C 中的 ARM Neon：如何在使用内部函数时组合不同的 128 位数据类型？

Question

TLTR

对于 arm 内在函数，如何将 uint8x16_t 类型的 128 位变量输入到期望 uint16x8_t 的函数中？

---

扩展版

上下文：我有一个灰度图像，每像素 1 个字节。我想将其缩小 2 倍。对于每个 2x2 输入框，我想取最小像素。在纯 C 中，代码如下所示：

for (int y = 0; y < rows; y += 2) {
    uint8_t* p_out = outBuffer + (y / 2) * outStride;
    uint8_t* p_in = inBuffer + y * inStride;
    for (int x = 0; x < cols; x += 2) {
         *p_out = min(min(p_in[0],p_in[1]),min(p_in[inStride],p_in[inStride + 1]) );
         p_out++;
         p_in+=2;
    }
}

其中行和列都是 2 的倍数。我将“跨步”称为从图像中的一个像素到紧接下方的像素所需的字节步骤。

现在我想对它进行矢量化。这个想法是：

1. 连续取 2 行像素
2. 从顶行开始在a 中加载16 个字节，并在b 中立即加载下面的16 个字节
3. 逐字节计算a 和b 之间的最小值。存储在a。
4. 创建a 的副本，将其右移1 个字节（8 位）。将其存储在b。
5. 逐字节计算a 和b 之间的最小值。存储在a。
6. 在输出图像中存储a 的每一秒字节（丢弃一半字节）

我想用 Neon 内部函数来写这个。好消息是，每一步都存在与之匹配的内在函数。

例如，在第 3 点可以使用（来自here）：

uint8x16_t  vminq_u8(uint8x16_t a, uint8x16_t b);

在第 4 点，可以使用 8 位移位（来自 here）使用以下之一：

uint16x8_t vrshrq_n_u16(uint16x8_t a, __constrange(1,16) int b);
uint32x4_t vrshrq_n_u32(uint32x4_t a, __constrange(1,32) int b);
uint64x2_t vrshrq_n_u64(uint64x2_t a, __constrange(1,64) int b);

那是因为我不关心字节 1,3,5,7,9,11,13,15 会发生什么，因为无论如何它们都会从最终结果中被丢弃。 （这里的正确性已经过验证，不是问题的重点。）

但是，vminq_u8 的输出是 uint8x16_t 类型，它与我想使用的 shift 内在函数不兼容。在 C++ 中，我用this templated data structure 解决了这个问题，而我被告知问题cannot be reliably addressed using union （编辑：虽然那个答案是指C++，实际上是in C type punning IS allowed），也不是@ 987654326@，因为这会破坏严格的别名规则。

在使用 ARM Neon 内部函数时组合不同数据类型的方法是什么？

Answer 1

对于此类问题，arm_neon.h 提供了vreinterpret{q}_dsttype_srctype 转换运算符。

在某些情况下，您可能希望将向量视为具有 不同的类型，而不改变它的值。一组内在函数是 提供来执行这种类型的转换。

所以，假设 a 和 b 被声明为：

uint8x16_t a, b;

你的第4点可以写成^(*)：

b = vreinterpretq_u8_u16(vrshrq_n_u16(vreinterpretq_u16_u8(a), 8) );

然而，请注意，不幸的是，这并不能解决使用向量类型数组的数据类型，请参阅ARM Neon: How to convert from uint8x16_t to uint8x8x2_t?

---

(*) 应该说，这比等效（在此特定上下文中）SSE 代码要麻烦得多，因为 SSE 只有一种 128 位整数数据类型（即__m128i）：

__m128i b = _mm_srli_si128(a,1);