YUV视频格式到RGB32格式转换的速度优化 下篇

转自 http://blog.csdn.net/housisong/archive/2008/03/23/2210594.aspx



YUV视频格式到RGB32格式转换的速度优化 下篇
HouSisong@GMail.com 2008.03.23

tag: YUV,YCbCr,YUV到RGB颜色转换,YUV解码,VFW,视频,MMX,SSE,多核优化

摘要: 我们得到的很多视频数据(一些解码器的输出或者摄像头的输出等)都使用了一种
叫YUV的颜色格式；本文介绍了常见的YUV视频格式(YUY2/YVYU/UYVY/I420/YV12等)到
RGB颜色格式的转换,并尝试对转化的速度进行优化；
全文 分为:
《上篇》文章首先介绍了YUV颜色格式，并介绍了YUV颜色格式和RGB颜色格式之
间的相互转换；然后重点介绍了YUYV视频格式到RGB32格式的转化，并尝试进行了一
些速度优化；
《中篇》尝试使用MMX/SSE指令对前面实现的解码器核心进行速度优化；然
后简要介绍了一个使用这类CPU特殊指令时的代码框架，使得解码程序能够根据运行时
的CPU指令支持情况动态调用最佳的实现代码；并最终提供一个多核并行的优化版本；
《下篇》介绍YUV类型的其他种类繁多的视频数据编码格式；并将前面实现的解码
器核心(在不损失代码速度的前提下)进行必要的修改，使之适用于这些YUV视频格式
的解码；

正文:
代码使用C++,编译器:VC2005
涉及到汇编的时候假定为x86平台；
现在的高清视频帧尺寸越来越大，所以本文测试的图片大小将使用1024x576和
1920x1080两种常见的帧尺寸来测试解码器速度；
测试平台:(CPU:AMD64x2 4200+(2.37G); 内存:DDR2 677(双通道); 编译器:VC2005)
(另一套测试平台(Intel Core2 4400)不再由我使用，换成了苹果的iMac电脑）

请先参看《YUV视频格式到RGB32格式转换的速度优化 上篇》和《... 中篇》;

A:YUV视频格式的分类：
YUV数据有很多种储存的方式： 从数据布局方式来看，YUV数据主要分为两大类packed
模式和planar模式；packed模式是指Y/U/V颜色分量放置在一起，比如前面的YUYV格式，
它就是两个相邻像素打包在一起；planar模式是指把Y/U/V颜色分量分成3个大区存放，
也就是所有的Y连续储存在一起，同样所有的U和V也连续储存在一起，比如常见的I420
格式。 从数据压缩的角度来看，YUV数据主要的模式有： 1:1:1 、2:1:1、4:1:1等模式；
1:1:1模式是指Y/U/V的数据量一样，一个像素对应一组YUV数据（在视频编码中比较少
见）；2:1:1模式是指两个像素对应两个Y数据和一个U和一个V数据，由于人眼对亮度(Y)
更敏感，所以就压缩了U/V分量的数量，比如把相邻的两个像素的U/V分量取平均值，然
后这两个像素共享这组U/V值，前面介绍的YUYV格式就属于2:1:1模式； 4:1:1模式也很好
理解，就是把2x2范围的4个相邻像素一起编码得到4个Y分量，然后4个像素共享这组U/V
值，I420格式就属于这类；

B:我们来实现planar模式的YUV数据解码

void DECODE_PlanarYUV111_Common_line(TARGB32* pDstLine,const TUInt8* pY,
const TUInt8* pU,const TUInt8* pV,long width)
{
for (long x=0;x<width;++x)
pDstLine[x]=YUVToRGB32_Int(pY[x],pU[x],pV[x]);
}

//1:1:1 planar模式
void DECODE_PlanarYUV111_Common(const TUInt8* pY,const long Y_byte_width,
const TUInt8* pU,const long U_byte_width,
const TUInt8* pV,const long V_byte_width,
const TPicRegion& DstPic)
{
assert((DstPic.width & 1)==0);
TARGB32* pDstLine=DstPic.pdata;
for (long y=0;y<DstPic.height;++y)
{
DECODE_PlanarYUV111_Common_line(pDstLine,pY,pU,pV,DstPic.width);
((TUInt8*&)pDstLine)+=DstPic.byte_width;
pY+=Y_byte_width;
pU+=U_byte_width;
pV+=V_byte_width;
}
}

void DECODE_PlanarYUV211_Common_line(TARGB32* pDstLine,const TUInt8* pY,
const TUInt8* pU,const TUInt8* pV,long width)
{
for (long x=0;x<width;x+=2)
{
long x_uv=x>>1;
YUVToRGB32_Two(&pDstLine[x],pY[x],pY[x+1],pU[x_uv],pV[x_uv]);
}
}

