MATLAB conv2卷积的实现

MATLAB conv2卷积的实现

二维卷积的算法原理比较简单，参考任意一本数字信号处理的书籍，而matlab的conv2函数的滤波有个形状参数，用下面的一张图很能说明问题：

这里给出一种最原始的实现方案。这种实现对于数据矩阵大小为1000x1000，卷积核矩阵大小为20x20，在我的机器上需要大约1秒钟的时间，而matlab采用的MKL库最快只需要将近0.1s的时间。下面的代码用到了自己目前开发的FastIV中的一些函数接口。具体代码如下：

1. #include "fiv_core.h"
2. typedef enum{
3. FIV_CONV2_SHAPE_FULL,
4. FIV_CONV2_SHAPE_SAME,
5. FIV_CONV2_SHAPE_VALID
6. }FIV_CONV_SHAPE;
7. void fIv_conv2(fIvMat** dst_mat, fIvMat* src_mat, fIvMat* kernel_mat, FIV_CONV_SHAPE shape)
8. {
9. int src_row = src_mat->rows;
10. int src_cols = src_mat->cols;
11. int kernel_row = kernel_mat->rows;
12. int kernel_cols = kernel_mat->cols;
13. int dst_row = 0, dst_cols = 0, edge_row = 0, edge_cols = 0;
14. int i,j, kernel_i,kernel_j,src_i,src_j;
15. fIvMat* ptr_dst_mat = NULL;
16. switch(shape){
17. case FIV_CONV2_SHAPE_FULL:
18. dst_row = src_row + kernel_row - 1;
19. dst_cols = src_cols + kernel_cols - 1;
20. edge_row = kernel_row - 1;
21. edge_cols = kernel_cols - 1;
22. break;
23. case FIV_CONV2_SHAPE_SAME:
24. dst_row = src_row;
25. dst_cols = src_cols;
26. edge_row = (kernel_row - 1) / 2;
27. edge_cols = (kernel_cols - 1) / 2;
28. break;
29. case FIV_CONV2_SHAPE_VALID:
30. dst_row = src_row - kernel_row + 1;
31. dst_cols = src_cols - kernel_cols + 1;
32. edge_row = edge_cols = 0;
33. break;
34. }
35. ptr_dst_mat = fIv_create_mat(dst_row, dst_cols, FIV_64FC1);
36. *dst_mat = ptr_dst_mat;
37. for (i = 0; i < dst_row; i++) {
38. ivf64* ptr_dst_line_i = (ivf64* )fIv_get_mat_data_at_row(ptr_dst_mat, i);
39. for (j = 0; j < dst_cols; j++) {
40. ivf64 sum = 0;
41. kernel_i = kernel_row - 1 - FIV_MAX(0, edge_row - i);
42. src_i = FIV_MAX(0, i - edge_row);
43. for (; kernel_i >= 0 && src_i < src_row; kernel_i--, src_i++) {
44. ivf64* ptr_src_line_i,*ptr_kernel_line_i;
45. kernel_j = kernel_cols - 1 - FIV_MAX(0, edge_cols - j);
46. src_j = FIV_MAX(0, j - edge_cols);
47. ptr_src_line_i = (ivf64*)fIv_get_mat_data_at_row(src_mat, src_i);
48. ptr_kernel_line_i = (ivf64*)fIv_get_mat_data_at_row(kernel_mat, kernel_i);
49. ptr_src_line_i += src_j;
50. ptr_kernel_line_i += kernel_j;
51. for (; kernel_j >= 0 && src_j < src_cols; kernel_j--, src_j++){
52. sum += *ptr_src_line_i++ * *ptr_kernel_line_i--;
53. }
54. }
55. ptr_dst_line_i[j] = sum;
56. }
57. }
58. }
59. FIV_ALIGNED(16) ivf64 ker_data[4*4] = {0.1,0.2,0.3,0.4,
60. 0.5,0.6,0.7,0.8,
61. 0.9,1.0,1.1,1.2,
62. 1.3,1.4,1.5,1.6};
63. void test_conv2()
64. {
65. fIvMat* src_mat = fIv_create_mat_magic(8, FIV_64FC1); // 8x8 magic matrix
66. fIvMat* kernel_mat = fIv_create_mat_header(4, 4, FIV_64FC1);
67. fIvMat* dst_mat = NULL;
68. fIv_set_mat_data(kernel_mat, ker_data, (sizeof(ivf64)) * 4 * 4);
69. fIv_conv2(&dst_mat, src_mat, kernel_mat, FIV_CONV2_SHAPE_FULL);
70. fIv_export_matrix_data_file(dst_mat,"dst_mat_4x4-full.txt", 1);
71. fIv_release_mat(&src_mat);
72. fIv_release_mat(&kernel_mat);
73. fIv_release_mat(&dst_mat);
74. }
75. int main()
76. {
77. test_conv2();
78. return 0;
79. }

10月24日更新:

目前FastIV中的实现已经经过优化，最快速度在我的机器上已经超越MATLAB。