使用 ARM neon 内部函数进行深度转换答案

【问题标题】：depth transformation with ARM neon intrinsics使用 ARM neon 内部函数进行深度转换
【发布时间】：2012-02-26 18:09:45
【问题描述】：

我正在尝试围绕 NEON 内在函数展开思考，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 内在函数是一个好的开始？我在这里遇到的问题是 16 位与我可以看到的任何内在内容都不匹配。有 16x4 16x8 等。但我只是没有运气围绕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。我意识到我需要轮班。嗯。

【问题讨论】：

标签： c arm video-encoding neon

【解决方案1】：

NEON 使用 128 位宽的寄存器，因此从概念上讲，您要做的是读取 32 位 RGB 的四个像素，对它们进行按位运算，最终写出 16 位像素。一项观察是，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 输出。这将使您的内存访问更有效率。

另一种思考方式是，您正在获取内部循环内容并并行处理四个像素。使用原始代码有点困难的原因是一些“魔法”被隐藏了，因为您使用的是位域。如果您重写您的 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，您可以可视化在该上下文中如何处理多个数据。

如果你只看每个 32 位组件 -> 16 位转换：

00000000RRRRRRRRGGGGGGGGBBBBBBBB
0000000000000000BBBBBGGGGGGRRRRR

这可以帮助您可视化您需要为四个像素并行执行的操作。移位、提取和组合。您可以将其视为 4 个 32 位通道，尽管对于某些位操作而言，寄存器宽度并不重要（例如，或 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（向量加载）128位寄存器=4个32位像素。
移动绿色（所有四个组件）到右位位置。
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”）
移动红色（所有四个组件）到右位位置。
将红色掩码到另一个寄存器中。
将蓝色移到右位位置。
将蓝色屏蔽到另一个寄存器中。
移动红色和蓝色到右位位置。
使用按位OR进行组合。
现在您将拥有 4 个 16 位值并进行 32 位对齐。（到目前为止，概念上仍然是 4x32 位）
使用另一组 4 像素重复。
将这两组与 NEON 解压缩 (VUZP) 结合起来，生成一个 128 位/8 像素寄存器。
写入（矢量存储）这些像素。

【讨论】：