c - 使用 ARM neon 内在函数进行深度转换

Question

我正在尝试围绕 NEON 内在函数进行思考，并认为我可以从一个示例开始并提出一些问题。

在这个实验中，我想将 32 位 RGB 转换为 16 位 BGR。将以下代码转换为使用 NEON 内在函数的良好开端是什么？我在这里遇到的问题是 16 位与我能看到的任何内在都不匹配。有 16x4 16x8 等。但我只是运气不好，围绕着我需要如何处理这个问题。有什么建议吗？

这是我要转换的代码。

typedef struct {
    uint16_t b:5, g:6, r:5;
} _color16;

static int depth_transform_32_to_16_c (VisVideo *dest, VisVideo *src)
{
    int x, y;
    int w;
    int h;

    _color16 *dbuf = visual_video_get_pixels (dest);
    uint8_t *sbuf = visual_video_get_pixels (src);

    uint16x8

    int ddiff;
    int sdiff;

    depth_transform_get_smallest (dest, src, &w, &h);

    ddiff = (dest->pitch / dest->bpp) - w;
    sdiff = src->pitch - (w * src->bpp);

    for (y = 0; y < h; y++) {
        for (x = 0; x < w; x++) {
            dbuf->b = *(sbuf++) >> 3;
            dbuf->g = *(sbuf++) >> 2;
            dbuf->r = *(sbuf++) >> 3;

            dbuf++;
            sbuf++;
        }

        dbuf += ddiff;
        sbuf += sdiff;
    }

    return VISUAL_OK;
}

编辑:哦，出于某种原因，我正在考虑 16x3 位，但我们正在查看 5,6,5 = 16 位。我意识到我需要轮类。嗯。

Answer 1

NEON 使用 128 位宽寄存器，因此从概念上讲，您要做的是读取 32 位 RGB 的四个像素，对这些像素进行按位运算，并最终写出您的 16 位像素。一种观察是，为了获得最佳性能，您可能希望组合两个 128 位输入(8 个 32 位像素)并产生一个 128 位输出。这将使您的内存访问更有效率。

考虑这一点的另一种方法是，您正在获取内部循环内容并并行处理四个像素。使用你的原始代码有点困难的原因是一些“魔法”被隐藏了，因为你使用的是位域。如果您重写 C 代码以从 32 位工作到 16 位并使用移位/和/或该代码将更自然地转换为 SIMD，您可以想象如何在该上下文中处理多个数据。

如果您只查看每个 32 位组件 -> 16 位转换:

00000000RRRRRRRRGGGGGGGGBBBBBBBB
0000000000000000BBBBBGGGGGGRRRRR

这可以帮助您直观地了解您需要为四个像素并行执行的操作。移动、提取和组合。您可以将其视为 4 个 32 位 channel ，但对于某些位操作，寄存器宽度并不重要(例如，或运算 4 个 32 位寄存器或 8 个 16 位寄存器是相同的)。

粗略的伪代码:

• 读取( vector 加载)128 位寄存器 = 4 个 32 位像素。
• 将绿色(所有四个分量)移到正确的位位置。
• 将绿色(使用AND 掩码)屏蔽到另一个寄存器中。 (概念上仍处于 4x32 位“模式”)
• 将红色(所有四个分量)移到正确的位位置。
• 将红色遮盖到另一个寄存器中。
• 将蓝色移到右位。
• 将蓝色屏蔽到另一个寄存器中。
• 将红色和蓝色移动到正确的位位置。
• 使用按位OR进行组合。
• 现在您将拥有 4 个 16 位值和 32 位对齐。 (到目前为止，所有概念上仍然是 4x32 位)
• 重复另一组 4 个像素。
• 将这两组与 NEON 解压缩 (VUZP) 相结合，生成一个 128 位/8 像素寄存器。
• 写入( vector 存储)这些像素。