//2:1:1 planar模式
void DECODE_PlanarYUV211_Common(const TUInt8* pY,const long Y_byte_width,
const TUInt8* pU,const long U_byte_width,
const TUInt8* pV,const long V_byte_width,
const TPicRegion& DstPic)
{
assert((DstPic.width & 1)==0);
TARGB32* pDstLine=DstPic.pdata;
for (long y=0;y<DstPic.height;++y)
{
DECODE_PlanarYUV211_Common_line(pDstLine,pY,pU,pV,DstPic.width);
((TUInt8*&)pDstLine)+=DstPic.byte_width;
pY+=Y_byte_width;
pU+=U_byte_width;
pV+=V_byte_width;
}
}

//4:1:1 planar模式
void DECODE_PlanarYUV411_Common(const TUInt8* pY,const long Y_byte_width,
const TUInt8* pU,const long U_byte_width,
const TUInt8* pV,const long V_byte_width,
const TPicRegion& DstPic)
{
assert((DstPic.width & 1)==0);
TARGB32* pDstLine=DstPic.pdata;
for (long y=0;y<DstPic.height;++y)
{
DECODE_PlanarYUV211_Common_line(pDstLine,pY,pU,pV,DstPic.width);
((TUInt8*&)pDstLine)+=DstPic.byte_width;
pY+=Y_byte_width;

//这里做了特殊处理，使Y下移两行的时候U、V才会下移一行
if ((y&1)==1)
{
pU+=U_byte_width;
pV+=V_byte_width;
}
}
}

一点说明: 1:1:1模式,后面将不再处理，而4:1:1模式直接使用了2:1:1解码器的核心；

C.我们来优化DECODE_PlanarYUV411_Common函数；

1.当前的实现DECODE_PlanarYUV411_Common
速度测试:
/////////////////////////////////////////////////////////
//=======================================================
// | 1024x576 | 1920x1080 |
//-------------------------------------------------------
// | AMD64x2 | AMD64x2 |
//-------------------------------------------------------
//DECODE_PlanarYUV411_Common 236.1 FPS 67.5 FPS
/////////////////////////////////////////////////////////

2.MMX的实现DECODE_PlanarYUV411_MMX

#define PlanarYUV211_Loader_MMX(in_y_reg,in_u_reg,in_v_reg) /
asm movd mm1,[in_u_reg] /*mm1=00 00 00 00 U3 U2 U1 U0 */ /
asm movd mm2,[in_v_reg] /*mm2=00 00 00 00 V3 V2 V1 V0 */ /
asm pxor mm4,mm4 /*mm4=00 00 00 00 00 00 00 00 */ /
asm movq mm0,[in_y_reg] /*mm0=Y7 Y6 Y5 Y4 Y3 Y2 Y1 Y0 */ /
asm punpcklbw mm1,mm4 /*mm1=00 U3 00 U2 00 U1 00 U0 */ /
asm punpcklbw mm2,mm4 /*mm2=00 V3 00 V2 00 V1 00 V0 */

void DECODE_PlanarYUV211_MMX_line(TARGB32* pDstLine,const TUInt8* pY,
const TUInt8* pU,const TUInt8* pV,long width)
{
long expand8_width=(width>>3)<<3;

if (expand8_width>0)
{
asm
{
push esi
push edi

mov ecx,expand8_width
shr ecx,1
mov eax,pY
mov esi,pU
mov edi,pV
mov edx,pDstLine
lea eax,[eax+ecx*2]
lea esi,[esi+ecx]
lea edi,[edi+ecx]
neg ecx

loop_beign:
PlanarYUV211_Loader_MMX(eax+ecx*2,esi+ecx,edi+ecx)
YUV422ToRGB32_MMX(edx,movq)

