cvtColor - optimized index calculations; usage of build-in functions
authorIlya Lavrenov <ilya.lavrenov@itseez.com>
Wed, 4 Jun 2014 11:24:29 +0000 (15:24 +0400)
committerIlya Lavrenov <ilya.lavrenov@itseez.com>
Sun, 22 Jun 2014 22:10:42 +0000 (02:10 +0400)
modules/imgproc/src/color.cpp
modules/imgproc/src/opencl/cvtcolor.cl
modules/imgproc/test/ocl/test_color.cpp

index 9440178..fe460ee 100644 (file)
@@ -2730,8 +2730,6 @@ struct mRGBA2RGBA
 
 #ifdef HAVE_OPENCL
 
-#define DIVUP(total, grain) (((total) + (grain) - 1) / (grain))
-
 static bool ocl_cvtColor( InputArray _src, OutputArray _dst, int code, int dcn )
 {
     bool ok = false;
@@ -2739,23 +2737,17 @@ static bool ocl_cvtColor( InputArray _src, OutputArray _dst, int code, int dcn )
     Size sz = src.size(), dstSz = sz;
     int scn = src.channels(), depth = src.depth(), bidx;
     int dims = 2, stripeSize = 1;
-    size_t globalsize[] = { src.cols, src.rows };
     ocl::Kernel k;
 
     if (depth != CV_8U && depth != CV_16U && depth != CV_32F)
         return false;
 
-    cv::String opts = format("-D depth=%d -D scn=%d ", depth, scn);
-
     ocl::Device dev = ocl::Device::getDefault();
-    int pxPerWIy = 1;
-    if (dev.isIntel() && (dev.type() & ocl::Device::TYPE_GPU) &&
-            !(code == CV_BGR2Luv || code == CV_RGB2Luv || code == CV_LBGR2Luv || code == CV_LRGB2Luv ||
-              code == CV_Luv2BGR || code == CV_Luv2RGB || code == CV_Luv2LBGR || code == CV_Luv2LRGB))
-        pxPerWIy = 4;
-
-    globalsize[1] = DIVUP(globalsize[1], pxPerWIy);
-    opts += format("-D PIX_PER_WI_Y=%d ", pxPerWIy);
+    int pxPerWIy = dev.isIntel() && (dev.type() & ocl::Device::TYPE_GPU) ? 4 : 1;
+
+    size_t globalsize[] = { src.cols, (src.rows + pxPerWIy - 1) / pxPerWIy };
+    cv::String opts = format("-D depth=%d -D scn=%d -D PIX_PER_WI_Y=%d ",
+                             depth, scn, pxPerWIy);
 
     switch (code)
     {
index 5bad3ee..da835e0 100644 (file)
     #error "invalid depth: should be 0 (CV_8U), 2 (CV_16U) or 5 (CV_32F)"
 #endif
 
-#ifndef STRIPE_SIZE
-#define STRIPE_SIZE 1
-#endif
-
 #define CV_DESCALE(x,n) (((x) + (1 << ((n)-1))) >> (n))
 
 enum
@@ -122,8 +118,8 @@ enum
 
 ///////////////////////////////////// RGB <-> GRAY //////////////////////////////////////
 
-__kernel void RGB2Gray(__global const uchar* srcptr, int srcstep, int srcoffset,
-                       __global uchar* dstptr, int dststep, int dstoffset,
+__kernel void RGB2Gray(__global const uchar * srcptr, int src_step, int src_offset,
+                       __global uchar * dstptr, int dst_step, int dst_offset,
                        int rows, int cols)
 {
     int x = get_global_id(0);
@@ -131,27 +127,32 @@ __kernel void RGB2Gray(__global const uchar* srcptr, int srcstep, int srcoffset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + mad24(y, srcstep, srcoffset + x * scnbytes));
-                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + mad24(y, dststep, dstoffset + x * dcnbytes));
+                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + src_index);
+                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + dst_index);
                 DATA_TYPE_4 src_pix = vload4(0, src);
 #ifdef DEPTH_5
-                dst[0] = src_pix.B_COMP * 0.114f + src_pix.G_COMP * 0.587f + src_pix.R_COMP * 0.299f;
+                dst[0] = fma(src_pix.B_COMP, 0.114f, fma(src_pix.G_COMP, 0.587f, src_pix.R_COMP * 0.299f));
 #else
-                dst[0] = (DATA_TYPE)CV_DESCALE((src_pix.B_COMP * B2Y + src_pix.G_COMP * G2Y + src_pix.R_COMP * R2Y), yuv_shift);
+                dst[0] = (DATA_TYPE)CV_DESCALE(mad24(src_pix.B_COMP, B2Y, mad24(src_pix.G_COMP, G2Y, src_pix.R_COMP * R2Y)), yuv_shift);
 #endif
+                ++y;
+                src_index += src_step;
+                dst_index += dst_step;
             }
-            ++y;
         }
     }
 }
 
-__kernel void Gray2RGB(__global const uchar* srcptr, int srcstep, int srcoffset,
-                       __global uchar* dstptr, int dststep, int dstoffset,
+__kernel void Gray2RGB(__global const uchar * srcptr, int src_step, int src_offset,
+                       __global uchar * dstptr, int dst_step, int dst_offset,
                        int rows, int cols)
 {
     int x = get_global_id(0);
@@ -159,20 +160,29 @@ __kernel void Gray2RGB(__global const uchar* srcptr, int srcstep, int srcoffset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + mad24(y, srcstep, srcoffset + x * scnbytes));
-                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + mad24(y, dststep, dstoffset + x * dcnbytes));
+                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + src_index);
+                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + dst_index);
                 DATA_TYPE val = src[0];
+#if dcn == 3 || defined DEPTH_5
                 dst[0] = dst[1] = dst[2] = val;
 #if dcn == 4
                 dst[3] = MAX_NUM;
 #endif
+#else
+                *(__global DATA_TYPE_4 *)dst = (DATA_TYPE_4)(val, val, val, MAX_NUM);
+#endif
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -182,8 +192,8 @@ __kernel void Gray2RGB(__global const uchar* srcptr, int srcstep, int srcoffset,
 __constant float c_RGB2YUVCoeffs_f[5]  = { 0.114f, 0.587f, 0.299f, 0.492f, 0.877f };
 __constant int   c_RGB2YUVCoeffs_i[5]  = { B2Y, G2Y, R2Y, 8061, 14369 };
 
-__kernel void RGB2YUV(__global const uchar* srcptr, int srcstep, int srcoffset,
-                      __global uchar* dstptr, int dststep, int dstoffset,
+__kernel void RGB2YUV(__global const uchar* srcptr, int src_step, int src_offset,
+                      __global uchar* dstptr, int dst_step, int dt_offset,
                       int rows, int cols)
 {
     int x = get_global_id(0);
@@ -191,34 +201,40 @@ __kernel void RGB2YUV(__global const uchar* srcptr, int srcstep, int srcoffset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dt_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + mad24(y, srcstep, srcoffset + x * scnbytes));
-                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + mad24(y, dststep, dstoffset + x * dcnbytes));
+                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + src_index);
+                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + dst_index);
                 DATA_TYPE_4 src_pix = vload4(0, src);
-                DATA_TYPE b=src_pix.B_COMP, g=src_pix.G_COMP, r=src_pix.R_COMP;
+                DATA_TYPE b = src_pix.B_COMP, g = src_pix.G_COMP, r = src_pix.R_COMP;
 
 #ifdef DEPTH_5
                 __constant float * coeffs = c_RGB2YUVCoeffs_f;
-                const DATA_TYPE Y  = b * coeffs[0] + g * coeffs[1] + r * coeffs[2];
-                const DATA_TYPE U = (b - Y) * coeffs[3] + HALF_MAX;
-                const DATA_TYPE V = (r - Y) * coeffs[4] + HALF_MAX;
+                const DATA_TYPE Y  = fma(b, coeffs[0], fma(g, coeffs[1], r * coeffs[2]));
+                const DATA_TYPE U = fma(b - Y, coeffs[3], HALF_MAX);
+                const DATA_TYPE V = fma(r - Y, coeffs[4], HALF_MAX);
 #else
                 __constant int * coeffs = c_RGB2YUVCoeffs_i;
                 const int delta = HALF_MAX * (1 << yuv_shift);
-                const int Y = CV_DESCALE(b * coeffs[0] + g * coeffs[1] + r * coeffs[2], yuv_shift);
-                const int U = CV_DESCALE((b - Y) * coeffs[3] + delta, yuv_shift);
-                const int V = CV_DESCALE((r - Y) * coeffs[4] + delta, yuv_shift);
+                const int Y = CV_DESCALE(mad24(b, coeffs[0], mad24(g, coeffs[1], r * coeffs[2])), yuv_shift);
+                const int U = CV_DESCALE(mad24(b - Y, coeffs[3], delta), yuv_shift);
+                const int V = CV_DESCALE(mad24(r - Y, coeffs[4], delta), yuv_shift);
 #endif
 
                 dst[0] = SAT_CAST( Y );
                 dst[1] = SAT_CAST( U );
                 dst[2] = SAT_CAST( V );
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -226,8 +242,8 @@ __kernel void RGB2YUV(__global const uchar* srcptr, int srcstep, int srcoffset,
 __constant float c_YUV2RGBCoeffs_f[5] = { 2.032f, -0.395f, -0.581f, 1.140f };
 __constant int   c_YUV2RGBCoeffs_i[5] = { 33292, -6472, -9519, 18678 };
 
