用于灰度到ARGB转换的c++ SSE2或AVX2特性

C++ SSE2 or AVX2 intrinsics for grayscale to ARGB conversion

本文关键字：SSE2 AVX2 特性 c++ 灰度 ARGB 转换 用于      更新时间：2023-10-16

我想知道是否有一个SSE2/AVX2整数指令或指令序列(或内在)要执行，以实现以下结果:

给定一行8字节像素，格式为:

A = {a, b, c, d, e, f, g, h}

是否有任何方法将这些像素加载到包含8个32位ARGB像素的YMM寄存器中，使初始灰度值广播到每个相应32位像素的其他2个字节?结果应该是这样的:(0是alpha值)

B = {0aaa, 0bbb, 0ccc, 0ddd, 0eee, 0fff, 0ggg, 0hhh}

我是矢量扩展的完全初学者，所以我甚至不确定如何接近这个，或者如果它是可能的。

任何帮助都会很感激。谢谢!

UPDATE1

谢谢你的回答。我仍然有一个问题:

我把这个小例子放在一起，并在x64上用VS2015编译。

int main()
{
    unsigned char* pixels = (unsigned char*)_aligned_malloc(64, 32);
    memset(pixels, 0, 64);
    for (unsigned char i = 0; i < 8; i++)
        pixels[i] = 0xaa + i;
    __m128i grayscalePix = _mm_load_si128((const __m128i*)pixels);
    __m256i rgba = _mm256_cvtepu8_epi32(grayscalePix);
    __m256i mulOperand = _mm256_set1_epi32(0x00010101);
    __m256i result = _mm256_mullo_epi32(rgba, mulOperand);
   _aligned_free(pixels);
    return 0;
}

问题是在执行

之后
__m256i rgba = mm256_cvtepu8_epi32(grayscalePix)

rgba只设置了前四个双字。后四个都是0

Intel开发人员手册说:

VPMOVZXBD ymm1, xmm2/m64
0在低8位扩展8个打包的8位整数xmm2/m64到8个打包的32位整数的字节数ymm1 .

我不确定这是预期的行为还是我仍然错过了一些东西。

谢谢。

更新:@chtz的答案是一个更好的主意，使用便宜的128->256广播负载代替vpmovzx来馈送vpshufb，节省shuffle-port带宽。

按照Mark的建议从PMOVZX开始。

但在此之后，PSHUFB (_mm256_shuffle_epi8)将比PMULLD快得多，除了它与PMOVZX竞争shuffle端口。(它在车道内运行，所以你仍然需要PMOVZX)。

因此，如果您只关心吞吐量，而不关心延迟，那么_mm256_mullo_epi32是好的。但是，如果延迟很重要，或者如果您的吞吐量瓶颈不是每个向量2个shuffle-port指令，那么在每个像素内复制字节的PSHUFB应该是最好的。

实际上，即使对于吞吐量，_mm256_mullo_epi32在HSW和BDW上也很糟糕:对于p0，它是2个上限(10c延迟)，所以它是一个端口的2个上限。

在SKL上，它为p01提供2个上限(10c延迟)，因此它可以维持与VPMOVZXBD相同的每时钟吞吐量。但这是一个额外的上限，使它更有可能成为瓶颈。

(在所有支持AVX2的Intel cpu上，VPSHUFB为1 up, 1c延迟，端口5)

您可以将打包的字节加载到寄存器中，call __m256i _mm256_cvtepu8_epi32 (__m128i a)转换为32位值，然后乘以0x00010101将灰度复制为R,G和b

可以用一个vbroadcasti128和两个vpshufb转换16个像素。广播不需要端口5，如果它直接从内存加载，所以shuffle可以充分利用该端口(它仍然会在该端口上瓶颈，或者在存储回内存时)。

void gray2rgba(char const* input, char* output, size_t length)
{
    length &= size_t(-16); // lets just care about sizes multiples of 16 here ...
    __m256i shuflo = _mm256_setr_epi32(
        0x80000000, 0x80010101, 0x80020202, 0x80030303,
        0x80040404, 0x80050505, 0x80060606, 0x80070707
    );
    __m256i shufhi = _mm256_setr_epi32(
        0x80080808, 0x80090909, 0x800a0a0a, 0x800b0b0b,
        0x800c0c0c, 0x800d0d0d, 0x800e0e0e, 0x800f0f0f
    );
    for(size_t i=0; i<length; i+=16)
    {
        __m256i in = _mm256_broadcastsi128_si256(*reinterpret_cast<const __m128i*>(input+i));
        __m256i out0 = _mm256_shuffle_epi8(in, shuflo);
        __m256i out1 = _mm256_shuffle_epi8(in, shufhi);
        _mm256_storeu_si256(reinterpret_cast<__m256i*>(output+4*i),    out0);
        _mm256_storeu_si256(reinterpret_cast<__m256i*>(output+4*i+32), out1);
    }
}

Godbolt Demo: https://godbolt.org/z/dUx6GZ

相关文章：