왜 ScriptIntrinsicBlur가 내 방법보다 빠릅니까?

Question

저는 Renderscript를 사용하여 이미지에 가우시안 블러를 적용합니다. 하지만 내가 한 일과 상관 없습니다. ScriptIntrinsicBlur가 더 빠릅니다. 왜 이런 일이 일어 났습니까? ScriptIntrinsicBlur가 다른 방법을 사용하고 있습니까? 이 ID 내 RS 코드 :

#pragma version(1) 
#pragma rs java_package_name(top.deepcolor.rsimage.utils) 

//aussian blur algorithm. 

//the max radius of gaussian blur 
static const int MAX_BLUR_RADIUS = 1024; 

//the ratio of pixels when blur 
float blurRatio[(MAX_BLUR_RADIUS << 2) + 1]; 

//the acquiescent blur radius 
int blurRadius = 0; 

//the width and height of bitmap 
uint32_t width; 
uint32_t height; 

//bind to the input bitmap 
rs_allocation input; 
//the temp alloction 
rs_allocation temp; 

//set the radius 
void setBlurRadius(int radius) 
{ 
    if(1 > radius) 
     radius = 1; 
    else if(MAX_BLUR_RADIUS < radius) 
     radius = MAX_BLUR_RADIUS; 

    blurRadius = radius; 


    /** 
    calculate the blurRadius by Gaussian function 
    when the pixel is far way from the center, the pixel will not contribute to the center 
    so take the sigma is blurRadius/2.57 
    */ 
    float sigma = 1.0f * blurRadius/2.57f; 
    float deno = 1.0f/(sigma * sqrt(2.0f * M_PI)); 
    float nume = -1.0/(2.0f * sigma * sigma); 

    //calculate the gaussian function 
    float sum = 0.0f; 
    for(int i = 0, r = -blurRadius; r <= blurRadius; ++i, ++r) 
    { 
     blurRatio[i] = deno * exp(nume * r * r); 
     sum += blurRatio[i]; 
    } 

    //normalization to 1 
    int len = radius + radius + 1; 
    for(int i = 0; i < len; ++i) 
    { 
     blurRatio[i] /= sum; 
    } 

} 

/** 
the gaussian blur is decomposed two steps:1 
1.blur in the horizontal 
2.blur in the vertical 
*/ 
uchar4 RS_KERNEL horizontal(uint32_t x, uint32_t y) 
{ 
    float a, r, g, b; 

    for(int k = -blurRadius; k <= blurRadius; ++k) 
    { 
     int horizontalIndex = x + k; 

     if(0 > horizontalIndex) horizontalIndex = 0; 
     if(width <= horizontalIndex) horizontalIndex = width - 1; 

     uchar4 inputPixel = rsGetElementAt_uchar4(input, horizontalIndex, y); 

     int blurRatioIndex = k + blurRadius; 
     a += inputPixel.a * blurRatio[blurRatioIndex]; 
     r += inputPixel.r * blurRatio[blurRatioIndex]; 
     g += inputPixel.g * blurRatio[blurRatioIndex]; 
     b += inputPixel.b * blurRatio[blurRatioIndex]; 
    } 

    uchar4 out; 

    out.a = (uchar) a; 
    out.r = (uchar) r; 
    out.g = (uchar) g; 
    out.b = (uchar) b; 

    return out; 
} 

uchar4 RS_KERNEL vertical(uint32_t x, uint32_t y) 
{ 
    float a, r, g, b; 

    for(int k = -blurRadius; k <= blurRadius; ++k) 
    { 
     int verticalIndex = y + k; 

     if(0 > verticalIndex) verticalIndex = 0; 
     if(height <= verticalIndex) verticalIndex = height - 1; 

     uchar4 inputPixel = rsGetElementAt_uchar4(temp, x, verticalIndex); 

     int blurRatioIndex = k + blurRadius; 
     a += inputPixel.a * blurRatio[blurRatioIndex]; 
     r += inputPixel.r * blurRatio[blurRatioIndex]; 
     g += inputPixel.g * blurRatio[blurRatioIndex]; 
     b += inputPixel.b * blurRatio[blurRatioIndex]; 
    } 

    uchar4 out; 

    out.a = (uchar) a; 
    out.r = (uchar) r; 
    out.g = (uchar) g; 
    out.b = (uchar) b; 

    return out; 
} 

Answer 1

Renderscript 내장 함수가 자신의 스크립트를 달성 할 수있는 것과 매우 다르게 구현됩니다. 이는 여러 가지 이유가 있지만 주로 특정 하드웨어/SoC 구성을 최대한 활용할 수있는 방법으로 개별 장치의 RS 드라이버 개발자가 작성하고 간단히 하드웨어에 대한 낮은 수준의 호출을 수행하기 때문에 가능합니다 RS 프로그래밍 계층에서는 사용할 수 없습니다.

안드로이드는 이러한 내장 함수의 일반적인 구현을 제공하지만 더 낮은 하드웨어 구현을 사용할 수없는 경우에는 "폴백"을 정렬합니다. 이러한 일반적인 것들이 어떻게 수행되는지 보는 것은 이러한 내장 함수가 어떻게 작동하는지 더 잘 이해할 수있게 해줍니다. 예를 들어, 여기에 3x3 컨볼 루션 내장 함수의 일반적인 구현 코드 인 소스 코드 rsCpuIntrinsicConvolve3x3.cpp을 볼 수 있습니다.

해당 소스 파일의 98 번째 줄부터 시작하여 코드를 자세히 살펴보고 루프에 을 사용하는 방법에주의하십시오. 무엇이 발생합니까? 이것은 풀린 루프 (unrolled loop)로 알려져 있습니다. 코드에서 9 개의 해당 메모리 위치를 명시 적으로 추가하고 곱하여 for 루프 구조가 필요 없습니다. 이것은 병렬 코드를 최적화 할 때 고려해야 할 첫 번째 규칙입니다. 커널에서 모든 분기를 제거해야합니다. 코드를 보면 분기가 발생하는 if과 for이 많이 있습니다. 즉, 프로그램의 제어 흐름이 처음부터 끝까지 똑바로 진행되지 않음을 의미합니다.

for 루프를 실행하면 즉시 성능이 향상됩니다. for 구조체를 제거하면 더 이상 모든 반경 값에 대해 커널을 일반화 할 수 없습니다. 이 경우 서로 다른 반지름에 대해 고정 된 커널을 만들어야하는데, 이것은 정확히입니다. 왜 3x3 및 5x5 회선 내장 함수가 개별적으로 표시되는지 이해해야합니다. (의 5x5 내장 함수 99 행 참조).

또한 두 개의 별도 커널이 있다는 사실은 도움이되지 않습니다. 가우스 블러를하고 있다면, 컨볼 루션 커널은 실제로 분리가 가능하며 거기에서했던 것처럼 1xN + Nx1 컨볼 루션을 할 수 있지만, 두 커널을 같은 커널에 둘 것을 권장합니다.

이러한 트릭을 수행하더라도 실제로는 특정 장치에 최적화 된 것이므로 실제 내장 함수와 같은 빠른 결과를 제공하지는 않습니다.