-__kernel void YUV2RGB(__global const uchar* srcptr, int srcstep, int srcoffset,
-                      __global uchar* dstptr, int dststep, int dstoffset,
+__kernel void YUV2RGB(__global const uchar* srcptr, int src_step, int src_offset,
+                      __global uchar* dstptr, int dst_step, int dt_offset,
                       int rows, int cols)
 {
     int x = get_global_id(0);
@@ -235,25 +251,28 @@ __kernel void YUV2RGB(__global const uchar* srcptr, int srcstep, int srcoffset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dt_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + mad24(y, srcstep, srcoffset + x * scnbytes));
-                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + mad24(y, dststep, dstoffset + x * dcnbytes));
+                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + src_index);
+                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + dst_index);
                 DATA_TYPE_4 src_pix = vload4(0, src);
                 DATA_TYPE Y = src_pix.x, U = src_pix.y, V = src_pix.z;
 
 #ifdef DEPTH_5
                 __constant float * coeffs = c_YUV2RGBCoeffs_f;
-                const float r = Y + (V - HALF_MAX) * coeffs[3];
-                const float g = Y + (V - HALF_MAX) * coeffs[2] + (U - HALF_MAX) * coeffs[1];
-                const float b = Y + (U - HALF_MAX) * coeffs[0];
+                float r = fma(V - HALF_MAX, coeffs[3], Y);
+                float g = fma(V - HALF_MAX, coeffs[2], fma(U - HALF_MAX, coeffs[1], Y));
+                float b = fma(U - HALF_MAX, coeffs[0], Y);
 #else
                 __constant int * coeffs = c_YUV2RGBCoeffs_i;
                 const int r = Y + CV_DESCALE((V - HALF_MAX) * coeffs[3], yuv_shift);
-                const int g = Y + CV_DESCALE((V - HALF_MAX) * coeffs[2] + (U - HALF_MAX) * coeffs[1], yuv_shift);
+                const int g = Y + CV_DESCALE(mad24(V - HALF_MAX, coeffs[2], (U - HALF_MAX) * coeffs[1]), yuv_shift);
                 const int b = Y + CV_DESCALE((U - HALF_MAX) * coeffs[0], yuv_shift);
 #endif
 
@@ -263,8 +282,10 @@ __kernel void YUV2RGB(__global const uchar* srcptr, int srcstep, int srcoffset,
 #if dcn == 4
                 dst[3] = MAX_NUM;
 #endif
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -276,8 +297,8 @@ __constant int ITUR_BT_601_CVG = 852492;
 __constant int ITUR_BT_601_CVR = 1673527;
 __constant int ITUR_BT_601_SHIFT = 20;
 
-__kernel void YUV2RGB_NV12(__global const uchar* srcptr, int srcstep, int srcoffset,
-                            __global uchar* dstptr, int dststep, int dstoffset,
+__kernel void YUV2RGB_NV12(__global const uchar* srcptr, int src_step, int src_offset,
+                            __global uchar* dstptr, int dst_step, int dt_offset,
                             int rows, int cols)
 {
     int x = get_global_id(0);
@@ -290,15 +311,15 @@ __kernel void YUV2RGB_NV12(__global const uchar* srcptr, int srcstep, int srcoff
         {
             if (y < rows / 2 )
             {
-                __global const uchar* ysrc = srcptr + mad24(y << 1, srcstep, (x << 1) + srcoffset);
-                __global const uchar* usrc = srcptr + mad24(rows + y, srcstep, (x << 1) + srcoffset);
-                __global uchar*       dst1 = dstptr + mad24(y << 1, dststep, x * (dcn<<1) + dstoffset);
-                __global uchar*       dst2 = dstptr + mad24((y << 1) + 1, dststep, x * (dcn<<1) + dstoffset);
+                __global const uchar* ysrc = srcptr + mad24(y << 1, src_step, (x << 1) + src_offset);
+                __global const uchar* usrc = srcptr + mad24(rows + y, src_step, (x << 1) + src_offset);
+                __global uchar*       dst1 = dstptr + mad24(y << 1, dst_step, x * (dcn<<1) + dt_offset);
+                __global uchar*       dst2 = dstptr + mad24((y << 1) + 1, dst_step, x * (dcn<<1) + dt_offset);
 
                 int Y1 = ysrc[0];
                 int Y2 = ysrc[1];
-                int Y3 = ysrc[srcstep];
-                int Y4 = ysrc[srcstep + 1];
+                int Y3 = ysrc[src_step];
+                int Y4 = ysrc[src_step + 1];
 
                 int U  = usrc[0] - 128;
                 int V  = usrc[1] - 128;
@@ -349,8 +370,8 @@ __kernel void YUV2RGB_NV12(__global const uchar* srcptr, int srcstep, int srcoff
 __constant float c_RGB2YCrCbCoeffs_f[5] = {0.299f, 0.587f, 0.114f, 0.713f, 0.564f};
 __constant int   c_RGB2YCrCbCoeffs_i[5] = {R2Y, G2Y, B2Y, 11682, 9241};
 
-__kernel void RGB2YCrCb(__global const uchar* srcptr, int srcstep, int srcoffset,
-                        __global uchar* dstptr, int dststep, int dstoffset,
+__kernel void RGB2YCrCb(__global const uchar* srcptr, int src_step, int src_offset,
+                        __global uchar* dstptr, int dst_step, int dt_offset,
                         int rows, int cols)
 {
     int x = get_global_id(0);
@@ -358,34 +379,40 @@ __kernel void RGB2YCrCb(__global const uchar* srcptr, int srcstep, int srcoffset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dt_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + mad24(y, srcstep, srcoffset + x * scnbytes));
-                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + mad24(y, dststep, dstoffset + x * dcnbytes));
+                __global const DATA_TYPE* src = (__global const DATA_TYPE*)(srcptr + src_index);
+                __global DATA_TYPE* dst = (__global DATA_TYPE*)(dstptr + dst_index);
                 DATA_TYPE_4 src_pix = vload4(0, src);
-                DATA_TYPE b=src_pix.B_COMP, g=src_pix.G_COMP, r=src_pix.R_COMP;
+                DATA_TYPE b = src_pix.B_COMP, g = src_pix.G_COMP, r = src_pix.R_COMP;
 
 #ifdef DEPTH_5
                 __constant float * coeffs = c_RGB2YCrCbCoeffs_f;
-                DATA_TYPE Y = b * coeffs[2] + g * coeffs[1] + r * coeffs[0];
-                DATA_TYPE Cr = (r - Y) * coeffs[3] + HALF_MAX;
-                DATA_TYPE Cb = (b - Y) * coeffs[4] + HALF_MAX;
+                DATA_TYPE Y = fma(b, coeffs[2], fma(g, coeffs[1], r * coeffs[0]));
+                DATA_TYPE Cr = fma(r - Y, coeffs[3], HALF_MAX);
+                DATA_TYPE Cb = fma(b - Y, coeffs[4], HALF_MAX);
 #else
                 __constant int * coeffs = c_RGB2YCrCbCoeffs_i;
                 int delta = HALF_MAX * (1 << yuv_shift);
-                int Y =  CV_DESCALE(b * coeffs[2] + g * coeffs[1] + r * coeffs[0], yuv_shift);
-                int Cr = CV_DESCALE((r - Y) * coeffs[3] + delta, yuv_shift);
-                int Cb = CV_DESCALE((b - Y) * coeffs[4] + delta, yuv_shift);
+                int Y =  CV_DESCALE(mad24(b, coeffs[2], mad24(g, coeffs[1], r * coeffs[0])), yuv_shift);
+                int Cr = CV_DESCALE(mad24(r - Y, coeffs[3], delta), yuv_shift);
+                int Cb = CV_DESCALE(mad24(b - Y, coeffs[4], delta), yuv_shift);
 #endif
 
                 dst[0] = SAT_CAST( Y );
                 dst[1] = SAT_CAST( Cr );
                 dst[2] = SAT_CAST( Cb );
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -402,28 +429,29 @@ __kernel void YCrCb2RGB(__global const uchar* src, int src_step, int src_offset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-                __global const DATA_TYPE * srcptr = (__global const DATA_TYPE*)(src + src_idx);
-                __global DATA_TYPE * dstptr = (__global DATA_TYPE*)(dst + dst_idx);
+                __global const DATA_TYPE * srcptr = (__global const DATA_TYPE*)(src + src_index);
+                __global DATA_TYPE * dstptr = (__global DATA_TYPE*)(dst + dst_index);
 
                 DATA_TYPE_4 src_pix = vload4(0, srcptr);
                 DATA_TYPE y = src_pix.x, cr = src_pix.y, cb = src_pix.z;
 
 #ifdef DEPTH_5
                 __constant float * coeff = c_YCrCb2RGBCoeffs_f;
-                float r = y + coeff[0] * (cr - HALF_MAX);
-                float g = y + coeff[1] * (cr - HALF_MAX) + coeff[2] * (cb - HALF_MAX);
-                float b = y + coeff[3] * (cb - HALF_MAX);
+                float r = fma(coeff[0], cr - HALF_MAX, y);
+                float g = fma(coeff[1], cr - HALF_MAX, fma(coeff[2], cb - HALF_MAX, y));
+                float b = fma(coeff[3], cb - HALF_MAX, y);
 #else
                 __constant int * coeff = c_YCrCb2RGBCoeffs_i;
                 int r = y + CV_DESCALE(coeff[0] * (cr - HALF_MAX), yuv_shift);
-                int g = y + CV_DESCALE(coeff[1] * (cr - HALF_MAX) + coeff[2] * (cb - HALF_MAX), yuv_shift);
+                int g = y + CV_DESCALE(mad24(coeff[1], cr - HALF_MAX, coeff[2] * (cb - HALF_MAX)), yuv_shift);
                 int b = y + CV_DESCALE(coeff[3] * (cb - HALF_MAX), yuv_shift);
 #endif
 
@@ -433,8 +461,11 @@ __kernel void YCrCb2RGB(__global const uchar* src, int src_step, int src_offset,
 #if dcn == 4
                 dstptr[3] = MAX_NUM;
 #endif
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -450,34 +481,37 @@ __kernel void RGB2XYZ(__global const uchar * srcptr, int src_step, int src_offse
 
     if (dx < cols)
     {
+        int src_index = mad24(dy, src_step, mad24(dx, scnbytes, src_offset));
+        int dst_index = mad24(dy, dst_step, mad24(dx, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (dy < rows)
             {
-                int src_idx = mad24(dy, src_step, src_offset + dx * scnbytes);
-                int dst_idx = mad24(dy, dst_step, dst_offset + dx * dcnbytes);
-
-                __global const DATA_TYPE * src = (__global const DATA_TYPE *)(srcptr + src_idx);
-                __global DATA_TYPE * dst = (__global DATA_TYPE *)(dstptr + dst_idx);
+                __global const DATA_TYPE * src = (__global const DATA_TYPE *)(srcptr + src_index);
+                __global DATA_TYPE * dst = (__global DATA_TYPE *)(dstptr + dst_index);
 
                 DATA_TYPE_4 src_pix = vload4(0, src);
                 DATA_TYPE r = src_pix.x, g = src_pix.y, b = src_pix.z;
 
 #ifdef DEPTH_5
-                float x = r * coeffs[0] + g * coeffs[1] + b * coeffs[2];
-                float y = r * coeffs[3] + g * coeffs[4] + b * coeffs[5];
-                float z = r * coeffs[6] + g * coeffs[7] + b * coeffs[8];
+                float x = fma(r, coeffs[0], fma(g, coeffs[1], b * coeffs[2]));
+                float y = fma(r, coeffs[3], fma(g, coeffs[4], b * coeffs[5]));
+                float z = fma(r, coeffs[6], fma(g, coeffs[7], b * coeffs[8]));
 #else
-                int x = CV_DESCALE(r * coeffs[0] + g * coeffs[1] + b * coeffs[2], xyz_shift);
-                int y = CV_DESCALE(r * coeffs[3] + g * coeffs[4] + b * coeffs[5], xyz_shift);
-                int z = CV_DESCALE(r * coeffs[6] + g * coeffs[7] + b * coeffs[8], xyz_shift);
+                int x = CV_DESCALE(mad24(r, coeffs[0], mad24(g, coeffs[1], b * coeffs[2])), xyz_shift);
+                int y = CV_DESCALE(mad24(r, coeffs[3], mad24(g, coeffs[4], b * coeffs[5])), xyz_shift);
+                int z = CV_DESCALE(mad24(r, coeffs[6], mad24(g, coeffs[7], b * coeffs[8])), xyz_shift);
 #endif
                 dst[0] = SAT_CAST(x);
                 dst[1] = SAT_CAST(y);
                 dst[2] = SAT_CAST(z);
+
+                ++dy;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++dy;
         }
     }
 }
@@ -491,37 +525,48 @@ __kernel void XYZ2RGB(__global const uchar * srcptr, int src_step, int src_offse
 
     if (dx < cols)
     {
+        int src_index = mad24(dy, src_step, mad24(dx, scnbytes, src_offset));
+        int dst_index = mad24(dy, dst_step, mad24(dx, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (dy < rows)
             {
-                int src_idx = mad24(dy, src_step, src_offset + dx * scnbytes);
-                int dst_idx = mad24(dy, dst_step, dst_offset + dx * dcnbytes);
-
-                __global const DATA_TYPE * src = (__global const DATA_TYPE *)(srcptr + src_idx);
-                __global DATA_TYPE * dst = (__global DATA_TYPE *)(dstptr + dst_idx);
+                __global const DATA_TYPE * src = (__global const DATA_TYPE *)(srcptr + src_index);
+                __global DATA_TYPE * dst = (__global DATA_TYPE *)(dstptr + dst_index);
 
                 DATA_TYPE_4 src_pix = vload4(0, src);
                 DATA_TYPE x = src_pix.x, y = src_pix.y, z = src_pix.z;
 
 #ifdef DEPTH_5
-                float b = x * coeffs[0] + y * coeffs[1] + z * coeffs[2];
-                float g = x * coeffs[3] + y * coeffs[4] + z * coeffs[5];
-                float r = x * coeffs[6] + y * coeffs[7] + z * coeffs[8];
+                float b = fma(x, coeffs[0], fma(y, coeffs[1], z * coeffs[2]));
+                float g = fma(x, coeffs[3], fma(y, coeffs[4], z * coeffs[5]));
+                float r = fma(x, coeffs[6], fma(y, coeffs[7], z * coeffs[8]));
 #else
-                int b = CV_DESCALE(x * coeffs[0] + y * coeffs[1] + z * coeffs[2], xyz_shift);
-                int g = CV_DESCALE(x * coeffs[3] + y * coeffs[4] + z * coeffs[5], xyz_shift);
-                int r = CV_DESCALE(x * coeffs[6] + y * coeffs[7] + z * coeffs[8], xyz_shift);
+                int b = CV_DESCALE(mad24(x, coeffs[0], mad24(y, coeffs[1], z * coeffs[2])), xyz_shift);
+                int g = CV_DESCALE(mad24(x, coeffs[3], mad24(y, coeffs[4], z * coeffs[5])), xyz_shift);
+                int r = CV_DESCALE(mad24(x, coeffs[6], mad24(y, coeffs[7], z * coeffs[8])), xyz_shift);
 #endif
-                dst[0] = SAT_CAST(b);
-                dst[1] = SAT_CAST(g);
-                dst[2] = SAT_CAST(r);
+
+                DATA_TYPE dst0 = SAT_CAST(b);
+                DATA_TYPE dst1 = SAT_CAST(g);
+                DATA_TYPE dst2 = SAT_CAST(r);
+#if dcn == 3 || defined DEPTH_5
+                dst[0] = dst0;
+                dst[1] = dst1;
+                dst[2] = dst2;
 #if dcn == 4
                 dst[3] = MAX_NUM;
 #endif
+#else
+                *(__global DATA_TYPE_4 *)dst = (DATA_TYPE_4)(dst0, dst1, dst2, MAX_NUM);
+#endif
+
+                ++dy;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++dy;
         }
     }
 }
@@ -537,16 +582,16 @@ __kernel void RGB(__global const uchar* srcptr, int src_step, int src_offset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-
-                __global const DATA_TYPE * src = (__global const DATA_TYPE *)(srcptr + src_idx);
-                __global DATA_TYPE * dst = (__global DATA_TYPE *)(dstptr + dst_idx);
+                __global const DATA_TYPE * src = (__global const DATA_TYPE *)(srcptr + src_index);
+                __global DATA_TYPE * dst = (__global DATA_TYPE *)(dstptr + dst_index);
                 DATA_TYPE_4 src_pix = vload4(0, src);
 