add edx,8*4
add ecx,4
jnz loop_beign

mov pY,eax
mov pU,esi
mov pV,edi
mov pDstLine,edx

pop edi
pop esi
}
}

//处理边界
DECODE_PlanarYUV211_Common_line(pDstLine,pY,pU,pV,width-expand8_width);
}

void DECODE_PlanarYUV411_MMX(const TUInt8* pY,const long Y_byte_width,
const TUInt8* pU,const long U_byte_width,
const TUInt8* pV,const long V_byte_width,
const TPicRegion& DstPic)
{
assert((DstPic.width & 1)==0);
TARGB32* pDstLine=DstPic.pdata;
for (long y=0;y<DstPic.height;++y)
{
DECODE_PlanarYUV211_MMX_line(pDstLine,pY,pU,pV,DstPic.width);
((TUInt8*&)pDstLine)+=DstPic.byte_width;
pY+=Y_byte_width;
if ((y&1)==1)
{
pU+=U_byte_width;
pV+=V_byte_width;
}
}
asm emms
}

速度测试:
/////////////////////////////////////////////////////////
//=======================================================
// | 1024x576 | 1920x1080 |
//-------------------------------------------------------
// | AMD64x2 | AMD64x2 |
//-------------------------------------------------------
//DECODE_PlanarYUV411_MMX 650.1 FPS 187.3 FPS
/////////////////////////////////////////////////////////

3.优化写缓冲的SSE实现DECODE_PlanarYUV411_SSE

void DECODE_PlanarYUV211_SSE_line(TARGB32* pDstLine,const TUInt8* pY,
const TUInt8* pU,const TUInt8* pV,long width)
{
long expand8_width=(width>>3)<<3;

if (expand8_width>0)
{
asm
{
push esi
push edi

mov ecx,expand8_width
shr ecx,1
mov eax,pY
mov esi,pU
mov edi,pV
mov edx,pDstLine
lea eax,[eax+ecx*2]
lea esi,[esi+ecx]
lea edi,[edi+ecx]
neg ecx

loop_beign:
PlanarYUV211_Loader_MMX(eax+ecx*2,esi+ecx,edi+ecx)
YUV422ToRGB32_SSE(edx)

add edx,8*4
add ecx,4
jnz loop_beign

mov pY,eax
mov pU,esi
mov pV,edi
mov pDstLine,edx

pop edi
pop esi
}
}

//处理边界
DECODE_PlanarYUV211_Common_line(pDstLine,pY,pU,pV,width-expand8_width);
}

void DECODE_PlanarYUV411_SSE(const TUInt8* pY,const long Y_byte_width,
const TUInt8* pU,const long U_byte_width,
const TUInt8* pV,const long V_byte_width,
const TPicRegion& DstPic)
{
assert((DstPic.width & 1)==0);
TARGB32* pDstLine=DstPic.pdata;
for (long y=0;y<DstPic.height;++y)
{
DECODE_PlanarYUV211_SSE_line(pDstLine,pY,pU,pV,DstPic.width);
((TUInt8*&)pDstLine)+=DstPic.byte_width;
pY+=Y_byte_width;
if ((y&1)==1)
{
pU+=U_byte_width;
pV+=V_byte_width;
}
}
asm emms
}

速度测试:
/////////////////////////////////////////////////////////
//=======================================================
// | 1024x576 | 1920x1080 |
//-------------------------------------------------------
// | AMD64x2 | AMD64x2 |
//-------------------------------------------------------
//DECODE_PlanarYUV411_SSE 864.6 FPS 249.5 FPS
/////////////////////////////////////////////////////////

4.自动适应CPU指令集的版本和并行优化版本的实现就不赘述了；

D:解码器框架
有了前面的各种实现的尝试，完成支持大部分YUV视频格式的解码器已经没有多少困难了；剩下的
就是弄清楚数据的储存格式并组织规划好各种实现代码。
一些建议: 可以将解码器分成3段，载入器、核心解码器、颜色输出器，不同的YUV格式可能需要不同的
“载入器”实现，它负责组织好Y、U、V源，使之适合核心解码器使用，输出的时候可能有不同
的RGB颜色编码输出需求，可以做几个不同的“颜色输出器”实现；
Planar模式的解码是比较容易统一处理的，只要弄清楚各分量存放的位置就能使用同一个解码器
函数的实现；
packed模式就麻烦一些，需要对不同的编码方式实现不同的“载入器”(也可以把它们做成多个
仿函数实现，作为解码函数的参数；另外合理运用内联、宏和泛型可以节省很多代码和维护工作量；)

(最近都比较忙，这篇文章拖了3个月才完成，比计划的内容减少了很多)