u_b[size],v_r[size],v_g[size],v_b[size]; //查表数组
void table_init()
{
int i;
for(i = 0; i < size; i )
{
y_r[i] = (i * 1224) >> 12; //y对应的查表数组
y_g[i] = (i * 2404) >> 12;
y_b[i] = (i * 467) >> 12;
u_r[i] = (i * 602) >> 12; //u对应的查表数组
u_g[i] = (i * 1183) >> 12;
u_b[i] = (i * 1785) >> 12;
v_r[i] = (i * 2519) >> 12; //v对应的查表数组
v_g[i] = (i * 2109) >> 12;
v_b[i] = (i * 409) >> 12;
}
}
inline void calc_lum()
{
int i;
for(i = 0; i < imgsize; i = 2) //一次并行处理2个数据
{
out[i] = y_r[in[i].r] y_g[in[i].g] y_b[in[i].b]; //y
out[i imgsize] = u_b[in[i].b] - u_r[in[i].r] - u_g[in[i].g]; //u
out[i 2 * imgsize] = v_r[in[i].r] - v_g[in[i].g] - v_b[in[i].b]; //v
out[i 1] = y_r[in[i 1].r] y_g[in[i 1].g] y_b[in[i 1].b]; //y
out[i 1 imgsize] = u_b[in[i 1].b] - u_r[in[i 1].r] - u_g[in[i 1].g]; //u
out[i 1 2 * imgsize] = v_r[in[i 1].r] - v_g[in[i 1].g] - v_b[in[i 1].b]; //v
}
}
从公式中，我们关键要理解的一点是，uv / cbcr信号实际上就是蓝色差信号和红色差信号，进而言之，实际上一定程度上间接的代表了蓝色和红色的强度，理解这一点对于我们理解各种颜色变换处理的过程会有很大的帮助。
我们在数字电子多媒体领域所谈到的yuv格式，实际上准确的说，是以ycrcb色彩空间模型为基础的具有多种存储格式的一类颜色模型的家族（包括 yuv444 / yuv422 / yuv420 / yuv420p等等）。并不是传统意义上用于pal制模拟电视的yuv模型。这些yuv模型的区别主要在于uv数据的采样方式和存储方式，这里就不详述。
而在camera sensor中，最常用的yuv模型是 yuv422格式，因为它采用4个字节描述两个像素，能和rgb565模型比较好的兼容。有利于camera sensor和camera controller的软硬件接口设计。
http://blog.csdn.net/frankiewang008/article/details/6854616
http://hi.baidu.com/zymill/item/b09445aa563d02796cd4558b
http://wenku.baidu.com/link?url=j97xmvf-umfdngt8c4km3j1lue0bewdno23c10mjzs8aeimrtjtbo7zhj2zx6gawwynkabn0pdns_nd_mcncaik00niqutszypxvhqfc5ko百度文库位图信息
总结
以上是凯发ag旗舰厅登录网址下载为你收集整理的rgb2yuv的全部内容，希望文章能够帮你解决所遇到的问题。
如果觉得凯发ag旗舰厅登录网址下载网站内容还不错，欢迎将凯发ag旗舰厅登录网址下载推荐给好友。
- 上一篇：
- 下一篇： opencv学习(1) opencv的安