如何在汇编语言ARM中使用Neon扩展高效地反转数组

How to reverse an array in Assembly language ARM with Neon Extension efficiently?

本文关键字：高效 扩展 数组 Neon 汇编语言 ARM      更新时间：2023-10-16

我正在使用一些图像处理函数，在这些函数中，我需要以最快的方式反转字节数组。如果我试图解释我的实际功能，那就不合适了。这就是为什么我要简化问题的标准。

Input Array: 
37 3B 29 32 C5 E3 F3 5E 04 E2 CA B8 A1 1F 64 1D 
E5 6F 7B 2C EA 6A FD 1F A5 6B 8F FA FB 7A F4 2A 
DC 08 6D DB B8 D4 77 5D A2 44 E6 8A 59 9C 7D C2 
8E FB C6 2A F8 EC 96 ED DC F8 00 2D 63 4C A4 F9
Length: 64
Output Array: 
F9 A4 4C 63 2D 00 F8 DC ED 96 EC F8 2A C6 FB 8E 
C2 7D 9C 59 8A E6 44 A2 5D 77 D4 B8 DB 6D 08 DC 
2A F4 7A FB FA 8F 6B A5 1F FD 6A EA 2C 7B 6F E5 
1D 64 1F A1 B8 CA E2 04 5E F3 E3 C5 32 29 3B 37

用C++这样的高级语言做这项工作真的很容易。在C++中，这个实现可能看起来像：

void Reverse_array(unsigned char* pInData, int iLen, unsigned char* pOutData)
{
int indx = 0;
for(int i=iLen-1; i>=0; i--)
{
pOutData[indx++] = pInData[i];
}
}

但我真的需要找到最有效和优化的解决方案来完成这项工作。由于这个任务将在移动设备上执行，我决定在带有Neon扩展的ARM中使用原始汇编语言来实现。现在，我将分享我为执行这项任务所做的努力(但这项工作尚未完成)。

NEON_ASM_FUNC_BEGIN Reverse_array_arm_neon
push {r2-r8, lr}
#r0 First parameter, This is the address of <pInData>
#r1 Second Parameter, This is the iLen
#r2 Third Parameter, This is the address of <pOutData>
add r2, r2, r1
ands r3, r1, #7
add r2, r2, #8
loop_Reverse:
vld1.u8 {d0}, [r0]!
vrev64.u8 d1, d0
sub r2, r2, #16
vst1.u8 {d1}, [r2]!
subs r1, #8
bne loop_Reverse
pop {r2-r8, pc}
NEON_ASM_FUNC_END

我还检查了如何在汇编语言ARM中反转数组？以及从StackOverFlow中反转组装解决方案中的阵列，但我仍然需要更多关于此实现的知识。

  1. 对于这个问题，是否可以用arm汇编语言编写比c++更快的函数
  2. 使用NEON扩展功能实现此任务的正确方法是什么？(我的函数是不完整的，因为它不会以不可被8整除的不同长度工作)

任何想法或信息都会对我有所帮助。谢谢。

如果输入和输出不重叠，并且iLen大于64，则下面的代码应该有效：

// Written by Jake 'Alquimista' LEE
.syntax unified
.arch   armv7-a
.fpu    neon
.text
.global Reverse_array_arm_neon
// void Reverse_array_arm_neon(unsigned char* pInData, int iLen, unsigned char* pOutData);

pSrc    .req    r0
iLen    .req    r1
pDst    .req    r2
postInc .req    r3
.balign 32
.func
Reverse_array_arm_neon:
add     pDst, pDst, iLen
mov     postInc, #-32
sub     pDst, pDst, #32
sub     iLen, iLen, #64     // "withholding tax"
.balign 32
1:
vld1.8      {d16, d17, d18, d19}, [pSrc]!
vld1.8      {d20, d21, d22, d23}, [pSrc]!
subs    iLen, iLen, #64
pld [pSrc, #64]
vrev64.8    q8, q8
vrev64.8    q9, q9
vrev64.8    q10, q10
vrev64.8    q11, q11
vswp        d19, d16
vswp        d18, d17
vswp        d23, d20
vswp        d22, d21
vst1.8      {d16, d17, d18, d19}, [pDst], postInc
vst1.8      {d20, d21, d22, d23}, [pDst], postInc
bpl     1b
add     pSrc, pSrc, iLen
cmp     iLen, #-64
sub     pDst, pDst, iLen
bxle    lr      // return
b       1b
.endfunc
.end
  • 您必须保留的唯一寄存器是：r4-r11,lr和q4-q7，并且仅当您实际必须使用它们时
  • 如果没有保存任何内容并损坏lr，则可以返回bx lr
  • 你可以用我的方法最有效地处理"残差"(循环后的负循环计数器的"预扣税"、bpl和add/sub)
  • 为了提高I-Cache的效率，您应该将主循环对齐到32字节

首先，我想向李表示敬意，因为我从他的回答中学到了很多。在这里，我将分享这个问题的另一种解决方案。

.macro NEON_ASM_FUNC_BEGIN
.syntax unified
.text
.extern printf
.align 2
.arm
.globl _$0
_$0:
.endm
.macro NEON_ASM_FUNC_END
mov pc, lr
.endm
NEON_ASM_FUNC_BEGIN Reverse_array_arm_neon
push {r3-r8, lr}
pInData     .req    r0
iLen        .req    r1
pOutData    .req    r2
iOverlap    .req    r3
iTemp       .req    r4
add         pOutData,   pOutData,   iLen
add         pOutData,   pOutData,   #8
ands        iOverlap,   iLen,       #7
beq         loop_Reverse //if(iLen % 8 == 0) goto loop_Reverse
sub         pOutData,   pOutData,   #16
vld1.u8     {d0},       [pInData]!
vrev64.u8   d1,         d0
vst1.u8     {d1},       [pOutData]!
subs        iLen,       iLen,       iOverlap
beq Reverse_array_arm_neon_completed //if(iLen == 0) go to end
mov         iTemp,      #8
sub         iTemp,      iTemp,      iOverlap
sub         pInData,    pInData,    iTemp
add         pOutData,   pOutData,   iTemp
loop_Reverse:
vld1.u8     {d0},       [pInData]!
vrev64.u8   d1,         d0
sub         pOutData,   pOutData, #16
vst1.u8     {d1},       [pOutData]!
subs        iLen,        #8
bne loop_Reverse
Reverse_array_arm_neon_completed:
pop {r3-r8, pc}
NEON_ASM_FUNC_END

我已经在AppleIpod touch第五代(32位/Cortex A9/ARMv7-A平台)设备中测试了此功能。此函数适用于所有可能的数组长度。希望能有所帮助。

相关文章：