 #ifdef REVERSE
@@ -566,8 +611,11 @@ __kernel void RGB(__global const uchar* srcptr, int src_step, int src_offset,
                 dst[3] = src[3];
 #endif
 #endif
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -583,34 +631,38 @@ __kernel void RGB5x52RGB(__global const uchar* src, int src_step, int src_offset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-                ushort t = *((__global const ushort*)(src + src_idx));
+                ushort t = *((__global const ushort*)(src + src_index));
 
 #if greenbits == 6
-                dst[dst_idx + bidx] = (uchar)(t << 3);
-                dst[dst_idx + 1] = (uchar)((t >> 3) & ~3);
-                dst[dst_idx + (bidx^2)] = (uchar)((t >> 8) & ~7);
+                dst[dst_index + bidx] = (uchar)(t << 3);
+                dst[dst_index + 1] = (uchar)((t >> 3) & ~3);
+                dst[dst_index + (bidx^2)] = (uchar)((t >> 8) & ~7);
 #else
-                dst[dst_idx + bidx] = (uchar)(t << 3);
-                dst[dst_idx + 1] = (uchar)((t >> 2) & ~7);
-                dst[dst_idx + (bidx^2)] = (uchar)((t >> 7) & ~7);
+                dst[dst_index + bidx] = (uchar)(t << 3);
+                dst[dst_index + 1] = (uchar)((t >> 2) & ~7);
+                dst[dst_index + (bidx^2)] = (uchar)((t >> 7) & ~7);
 #endif
 
 #if dcn == 4
 #if greenbits == 6
-                dst[dst_idx + 3] = 255;
+                dst[dst_index + 3] = 255;
 #else
-                dst[dst_idx + 3] = t & 0x8000 ? 255 : 0;
+                dst[dst_index + 3] = t & 0x8000 ? 255 : 0;
 #endif
 #endif
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -624,25 +676,29 @@ __kernel void RGB2RGB5x5(__global const uchar* src, int src_step, int src_offset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-                uchar4 src_pix = vload4(0, src + src_idx);
+                uchar4 src_pix = vload4(0, src + src_index);
 
 #if greenbits == 6
-                    *((__global ushort*)(dst + dst_idx)) = (ushort)((src_pix.B_COMP >> 3)|((src_pix.G_COMP&~3) << 3)|((src_pix.R_COMP&~7) << 8));
+                    *((__global ushort*)(dst + dst_index)) = (ushort)((src_pix.B_COMP >> 3)|((src_pix.G_COMP&~3) << 3)|((src_pix.R_COMP&~7) << 8));
 #elif scn == 3
-                    *((__global ushort*)(dst + dst_idx)) = (ushort)((src_pix.B_COMP >> 3)|((src_pix.G_COMP&~7) << 2)|((src_pix.R_COMP&~7) << 7));
+                    *((__global ushort*)(dst + dst_index)) = (ushort)((src_pix.B_COMP >> 3)|((src_pix.G_COMP&~7) << 2)|((src_pix.R_COMP&~7) << 7));
 #else
-                    *((__global ushort*)(dst + dst_idx)) = (ushort)((src_pix.B_COMP >> 3)|((src_pix.G_COMP&~7) << 2)|
+                    *((__global ushort*)(dst + dst_index)) = (ushort)((src_pix.B_COMP >> 3)|((src_pix.G_COMP&~7) << 2)|
                         ((src_pix.R_COMP&~7) << 7)|(src_pix.w ? 0x8000 : 0));
 #endif
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -658,26 +714,25 @@ __kernel void BGR5x52Gray(__global const uchar* src, int src_step, int src_offse
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, dst_offset + x);
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x);
-                int t = *((__global const ushort*)(src + src_idx));
+                int t = *((__global const ushort*)(src + src_index));
 
 #if greenbits == 6
-                dst[dst_idx] = (uchar)CV_DESCALE(((t << 3) & 0xf8)*B2Y +
-                                                 ((t >> 3) & 0xfc)*G2Y +
-                                                 ((t >> 8) & 0xf8)*R2Y, yuv_shift);
+                dst[dst_index] = (uchar)CV_DESCALE(mad24((t << 3) & 0xf8, B2Y, mad24((t >> 3) & 0xfc, G2Y, ((t >> 8) & 0xf8) * R2Y)), yuv_shift);
 #else
-                dst[dst_idx] = (uchar)CV_DESCALE(((t << 3) & 0xf8)*B2Y +
-                                                 ((t >> 2) & 0xf8)*G2Y +
-                                                 ((t >> 7) & 0xf8)*R2Y, yuv_shift);
+                dst[dst_index] = (uchar)CV_DESCALE(mad24((t << 3) & 0xf8, B2Y, mad24((t >> 2) & 0xf8, G2Y, ((t >> 7) & 0xf8) * R2Y)), yuv_shift);
 #endif
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -691,23 +746,26 @@ __kernel void Gray2BGR5x5(__global const uchar* src, int src_step, int src_offse
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, src_offset + x);
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-                int t = src[src_idx];
+                int t = src[src_index];
 
 #if greenbits == 6
-                *((__global ushort*)(dst + dst_idx)) = (ushort)((t >> 3) | ((t & ~3) << 3) | ((t & ~7) << 8));
+                *((__global ushort*)(dst + dst_index)) = (ushort)((t >> 3) | ((t & ~3) << 3) | ((t & ~7) << 8));
 #else
                 t >>= 3;
-                *((__global ushort*)(dst + dst_idx)) = (ushort)(t|(t << 5)|(t << 10));
+                *((__global ushort*)(dst + dst_index)) = (ushort)(t|(t << 5)|(t << 10));
 #endif
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -733,40 +791,44 @@ __kernel void RGB2HSV(__global const uchar* src, int src_step, int src_offset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-                uchar4 src_pix = vload4(0, src + src_idx);
+                uchar4 src_pix = vload4(0, src + src_index);
 
                 int b = src_pix.B_COMP, g = src_pix.G_COMP, r = src_pix.R_COMP;
                 int h, s, v = b;
                 int vmin = b, diff;
                 int vr, vg;
 
-                v = max( v, g );
-                v = max( v, r );
-                vmin = min( vmin, g );
-                vmin = min( vmin, r );
+                v = max(v, g);
+                v = max(v, r);
+                vmin = min(vmin, g);
+                vmin = min(vmin, r);
 
                 diff = v - vmin;
                 vr = v == r ? -1 : 0;
                 vg = v == g ? -1 : 0;
 
-                s = (diff * sdiv_table[v] + (1 << (hsv_shift-1))) >> hsv_shift;
+                s = mad24(diff, sdiv_table[v], (1 << (hsv_shift-1))) >> hsv_shift;
                 h = (vr & (g - b)) +
-                    (~vr & ((vg & (b - r + 2 * diff)) + ((~vg) & (r - g + 4 * diff))));
-                h = (h * hdiv_table[diff] + (1 << (hsv_shift-1))) >> hsv_shift;
+                    (~vr & ((vg & mad24(diff, 2, b - r)) + ((~vg) & mad24(4, diff, r - g))));
+                h = mad24(h, hdiv_table[diff], (1 << (hsv_shift-1))) >> hsv_shift;
                 h += h < 0 ? hrange : 0;
 
-                dst[dst_idx] = convert_uchar_sat_rte(h);
-                dst[dst_idx + 1] = (uchar)s;
-                dst[dst_idx + 2] = (uchar)v;
+                dst[dst_index] = convert_uchar_sat_rte(h);
+                dst[dst_index + 1] = (uchar)s;
+                dst[dst_index + 2] = (uchar)v;
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -780,14 +842,15 @@ __kernel void HSV2RGB(__global const uchar* src, int src_step, int src_offset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-                uchar4 src_pix = vload4(0, src + src_idx);
+                uchar4 src_pix = vload4(0, src + src_index);
 
                 float h = src_pix.x, s = src_pix.y*(1/255.f), v = src_pix.z*(1/255.f);
                 float b, g, r;
@@ -821,14 +884,17 @@ __kernel void HSV2RGB(__global const uchar* src, int src_step, int src_offset,
                 else
                     b = g = r = v;
 
-                dst[dst_idx + bidx] = convert_uchar_sat_rte(b*255.f);
-                dst[dst_idx + 1] = convert_uchar_sat_rte(g*255.f);
-                dst[dst_idx + (bidx^2)] = convert_uchar_sat_rte(r*255.f);
+                dst[dst_index + bidx] = convert_uchar_sat_rte(b*255.f);
+                dst[dst_index + 1] = convert_uchar_sat_rte(g*255.f);
+                dst[dst_index + (bidx^2)] = convert_uchar_sat_rte(r*255.f);
 #if dcn == 4
-                dst[dst_idx + 3] = MAX_NUM;
+                dst[dst_index + 3] = MAX_NUM;
 #endif
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -844,16 +910,16 @@ __kernel void RGB2HSV(__global const uchar* srcptr, int src_step, int src_offset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-
-                __global const float * src = (__global const float *)(srcptr + src_idx);
-                __global float * dst = (__global float *)(dstptr + dst_idx);
+                __global const float * src = (__global const float *)(srcptr + src_index);
+                __global float * dst = (__global float *)(dstptr + dst_index);
                 float4 src_pix = vload4(0, src);
 
                 float b = src_pix.B_COMP, g = src_pix.G_COMP, r = src_pix.R_COMP;
@@ -873,17 +939,21 @@ __kernel void RGB2HSV(__global const uchar* srcptr, int src_step, int src_offset
                 if( v == r )
                     h = (g - b)*diff;
                 else if( v == g )
-                    h = (b - r)*diff + 120.f;
+                    h = fma(b - r, diff, 120.f);
                 else
-                    h = (r - g)*diff + 240.f;
+                    h = fma(r - g, diff, 240.f);
 
-                if( h < 0 ) h += 360.f;
+                if( h < 0 )
+                    h += 360.f;
 
                 dst[0] = h*hscale;
                 dst[1] = s;
                 dst[2] = v;
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -897,16 +967,17 @@ __kernel void HSV2RGB(__global const uchar* srcptr, int src_step, int src_offset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
 
-                __global const float * src = (__global const float *)(srcptr + src_idx);
-                __global float * dst = (__global float *)(dstptr + dst_idx);
+                __global const float * src = (__global const float *)(srcptr + src_index);
+                __global float * dst = (__global float *)(dstptr + dst_index);
                 float4 src_pix = vload4(0, src);
 
                 float h = src_pix.x, s = src_pix.y, v = src_pix.z;
@@ -947,8 +1018,11 @@ __kernel void HSV2RGB(__global const uchar* srcptr, int src_step, int src_offset
 #if dcn == 4
                 dst[3] = MAX_NUM;
 #endif
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -968,14 +1042,15 @@ __kernel void RGB2HLS(__global const uchar* src, int src_step, int src_offset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-                uchar4 src_pix = vload4(0, src + src_idx);
+                uchar4 src_pix = vload4(0, src + src_index);
 
                 float b = src_pix.B_COMP*(1/255.f), g = src_pix.G_COMP*(1/255.f), r = src_pix.R_COMP*(1/255.f);
                 float h = 0.f, s = 0.f, l;
@@ -998,18 +1073,22 @@ __kernel void RGB2HLS(__global const uchar* src, int src_step, int src_offset,
                     if( vmax == r )
                         h = (g - b)*diff;
                     else if( vmax == g )
-                        h = (b - r)*diff + 120.f;
+                        h = fma(b - r, diff, 120.f);
                     else
-                        h = (r - g)*diff + 240.f;
+                        h = fma(r - g, diff, 240.f);
 
-                    if( h < 0.f ) h += 360.f;
+                    if( h < 0.f )
+                        h += 360.f;
                 }
 
-                dst[dst_idx] = convert_uchar_sat_rte(h*hscale);
-                dst[dst_idx + 1] = convert_uchar_sat_rte(l*255.f);
-                dst[dst_idx + 2] = convert_uchar_sat_rte(s*255.f);
+                dst[dst_index] = convert_uchar_sat_rte(h*hscale);
+                dst[dst_index + 1] = convert_uchar_sat_rte(l*255.f);
+                dst[dst_index + 2] = convert_uchar_sat_rte(s*255.f);
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1023,14 +1102,15 @@ __kernel void HLS2RGB(__global const uchar* src, int src_step, int src_offset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-                uchar4 src_pix = vload4(0, src + src_idx);
+                uchar4 src_pix = vload4(0, src + src_index);
 
                 float h = src_pix.x, l = src_pix.y*(1.f/255.f), s = src_pix.z*(1.f/255.f);
                 float b, g, r;
@@ -1053,8 +1133,8 @@ __kernel void HLS2RGB(__global const uchar* src, int src_step, int src_offset,
 
                     tab[0] = p2;
                     tab[1] = p1;
-                    tab[2] = p1 + (p2 - p1)*(1-h);
-                    tab[3] = p1 + (p2 - p1)*h;
+                    tab[2] = fma(p2 - p1, 1-h, p1);
+                    tab[3] = fma(p2 - p1, h, p1);
 
                     b = tab[sector_data[sector][0]];
                     g = tab[sector_data[sector][1]];
@@ -1063,14 +1143,17 @@ __kernel void HLS2RGB(__global const uchar* src, int src_step, int src_offset,
                 else
                     b = g = r = l;
 
-                dst[dst_idx + bidx] = convert_uchar_sat_rte(b*255.f);
-                dst[dst_idx + 1] = convert_uchar_sat_rte(g*255.f);
-                dst[dst_idx + (bidx^2)] = convert_uchar_sat_rte(r*255.f);
+                dst[dst_index + bidx] = convert_uchar_sat_rte(b*255.f);
+                dst[dst_index + 1] = convert_uchar_sat_rte(g*255.f);
+                dst[dst_index + (bidx^2)] = convert_uchar_sat_rte(r*255.f);
 #if dcn == 4
-                dst[dst_idx + 3] = MAX_NUM;
+                dst[dst_index + 3] = MAX_NUM;
 #endif
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1086,16 +1169,16 @@ __kernel void RGB2HLS(__global const uchar* srcptr, int src_step, int src_offset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-
-                __global const float * src = (__global const float *)(srcptr + src_idx);
-                __global float * dst = (__global float *)(dstptr + dst_idx);
+                __global const float * src = (__global const float *)(srcptr + src_index);
+                __global float * dst = (__global float *)(dstptr + dst_index);
                 float4 src_pix = vload4(0, src);
 
                 float b = src_pix.B_COMP, g = src_pix.G_COMP, r = src_pix.R_COMP;
@@ -1119,9 +1202,9 @@ __kernel void RGB2HLS(__global const uchar* srcptr, int src_step, int src_offset
                     if( vmax == r )
                         h = (g - b)*diff;
                     else if( vmax == g )
-                        h = (b - r)*diff + 120.f;
+                        h = fma(b - r, diff, 120.f);
                     else
-                        h = (r - g)*diff + 240.f;
+                        h = fma(r - g, diff, 240.f);
 
                     if( h < 0.f ) h += 360.f;
                 }
@@ -1129,8 +1212,11 @@ __kernel void RGB2HLS(__global const uchar* srcptr, int src_step, int src_offset
                 dst[0] = h*hscale;
                 dst[1] = l;
                 dst[2] = s;
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1144,16 +1230,16 @@ __kernel void HLS2RGB(__global const uchar* srcptr, int src_step, int src_offset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-
-                __global const float * src = (__global const float *)(srcptr + src_idx);
-                __global float * dst = (__global float *)(dstptr + dst_idx);
+                __global const float * src = (__global const float *)(srcptr + src_index);
+                __global float * dst = (__global float *)(dstptr + dst_index);
                 float4 src_pix = vload4(0, src);
 
                 float h = src_pix.x, l = src_pix.y, s = src_pix.z;
@@ -1178,8 +1264,8 @@ __kernel void HLS2RGB(__global const uchar* srcptr, int src_step, int src_offset
 
                     tab[0] = p2;
                     tab[1] = p1;
-                    tab[2] = p1 + (p2 - p1)*(1-h);
-                    tab[3] = p1 + (p2 - p1)*h;
+                    tab[2] = fma(p2 - p1, 1-h, p1);
+                    tab[3] = fma(p2 - p1, h, p1);
 
                     b = tab[sector_data[sector][0]];
                     g = tab[sector_data[sector][1]];
@@ -1194,8 +1280,11 @@ __kernel void HLS2RGB(__global const uchar* srcptr, int src_step, int src_offset
 #if dcn == 4
                 dst[3] = MAX_NUM;
 #endif
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1215,24 +1304,25 @@ __kernel void RGBA2mRGBA(__global const uchar* src, int src_step, int src_offset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, src_offset + (x << 2));
+        int dst_index = mad24(y, dst_step, dst_offset + (x << 2));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + (x << 2));
-                int dst_idx = mad24(y, dst_step, dst_offset + (x << 2));
-                uchar4 src_pix = vload4(0, src + src_idx);
+                uchar4 src_pix = *(__global const uchar4 *)(src + src_index);
 
-                uchar v0 = src_pix.x, v1 = src_pix.y;
-                uchar v2 = src_pix.z, v3 = src_pix.w;
+                *(__global uchar4 *)(dst + dst_index) =
+                    (uchar4)(mad24(src_pix.x, src_pix.w, HALF_MAX) / MAX_NUM,
+                             mad24(src_pix.y, src_pix.w, HALF_MAX) / MAX_NUM,
+                             mad24(src_pix.z, src_pix.w, HALF_MAX) / MAX_NUM, src_pix.w);
 
