Question

下面的代码将一行从8位格式化的格式转换为32-RGBA。

在我尝试实现它之前，我想知道下面的代码是否适合使用Direct-Math或ARM Neon intrinsics或内联汇编进行优化。我第一次看文档并没有透露任何可以覆盖表查找部分的内容。

void CopyPixels(BYTE *pDst, BYTE *pSrc, int width,
  const BYTE mask, Color* pColorTable)
{
  if (width)
  {
    do
    {
      BYTE b = *pSrc++;
      if (b != mask)
      {
        // Translate to 32-bit RGB value if not masked
        const Color* pColor = pColorTable + b;
        pDst[0] = pColor->Blue;
        pDst[1] = pColor->Green;
        pDst[2] = pColor->Red;
        pDst[3] = 0xFF;
      }
      // Skip to next pixel
      pDst += 4;
    }
    while (--width);
  }
}

Answer 1

您需要一个256 * 4bytes = 1024bytes的LUT。这种工作根本不适合SIMD。（英特尔新Haswell核心的SSE部分除外）

NEON可以使用VTBL和VTBX处理最大32字节的LUT，但它或多或少与CLZ一起作为Newton-Raphson迭代的起始值。

Answer 2

我同意Jake的看法，这不是一个很好的矢量处理器问题，并且ARM主管道可以更有效地处理它。这并不意味着您无法通过汇编（但只是简单的ARM v7）对其进行优化，以显着改善结果。

特别是，一个简单的改进是构建您的查找表，以便它可以与字大小的副本一起使用。这将涉及确保Color结构遵循32-RGBA格式，包括将第4个0xFF作为查找的一部分，以便您可以只进行单个单词复制。这可能是一个显着的性能提升，无需组装，因为它是单个内存提取，而不是3（加上常量赋值）。

void CopyPixels(RGBA32Color *pDst, BYTE const *pSrc, int width,
  const BYTE mask, RGBA32Color const *pColorTable)
{
  if (width)
  {
    do
    {
      BYTE b = *pSrc++;
      if (b != mask)
      {
        // Translate to 32-bit RGB value if not masked
        *pDst = pColorTable[b];
      }
      // Skip to next pixel
      pDst ++;
    }
    while (--width);
  }
}

优化ARM的扫描线转换功能

2 个答案: