（原）使用intel的ipp库计算卷积及相关

转载请注明出处：

http://www.cnblogs.com/darkknightzh/p/5462631.html

参考网址：

https://software.intel.com/zh-cn/node/504170

https://software.intel.com/en-us/node/599808

https://software.intel.com/en-us/node/504340

 #include <opencv2/opencv.hpp>
 #include <opencv2/highgui/highgui.hpp>
 #include <opencv2/imgproc/imgproc.hpp>
 using namespace cv;
 #include <ipp.h>

 enum ConvolutionType                      // 卷积时参数的类型
 {
     CONVOLUTION_FULL,                    // 卷积时的参数，和 matlab 的 full 一致
     CONVOLUTION_SAME,                    // 卷积时的参数，和 matlab 的 same 一致
     CONVOLUTION_VALID                    // 卷积时的参数，和 matlab 的 valid 一致
 };

 void Conv2IPP(Mat& convRes, const Mat& imgIn, const Mat& kernelIn, ConvolutionType type, int ddepth)
 {
     Mat img = imgIn.clone(), kernel = kernelIn.clone();
     const IppiSize imgSize = { img.cols, img.rows };
     const IppiSize kerSize = { kernel.cols, kernel.rows };

     if (CV_32FC1 != img.type())
     {
         img.convertTo(img, CV_32FC1);  // ipp的库支持8u，16s，32f这几种精度的数据的卷积
     }
     if (CV_32FC1 != kernel.type())
     {
         kernel.convertTo(kernel, CV_32FC1);
     }

     int nConvResW = img.cols + kernel.cols - ;
     int nConvResH = img.rows + kernel.rows - ;
     // 如果直接声明Mat的变量，并在ippiConv_32f_C1R中传递.data缓冲区的话，程序会崩溃，因而只能先加一个临时变量
     float *pConvRes = new float[nConvResW * nConvResH];  

     // ippiROIFull改为ippiROIValid或者ippiROISame对应matlab响应的参数。不能直接改，否则结果不对。具体怎么改，暂时不清楚。
     IppEnum funCfgFull = (IppEnum)(ippAlgAuto | ippiROIFull | ippiNormNone);
     int bufSizeFull;
     IppStatus status = ippiConvGetBufferSize(imgSize, kerSize, ipp32f, , funCfgFull, &bufSizeFull);
     Ipp8u* pBuffer = ippsMalloc_8u(bufSizeFull);

     ippiConv_32f_C1R((Ipp32f*)img.data, img.step, imgSize, (Ipp32f*)kernel.data, kernel.step, kerSize,
         pConvRes, nConvResW * , funCfgFull, pBuffer);   // 此处应该使用nConvResW * 4

     Mat matConvResTemp(nConvResH, nConvResW, CV_32FC1);
     memcpy(matConvResTemp.data, pConvRes, sizeof(float)* nConvResH * nConvResW);

     Rect r;
     switch (type)
     {
     case CONVOLUTION_FULL:  // full
         r = Rect(, , matConvResTemp.cols, matConvResTemp.rows);
         break;
     case CONVOLUTION_SAME:  // same
         r = Rect((kernel.cols + 0.5) / , (kernel.rows + 0.5) / , img.cols, img.rows);
         break;
     case CONVOLUTION_VALID:  // valid
         r = Rect((kernel.cols + 0.5) / , (kernel.rows + 0.5) / , img.cols - kernel.cols + , img.rows - kernel.rows + );
         break;
     default:  // same
         r = Rect((kernel.cols + 0.5) / , (kernel.rows + 0.5) / , img.cols, img.rows);
         break;
     }

     matConvResTemp(r).convertTo(convRes, ddepth, , );  // ddepth为CV_32FC1等类型

     ippsFree(pBuffer);
     delete[] pConvRes;
     pConvRes = nullptr;
 }

说明：不确定的有2处：

1. 此程序计算卷积还是相关？感觉像是相关而非卷积（之前写过的程序计算相关，此处和之前的结果总体上相似。理论上卷积是核需要上下左右镜像的，这个地方不确定）

ps：应该是卷积。

2. CONVOLUTION_FULL没有问题，CONVOLUTION_SAME不确定矩形框是否正确，CONVOLUTION_VALID也不确定是否正确。实际上对于后两者，可以将标志funCfgFull从ippiROIFull改为ippiROISame或者ippiROIValid，不过卷积的缓冲区pConvRes需要相应的改变大小。还有，如果直接改标志的话，卷积的结果不正确。不清楚什么原因。

ps：当使用ippiROISame时，计算到的bufSizeFull的值为0，因而卷积的结果不正确。不明白为什么。

150506更新：

在第三个参考网址中，发现了另一个函数ippiCrossCorrNorm_32f_C1R，用于计算相关。可以选用ippiROISame参数。

 Mat Conv2IPPSame(const Mat& imgIn, const Mat& kernelIn)
 {
     Mat img = imgIn.clone(), kernel = kernelIn.clone();
     const IppiSize imgSize = { img.cols, img.rows };
     const IppiSize kerSize = { kernel.cols, kernel.rows };

     if (CV_32FC1 != img.type())
     {
         img.convertTo(img, CV_32FC1);
     }
     if (CV_32FC1 != kernel.type())
     {
         kernel.convertTo(kernel, CV_32FC1);
     }

     int nConvResW = img.cols;
     int nConvResH = img.rows;
     float *pConvRes = new float[nConvResW * nConvResH];

     int bufSize;
     IppEnum funCfg = (IppEnum)(ippAlgAuto | ippiROISame | ippiNormNone);
     IppStatus status = ippiCrossCorrNormGetBufferSize(imgSize, kerSize, funCfg, &bufSize);
     Ipp8u* pBuffer = ippsMalloc_8u(bufSize);

     ippiCrossCorrNorm_32f_C1R((Ipp32f*)img.data, img.step, imgSize, (Ipp32f*)kernel.data, kernel.step, kerSize,
         pConvRes, nConvResW * , funCfg, pBuffer);

     Mat matConvRes(nConvResH, nConvResW, CV_32FC1);
     memcpy(matConvRes.data, pConvRes, sizeof(float)* nConvResH * nConvResW);

     ippsFree(pBuffer);
     delete[] pConvRes;
     pConvRes = nullptr;

     return matConvRes;
 }

从参考网址3中可以看到，ippiNormNone是计算相关的意思。

需要注意的是，第二个程序是计算相关的程序，而非卷积。和matlab的程序对比测试，发现第一个程序结果和卷积的结果相似，第二个程序的结果和相关的结果相似。