-                dst[dst_idx] = (v0 * v3 + HALF_MAX) / MAX_NUM;
-                dst[dst_idx + 1] = (v1 * v3 + HALF_MAX) / MAX_NUM;
-                dst[dst_idx + 2] = (v2 * v3 + HALF_MAX) / MAX_NUM;
-                dst[dst_idx + 3] = v3;
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1246,25 +1336,29 @@ __kernel void mRGBA2RGBA(__global const uchar* src, int src_step, int src_offset
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, 4, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, 4, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + (x << 2));
-                int dst_idx = mad24(y, dst_step, dst_offset + (x << 2));
-                uchar4 src_pix = vload4(0, src + src_idx);
-
-                uchar v0 = src_pix.x, v1 = src_pix.y;
-                uchar v2 = src_pix.z, v3 = src_pix.w;
-                uchar v3_half = v3 / 2;
-
-                dst[dst_idx] = v3 == 0 ? 0 : (v0 * MAX_NUM + v3_half) / v3;
-                dst[dst_idx + 1] = v3 == 0 ? 0 : (v1 * MAX_NUM + v3_half) / v3;
-                dst[dst_idx + 2] = v3 == 0 ? 0 : (v2 * MAX_NUM + v3_half) / v3;
-                dst[dst_idx + 3] = v3;
+                uchar4 src_pix = *(__global const uchar4 *)(src + src_index);
+                uchar v3 = src_pix.w, v3_half = v3 / 2;
+
+                if (v3 == 0)
+                    *(__global uchar4 *)(dst + dst_index) = (uchar4)(0, 0, 0, 0);
+                else
+                    *(__global uchar4 *)(dst + dst_index) =
+                        (uchar4)(mad24(src_pix.x, MAX_NUM, v3_half) / v3,
+                                 mad24(src_pix.y, MAX_NUM, v3_half) / v3,
+                                 mad24(src_pix.z, MAX_NUM, v3_half) / v3, v3);
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1283,8 +1377,8 @@ inline float splineInterpolate(float x, __global const float * tab, int n)
 {
     int ix = clamp(convert_int_sat_rtn(x), 0, n-1);
     x -= ix;
-    tab += ix*4;
-    return ((tab[3]*x + tab[2])*x + tab[1])*x + tab[0];
+    tab += ix << 2;
+    return fma(fma(fma(tab[3], x, tab[2]), x, tab[1]), x, tab[0]);
 }
 
 #ifdef DEPTH_0
@@ -1299,16 +1393,16 @@ __kernel void BGR2Lab(__global const uchar * src, int src_step, int src_offset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-
-                __global const uchar* src_ptr = src + src_idx;
-                __global uchar* dst_ptr = dst + dst_idx;
+                __global const uchar* src_ptr = src + src_index;
+                __global uchar* dst_ptr = dst + dst_index;
                 uchar4 src_pix = vload4(0, src_ptr);
 
                 int C0 = coeffs[0], C1 = coeffs[1], C2 = coeffs[2],
@@ -1316,19 +1410,22 @@ __kernel void BGR2Lab(__global const uchar * src, int src_step, int src_offset,
                     C6 = coeffs[6], C7 = coeffs[7], C8 = coeffs[8];
 
                 int R = gammaTab[src_pix.x], G = gammaTab[src_pix.y], B = gammaTab[src_pix.z];
-                int fX = LabCbrtTab_b[CV_DESCALE(R*C0 + G*C1 + B*C2, lab_shift)];
-                int fY = LabCbrtTab_b[CV_DESCALE(R*C3 + G*C4 + B*C5, lab_shift)];
-                int fZ = LabCbrtTab_b[CV_DESCALE(R*C6 + G*C7 + B*C8, lab_shift)];
+                int fX = LabCbrtTab_b[CV_DESCALE(mad24(R, C0, mad24(G, C1, B*C2)), lab_shift)];
+                int fY = LabCbrtTab_b[CV_DESCALE(mad24(R, C3, mad24(G, C4, B*C5)), lab_shift)];
+                int fZ = LabCbrtTab_b[CV_DESCALE(mad24(R, C6, mad24(G, C7, B*C8)), lab_shift)];
 
                 int L = CV_DESCALE( Lscale*fY + Lshift, lab_shift2 );
-                int a = CV_DESCALE( 500*(fX - fY) + 128*(1 << lab_shift2), lab_shift2 );
-                int b = CV_DESCALE( 200*(fY - fZ) + 128*(1 << lab_shift2), lab_shift2 );
+                int a = CV_DESCALE( mad24(500, fX - fY, 128*(1 << lab_shift2)), lab_shift2 );
+                int b = CV_DESCALE( mad24(200, fY - fZ, 128*(1 << lab_shift2)), lab_shift2 );
 
                 dst_ptr[0] = SAT_CAST(L);
                 dst_ptr[1] = SAT_CAST(a);
                 dst_ptr[2] = SAT_CAST(b);
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1347,16 +1444,16 @@ __kernel void BGR2Lab(__global const uchar * srcptr, int src_step, int src_offse
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-
-                __global const float * src = (__global const float *)(srcptr + src_idx);
-                __global float * dst = (__global float *)(dstptr + dst_idx);
+                __global const float * src = (__global const float *)(srcptr + src_index);
+                __global float * dst = (__global float *)(dstptr + dst_index);
                 float4 src_pix = vload4(0, src);
 
                 float C0 = coeffs[0], C1 = coeffs[1], C2 = coeffs[2],
@@ -1373,23 +1470,26 @@ __kernel void BGR2Lab(__global const uchar * srcptr, int src_step, int src_offse
                 B = splineInterpolate(B * GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
 #endif
 
-                float X = R*C0 + G*C1 + B*C2;
-                float Y = R*C3 + G*C4 + B*C5;
-                float Z = R*C6 + G*C7 + B*C8;
+                float X = fma(R, C0, fma(G, C1, B*C2));
+                float Y = fma(R, C3, fma(G, C4, B*C5));
+                float Z = fma(R, C6, fma(G, C7, B*C8));
 
-                float FX = X > 0.008856f ? pow(X, _1_3) : (7.787f * X + _a);
-                float FY = Y > 0.008856f ? pow(Y, _1_3) : (7.787f * Y + _a);
-                float FZ = Z > 0.008856f ? pow(Z, _1_3) : (7.787f * Z + _a);
+                float FX = X > 0.008856f ? rootn(X, 3) : fma(7.787f, X, _a);
+                float FY = Y > 0.008856f ? rootn(Y, 3) : fma(7.787f, Y, _a);
+                float FZ = Z > 0.008856f ? rootn(Z, 3) : fma(7.787f, Z, _a);
 
-                float L = Y > 0.008856f ? (116.f * FY - 16.f) : (903.3f * Y);
+                float L = Y > 0.008856f ? fma(116.f, FY, -16.f) : (903.3f * Y);
                 float a = 500.f * (FX - FY);
                 float b = 200.f * (FY - FZ);
 
                 dst[0] = L;
                 dst[1] = a;
                 dst[2] = b;
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1412,7 +1512,7 @@ inline void Lab2BGR_f(const float * srcbuf, float * dstbuf,
     if (li <= lThresh)
     {
         y = li / 903.3f;
-        fy = 7.787f * y + 16.0f / 116.0f;
+        fy = fma(7.787f, y, 16.0f / 116.0f);
     }
     else
     {
@@ -1422,6 +1522,7 @@ inline void Lab2BGR_f(const float * srcbuf, float * dstbuf,
 
     float fxz[] = { ai / 500.0f + fy, fy - bi / 200.0f };
 
+    #pragma unroll
     for (int j = 0; j < 2; j++)
         if (fxz[j] <= fThresh)
             fxz[j] = (fxz[j] - 16.0f / 116.0f) / 7.787f;
@@ -1429,9 +1530,9 @@ inline void Lab2BGR_f(const float * srcbuf, float * dstbuf,
             fxz[j] = fxz[j] * fxz[j] * fxz[j];
 
     float x = fxz[0], z = fxz[1];
-    float ro = clamp(C0 * x + C1 * y + C2 * z, 0.0f, 1.0f);
-    float go = clamp(C3 * x + C4 * y + C5 * z, 0.0f, 1.0f);
-    float bo = clamp(C6 * x + C7 * y + C8 * z, 0.0f, 1.0f);
+    float ro = clamp(fma(C0, x, fma(C1, y, C2 * z)), 0.0f, 1.0f);
+    float go = clamp(fma(C3, x, fma(C4, y, C5 * z)), 0.0f, 1.0f);
+    float bo = clamp(fma(C6, x, fma(C7, y, C8 * z)), 0.0f, 1.0f);
 
 #ifdef SRGB
     ro = splineInterpolate(ro * GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
@@ -1456,16 +1557,16 @@ __kernel void Lab2BGR(__global const uchar * src, int src_step, int src_offset,
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-
-                __global const uchar* src_ptr = src + src_idx;
-                __global uchar* dst_ptr = dst + dst_idx;
+                __global const uchar* src_ptr = src + src_index;
+                __global uchar * dst_ptr = dst + dst_index;
                 uchar4 src_pix = vload4(0, src_ptr);
 
                 float srcbuf[3], dstbuf[3];
@@ -1479,14 +1580,18 @@ __kernel void Lab2BGR(__global const uchar * src, int src_step, int src_offset,
 #endif
                     coeffs, lThresh, fThresh);
 
+#if dcn == 3
                 dst_ptr[0] = SAT_CAST(dstbuf[0] * 255.0f);
                 dst_ptr[1] = SAT_CAST(dstbuf[1] * 255.0f);
                 dst_ptr[2] = SAT_CAST(dstbuf[2] * 255.0f);
-#if dcn == 4
-                dst_ptr[3] = MAX_NUM;
+#else
+                *(__global uchar4 *)dst_ptr = (uchar4)(SAT_CAST(dstbuf[0] * 255.0f),
+                    SAT_CAST(dstbuf[1] * 255.0f), SAT_CAST(dstbuf[2] * 255.0f), MAX_NUM);
 #endif
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1505,16 +1610,16 @@ __kernel void Lab2BGR(__global const uchar * srcptr, int src_step, int src_offse
 
     if (x < cols)
     {
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
         #pragma unroll
         for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
         {
             if (y < rows)
             {
-                int src_idx = mad24(y, src_step, src_offset + x * scnbytes);
-                int dst_idx = mad24(y, dst_step, dst_offset + x * dcnbytes);
-
-                __global const float * src = (__global const float *)(srcptr + src_idx);
-                __global float * dst = (__global float *)(dstptr + dst_idx);
+                __global const float * src = (__global const float *)(srcptr + src_index);
+                __global float * dst = (__global float *)(dstptr + dst_index);
                 float4 src_pix = vload4(0, src);
 
                 float srcbuf[3], dstbuf[3];
@@ -1530,8 +1635,10 @@ __kernel void Lab2BGR(__global const uchar * srcptr, int src_step, int src_offse
 #if dcn == 4
                 dst[3] = MAX_NUM;
 #endif
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
             }
-            ++y;
         }
     }
 }
@@ -1555,37 +1662,46 @@ __kernel void BGR2Luv(__global const uchar * srcptr, int src_step, int src_offse
                       __global const float * LabCbrtTab, __constant float * coeffs, float _un, float _vn)
 {
     int x = get_global_id(0);
-    int y = get_global_id(1);
+    int y = get_global_id(1) * PIX_PER_WI_Y;
 
-    if (x < cols && y < rows)
+    if (x < cols)
     {
-        int src_idx = mad24(y, src_step, mad24(x, scnbytes, src_offset));
-        int dst_idx = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
 
-        __global const float * src = (__global const float *)(srcptr + src_idx);
-        __global float * dst = (__global float *)(dstptr + dst_idx);
+        #pragma unroll
+        for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
+            if (y < rows)
+            {
+                __global const float * src = (__global const float *)(srcptr + src_index);
+                __global float * dst = (__global float *)(dstptr + dst_index);
 
-        float R = src[0], G = src[1], B = src[2];
+                float R = src[0], G = src[1], B = src[2];
 
 #ifdef SRGB
-        R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
-        G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
-        B = splineInterpolate(B*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                B = splineInterpolate(B*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
 #endif
-        float X = R*coeffs[0] + G*coeffs[1] + B*coeffs[2];
-        float Y = R*coeffs[3] + G*coeffs[4] + B*coeffs[5];
-        float Z = R*coeffs[6] + G*coeffs[7] + B*coeffs[8];
+                float X = fma(R, coeffs[0], fma(G, coeffs[1], B*coeffs[2]));
+                float Y = fma(R, coeffs[3], fma(G, coeffs[4], B*coeffs[5]));
+                float Z = fma(R, coeffs[6], fma(G, coeffs[7], B*coeffs[8]));
 
-        float L = splineInterpolate(Y*LabCbrtTabScale, LabCbrtTab, LAB_CBRT_TAB_SIZE);
-        L = 116.f*L - 16.f;
+                float L = splineInterpolate(Y*LabCbrtTabScale, LabCbrtTab, LAB_CBRT_TAB_SIZE);
+                L = fma(116.f, L, -16.f);
 
-        float d = (4*13) / max(X + 15 * Y + 3 * Z, FLT_EPSILON);
-        float u = L*(X*d - _un);
-        float v = L*((9*0.25f)*Y*d - _vn);
+                float d = 52.0f / fmax(fma(15.0f, Y, fma(3.0f, Z, X)), FLT_EPSILON);
+                float u = L*fma(X, d, -_un);
+                float v = L*fma(2.25f, Y*d, -_vn);
 
-        dst[0] = L;
-        dst[1] = u;
-        dst[2] = v;
+                dst[0] = L;
+                dst[1] = u;
+                dst[2] = v;
+
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
+            }
     }
 }
 
@@ -1599,38 +1715,44 @@ __kernel void BGR2Luv(__global const uchar * src, int src_step, int src_offset,
                       __global const float * LabCbrtTab, __constant float * coeffs, float _un, float _vn)
 {
     int x = get_global_id(0);
-    int y = get_global_id(1);
+    int y = get_global_id(1) * PIX_PER_WI_Y;
 
-    if (x < cols && y < rows)
+    if (x < cols)
     {
-        int src_idx = mad24(y, src_step, mad24(x, scnbytes, src_offset));
-        int dst_idx = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+        src += mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        dst += mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
 
-        src += src_idx;
-        dst += dst_idx;
-
-        float scale = 1.0f / 255.0f;
-        float R = src[0]*scale, G = src[1]*scale, B = src[2]*scale;
+        #pragma unroll
+        for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
+            if (y < rows)
+            {
+                float scale = 1.0f / 255.0f;
+                float R = src[0]*scale, G = src[1]*scale, B = src[2]*scale;
 
 #ifdef SRGB
-        R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
-        G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
-        B = splineInterpolate(B*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                B = splineInterpolate(B*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
 #endif
-        float X = R*coeffs[0] + G*coeffs[1] + B*coeffs[2];
-        float Y = R*coeffs[3] + G*coeffs[4] + B*coeffs[5];
-        float Z = R*coeffs[6] + G*coeffs[7] + B*coeffs[8];
+                float X = fma(R, coeffs[0], fma(G, coeffs[1], B*coeffs[2]));
+                float Y = fma(R, coeffs[3], fma(G, coeffs[4], B*coeffs[5]));
+                float Z = fma(R, coeffs[6], fma(G, coeffs[7], B*coeffs[8]));
+
+                float L = splineInterpolate(Y*LabCbrtTabScale, LabCbrtTab, LAB_CBRT_TAB_SIZE);
+                L = 116.f*L - 16.f;
 
-        float L = splineInterpolate(Y*LabCbrtTabScale, LabCbrtTab, LAB_CBRT_TAB_SIZE);
-        L = 116.f*L - 16.f;
+                float d = (4*13) / fmax(fma(15.0f, Y, fma(3.0f, Z, X)), FLT_EPSILON);
+                float u = L*(X*d - _un);
+                float v = L*fma(2.25f, Y*d, -_vn);
 
-        float d = (4*13) / max(X + 15 * Y + 3 * Z, FLT_EPSILON);
-        float u = L*(X*d - _un);
-        float v = L*((9*0.25f)*Y*d - _vn);
+                dst[0] = SAT_CAST(L * 2.55f);
+                dst[1] = SAT_CAST(fma(u, 0.72033898305084743f, 96.525423728813564f));
+                dst[2] = SAT_CAST(fma(v, 0.99609375f, 139.453125f));
 
-        dst[0] = SAT_CAST(L * 2.55f);
-        dst[1] = SAT_CAST(mad(u, 0.72033898305084743f, 96.525423728813564f));
-        dst[2] = SAT_CAST(mad(v, 0.99609375f, 139.453125f));
+                ++y;
+                dst += dst_step;
+                src += src_step;
+            }
     }
 }
 
@@ -1646,42 +1768,50 @@ __kernel void Luv2BGR(__global const uchar * srcptr, int src_step, int src_offse
                       __constant float * coeffs, float _un, float _vn)
 {
     int x = get_global_id(0);
-    int y = get_global_id(1);
+    int y = get_global_id(1) * PIX_PER_WI_Y;
 
