（原）使用intel的ipp庫計算卷積及相關

轉載請注明出處：

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

參考網址：

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                      // 卷積時參數的類型
{
    CONVOLUTION_FULL,                    // 卷積時的參數，和 matlab 的 full 一致
    CONVOLUTION_SAME,                    // 卷積時的參數，和 matlab 的 same 一致
    CONVOLUTION_VALID                    // 卷積時的參數，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的庫支持8u，16s，32f這幾種精度的數據的卷積
    }
    if (CV_32FC1 != kernel.type())
    {
        kernel.convertTo(kernel, CV_32FC1);
    }

    int nConvResW = img.cols + kernel.cols - 1;
    int nConvResH = img.rows + kernel.rows - 1;
    // 如果直接聲明Mat的變量，並在ippiConv_32f_C1R中傳遞.data緩沖區的話，程序會崩潰，因而只能先加一個臨時變量
    float *pConvRes = new float[nConvResW * nConvResH];  

    // ippiROIFull改為ippiROIValid或者ippiROISame對應matlab響應的參數。不能直接改，否則結果不對。具體怎么改，暫時不清楚。
    IppEnum funCfgFull = (IppEnum)(ippAlgAuto | ippiROIFull | ippiNormNone);  
    int bufSizeFull;
    IppStatus status = ippiConvGetBufferSize(imgSize, kerSize, ipp32f, 1, funCfgFull, &bufSizeFull);
    Ipp8u* pBuffer = ippsMalloc_8u(bufSizeFull);

    ippiConv_32f_C1R((Ipp32f*)img.data, img.step, imgSize, (Ipp32f*)kernel.data, kernel.step, kerSize,
        pConvRes, nConvResW * 4, funCfgFull, pBuffer);   // 此處應該使用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(0, 0, matConvResTemp.cols, matConvResTemp.rows);
        break;
    case CONVOLUTION_SAME:  // same
        r = Rect((kernel.cols + 0.5) / 2, (kernel.rows + 0.5) / 2, img.cols, img.rows);
        break;
    case CONVOLUTION_VALID:  // valid
        r = Rect((kernel.cols + 0.5) / 2, (kernel.rows + 0.5) / 2, img.cols - kernel.cols + 1, img.rows - kernel.rows + 1);
        break;
    default:  // same
        r = Rect((kernel.cols + 0.5) / 2, (kernel.rows + 0.5) / 2, img.cols, img.rows);
        break;
    }

    matConvResTemp(r).convertTo(convRes, ddepth, 1, 0);  // ddepth為CV_32FC1等類型

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

說明：不確定的有2處：

1. 此程序計算卷積還是相關？感覺像是相關而非卷積（之前寫過的程序計算相關，此處和之前的結果總體上相似。理論上卷積是核需要上下左右鏡像的，這個地方不確定）

ps：應該是卷積。

2. CONVOLUTION_FULL沒有問題，CONVOLUTION_SAME不確定矩形框是否正確，CONVOLUTION_VALID也不確定是否正確。實際上對於后兩者，可以將標志funCfgFull從ippiROIFull改為ippiROISame或者ippiROIValid，不過卷積的緩沖區pConvRes需要相應的改變大小。還有，如果直接改標志的話，卷積的結果不正確。不清楚什么原因。

ps：當使用ippiROISame時，計算到的bufSizeFull的值為0，因而卷積的結果不正確。不明白為什么。

 

150506更新：

在第三個參考網址中，發現了另一個函數ippiCrossCorrNorm_32f_C1R，用於計算相關。可以選用ippiROISame參數。

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 * 4, funCfg, pBuffer);

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

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

    return matConvRes;
}

從參考網址3中可以看到，ippiNormNone是計算相關的意思。

需要注意的是，第二個程序是計算相關的程序，而非卷積。和matlab的程序對比測試，發現第一個程序結果和卷積的結果相似，第二個程序的結果和相關的結果相似。