opencv之SIMD

数据类型，例如cv::v_int8x16 表示int8_t的基本数据，16个。即类型在前，数量在后。

CV_SIMD_WIDTH是一个宏定义，用于表示在OpenCV中使用的向量化数据类型的宽度。它表示一个向量中包含的元素数量。

基本数据类型

 

cv::v_uint8 /cv::v_int8
cv::v_uint16 /cv::v_int6
cv::v_uint32 /cv::v_int32
cv::v_uint64 /cv::v_int64
cv::v_float32
cv::v_float64

根据寄存器位数来分类，128位：
cv::v_uint8x16/cv::v_int8x16
cv::v_uint16x8/cv::v_int16x8
cv::v_uint32x4/cv::v_int32x4
cv::v_uint64x2/cv::v_int64x2
cv::v_float32x4
cv::v_float64x2

根据寄存器位数来分类，256位：（需要注意的是 要判断是否满足512bit的情况 例如CV_SIMD256）
cv::v_uint8x32/cv::v_int8x32
cv::v_uint16x16/cv::v_int16x16
cv::v_uint32x8/cv::v_int32x8
cv::v_uint64x4/cv::v_int64x4
cv::v_float64x4

初始化

变量置零可以使用

v_uint8x16 cv::v_setzero_u8 ()
v_int8x16 cv::v_setzero_s8 ()
v_uint16x8 cv::v_setzero_u16 ()
v_int16x8 cv::v_setzero_s16 ()
v_float32x4 cv::v_setzero_f32 ()
v_float64x2 cv::v_setzero_f64 ()
v_uint8x32 cv::v256_setzero_u8 ()
v_int8x32 cv::v256_setzero_s8 ()
v_uint16x32 cv::v512_setzero_u16 ()
v_int16x32 cv::v512_setzero_s16 ()

上面函数的后缀类型可以修改

设置特定的初始值可以用下列函数

v_uint8x16 cv::v_setall_u8 (uchar val)
v_int8x16 cv::v_setall_s8 (schar val)
v_uint16x8 cv::v_setall_u16 (ushort val)
v_int16x8 cv::v_setall_s16 (short val)
v_uint32x4 cv::v_setall_u32 (unsigned val)
v_int32x4 cv::v_setall_s32 (int val)
v_uint8x32 cv::v256_setall_u8 (uchar val)
v_int8x32 cv::v256_setall_s8 (schar val)
v_uint8x64 cv::v512_setall_u8 (uchar val)
v_int8x64 cv::v512_setall_s8 (schar val)

 

类型转换

类型转换可以使用下面系列函数

v_reinterpret_as_s8

v_reinterpret_as_u8

v_reinterpret_as_s16

v_reinterpret_as_u16

 

 

cv::vx_load是一个通用的向量加载函数，潜在的意思是加载尽可能大的数据

cv::v_load是一个特定于OpenCV向量化数据类型的加载函数。它用于加载特定长度的向量数据，该长度由向量化数据类型的宽度（CV_SIMD_WIDTH）决定

下面是一个求和的示例

int add_opencv(uint8_t* data, int wid, int hei) {
    int total = 0;
    int size = wid * hei;
    //CV_SIMD_WIDTH
    // 使用128位寄存器进行SIMD计算
    cv::v_int8x16 sum =cv::v_setzero_s8();// _mm_setzero_si128();

    // 每次处理16个元素（8位）
    for (int i = 0; i < size; i += 16) {
        // 从内存加载16个元素到128位寄存器
        cv::v_int8x16 cur=cv::v_load((const int8_t*)(data+i));
        // 求和
        sum = cv::v_add_wrap(sum, cur);
    }
    total=cv::v_reduce_sum(sum);
    // 处理剩余的元素（不足16个）
    for (int i = size - (size % 16); i < size; ++i) {
        total += data[i];
    }
    
    return total;
}