-    if (x < cols && y < rows)
+    if (x < cols)
     {
-        int src_idx = mad24(y, src_step, mad24(x, scnbytes, src_offset));
-        int dst_idx = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
-
-        __global const float * src = (__global const float *)(srcptr + src_idx);
-        __global float * dst = (__global float *)(dstptr + dst_idx);
-
-        float L = src[0], u = src[1], v = src[2], d, X, Y, Z;
-        Y = (L + 16.f) * (1.f/116.f);
-        Y = Y*Y*Y;
-        d = (1.f/13.f)/L;
-        u = u*d + _un;
-        v = v*d + _vn;
-        float iv = 1.f/v;
-        X = 2.25f * u * Y * iv ;
-        Z = (12 - 3 * u - 20 * v) * Y * 0.25f * iv;
-
-        float R = X*coeffs[0] + Y*coeffs[1] + Z*coeffs[2];
-        float G = X*coeffs[3] + Y*coeffs[4] + Z*coeffs[5];
-        float B = X*coeffs[6] + Y*coeffs[7] + Z*coeffs[8];
+        int src_index = mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        int dst_index = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
+        #pragma unroll
+        for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
+            if (y < rows)
+            {
+                __global const float * src = (__global const float *)(srcptr + src_index);
+                __global float * dst = (__global float *)(dstptr + dst_index);
+
+                float L = src[0], u = src[1], v = src[2], d, X, Y, Z;
+                Y = (L + 16.f) * (1.f/116.f);
+                Y = Y*Y*Y;
+                d = (1.f/13.f)/L;
+                u = fma(u, d, _un);
+                v = fma(v, d, _vn);
+                float iv = 1.f/v;
+                X = 2.25f * u * Y * iv;
+                Z = (12 - fma(3.0f, u, 20.0f * v)) * Y * 0.25f * iv;
+
+                float R = fma(X, coeffs[0], fma(Y, coeffs[1], Z * coeffs[2]));
+                float G = fma(X, coeffs[3], fma(Y, coeffs[4], Z * coeffs[5]));
+                float B = fma(X, coeffs[6], fma(Y, coeffs[7], Z * coeffs[8]));
 
 #ifdef SRGB
-        R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
-        G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
-        B = splineInterpolate(B*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                B = splineInterpolate(B*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
 #endif
 
-        dst[0] = R;
-        dst[1] = G;
-        dst[2] = B;
+                dst[0] = R;
+                dst[1] = G;
+                dst[2] = B;
 #if dcn == 4
-        dst[3] = MAX_NUM;
+                dst[3] = MAX_NUM;
 #endif
+                ++y;
+                dst_index += dst_step;
+                src_index += src_step;
+            }
     }
 }
 
@@ -1695,46 +1825,56 @@ __kernel void Luv2BGR(__global const uchar * src, int src_step, int src_offset,
                       __constant float * coeffs, float _un, float _vn)
 {
     int x = get_global_id(0);
-    int y = get_global_id(1);
+    int y = get_global_id(1) * PIX_PER_WI_Y;
 
-    if (x < cols && y < rows)
+    if (x < cols)
     {
-        int src_idx = mad24(y, src_step, mad24(x, scnbytes, src_offset));
-        int dst_idx = mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
-
-        src += src_idx;
-        dst += dst_idx;
-
-        float d, X, Y, Z;
-        float L = src[0]*(100.f/255.f);
-        float u = (float)(src[1]*1.388235294117647f - 134.f);
-        float v = (float)(src[2]*1.003921568627451f - 140.f);
-        Y = (L + 16.f) * (1.f/116.f);
-        Y = Y*Y*Y;
-        d = (1.f/13.f)/L;
-        u = u*d + _un;
-        v = v*d + _vn;
-        float iv = 1.f/v;
-        X = 2.25f * u * Y * iv ;
-        Z = (12 - 3 * u - 20 * v) * Y * 0.25f * iv;
-
-        float R = X*coeffs[0] + Y*coeffs[1] + Z*coeffs[2];
-        float G = X*coeffs[3] + Y*coeffs[4] + Z*coeffs[5];
-        float B = X*coeffs[6] + Y*coeffs[7] + Z*coeffs[8];
+        src += mad24(y, src_step, mad24(x, scnbytes, src_offset));
+        dst += mad24(y, dst_step, mad24(x, dcnbytes, dst_offset));
+
+        #pragma unroll
+        for (int cy = 0; cy < PIX_PER_WI_Y; ++cy)
+            if (y < rows)
+            {
+                float d, X, Y, Z;
+                float L = src[0]*(100.f/255.f);
+                float u = fma(convert_float(src[1]), 1.388235294117647f, -134.f);
+                float v = fma(convert_float(src[2]), 1.003921568627451f, - 140.f);
+                Y = (L + 16.f) * (1.f/116.f);
+                Y = Y*Y*Y;
+                d = (1.f/13.f)/L;
+                u = fma(u, d, _un);
+                v = fma(v, d, _vn);
+                float iv = 1.f/v;
+                X = 2.25f * u * Y * iv ;
+                Z = (12 - fma(3.0f, u, 20.0f * v)) * Y * 0.25f * iv;
+
+                float R = fma(X, coeffs[0], fma(Y, coeffs[1], Z * coeffs[2]));
+                float G = fma(X, coeffs[3], fma(Y, coeffs[4], Z * coeffs[5]));
+                float B = fma(X, coeffs[6], fma(Y, coeffs[7], Z * coeffs[8]));
 
 #ifdef SRGB
-        R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
-        G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
-        B = splineInterpolate(B*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
+                B = splineInterpolate(B*GammaTabScale, gammaTab, GAMMA_TAB_SIZE);
 #endif
 
-        dst[0] = SAT_CAST(R * 255.0f);
-        dst[1] = SAT_CAST(G * 255.0f);
-        dst[2] = SAT_CAST(B * 255.0f);
+                uchar dst0 = SAT_CAST(R * 255.0f);
+                uchar dst1 = SAT_CAST(G * 255.0f);
+                uchar dst2 = SAT_CAST(B * 255.0f);
 
 #if dcn == 4
-        dst[3] = MAX_NUM;
+                *(__global uchar4 *)dst = (uchar4)(dst0, dst1, dst2, MAX_NUM);
+#else
+                dst[0] = dst0;
+                dst[1] = dst1;
+                dst[2] = dst2;
 #endif
+
+                ++y;
+                dst += dst_step;
+                src += src_step;
+            }
     }
 }
 
index e9fb0d3..82bf2c0 100644 (file)
@@ -305,11 +305,11 @@ OCL_TEST_P(CvtColor8u32f, Lab2LRGBA) { performTest(3, 4, CVTCODE(Lab2LRGB), dept
 OCL_TEST_P(CvtColor8u32f, BGR2Luv) { performTest(3, 3, CVTCODE(BGR2Luv), depth == CV_8U ? 1 : 1e-2); }
 OCL_TEST_P(CvtColor8u32f, RGB2Luv) { performTest(3, 3, CVTCODE(RGB2Luv), depth == CV_8U ? 1 : 1e-2); }
 OCL_TEST_P(CvtColor8u32f, LBGR2Luv) { performTest(3, 3, CVTCODE(LBGR2Luv), depth == CV_8U ? 1 : 4e-3); }
-OCL_TEST_P(CvtColor8u32f, LRGB2Luv) { performTest(3, 3, CVTCODE(LRGB2Luv), depth == CV_8U ? 1 : 4e-3); }
+OCL_TEST_P(CvtColor8u32f, LRGB2Luv) { performTest(3, 3, CVTCODE(LRGB2Luv), depth == CV_8U ? 1 : 5e-3); }
 OCL_TEST_P(CvtColor8u32f, BGRA2Luv) { performTest(4, 3, CVTCODE(BGR2Luv), depth == CV_8U ? 1 : 8e-3); }
 OCL_TEST_P(CvtColor8u32f, RGBA2Luv) { performTest(4, 3, CVTCODE(RGB2Luv), depth == CV_8U ? 1 : 9e-3); }
-OCL_TEST_P(CvtColor8u32f, LBGRA2Luv) { performTest(4, 3, CVTCODE(LBGR2Luv), depth == CV_8U ? 1 : 4e-3); }
-OCL_TEST_P(CvtColor8u32f, LRGBA2Luv) { performTest(4, 3, CVTCODE(LRGB2Luv), depth == CV_8U ? 1 : 4e-3); }
+OCL_TEST_P(CvtColor8u32f, LBGRA2Luv) { performTest(4, 3, CVTCODE(LBGR2Luv), depth == CV_8U ? 1 : 5e-3); }
+OCL_TEST_P(CvtColor8u32f, LRGBA2Luv) { performTest(4, 3, CVTCODE(LRGB2Luv), depth == CV_8U ? 1 : 5e-3); }
 
 OCL_TEST_P(CvtColor8u32f, Luv2BGR) { performTest(3, 3, CVTCODE(Luv2BGR), depth == CV_8U ? 1 : 7e-5); }
 OCL_TEST_P(CvtColor8u32f, Luv2RGB) { performTest(3, 3, CVTCODE(Luv2RGB), depth == CV_8U ? 1 : 7e-5); }