Xpra项目中libyuv实现YUV到RGB转换前的缩放优化
2025-07-03 18:27:51作者:申梦珏Efrain
在Xpra项目的视频处理流程中,开发团队发现了一个可以显著提升性能的优化点:在YUV色彩空间转换为RGB之前,先对YUV数据进行缩放处理。这一优化使得非OpenGL渲染后端(cairo)的视频处理性能得到了显著提升。
技术背景
Xpra是一个高性能的远程桌面服务器,需要高效处理视频数据的传输和显示。在视频处理流程中,色彩空间转换(CSC)是一个关键步骤,通常需要将YUV格式的视频数据转换为RGB格式以便显示。
传统处理流程中,系统会先完成YUV到RGB的转换,然后再进行缩放操作。然而,这种顺序在计算效率上并非最优,因为在更高分辨率的YUV空间进行转换会带来更大的计算量。
优化实现
开发团队通过修改代码,实现了在色彩空间转换前先对YUV数据进行缩放。这一优化利用了libyuv库的高效缩放能力,相比之前使用cairo进行缩放的方法,性能有了显著提升。
具体实现包括两个关键修改:
- 确保色彩空间转换步骤提供未缩放的图像给paint_image_wrapper方法
- 在YUV到RGB转换前使用libyuv进行缩放处理
性能对比
开发者在4K 60Hz显示器上使用glxspheres64测试工具进行了性能对比测试,结果如下:
使用cairo进行缩放时:
- 客户端窗口损坏帧率:8fps
- 编码器帧率:8fps
- 视频子区域帧率:8fps
使用libyuv进行缩放时:
- 客户端窗口损坏帧率:15fps
- 编码器帧率:17fps
- 视频子区域帧率:14fps
测试结果显示,采用libyuv进行预缩放处理后,整体性能提升接近100%,虽然帧率存在轻微波动,但性能提升效果显著。
技术优势
这一优化的优势主要体现在以下几个方面:
- 计算量减少:在较低分辨率下进行色彩空间转换,显著减少了计算量
- 内存带宽节省:缩放后的数据量减少,降低了内存带宽需求
- libyuv优化:libyuv库针对YUV处理进行了高度优化,性能优于通用图形库
结论
通过在YUV到RGB转换前使用libyuv进行缩放处理,Xpra项目成功将视频处理性能提升了一倍。这一优化不仅提高了帧率,还降低了系统资源消耗,特别是在高分辨率显示环境下效果更为明显。这一改进现已合并到主代码库中,为Xpra用户带来了更流畅的视频体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137