一 接到一个朋友需求，计算像素值的平方
for (int i = 0; i < height; i++)
for (int j = 0; j < width; j++)
resulti \* stride + j = pixi \* stride + j * pixi \* stride + j
二 avx加速
;void sqr_cal(uint8_t *in, uint16_t *out, int size)
;rdi rsi rdx
global sqr_cal
sqr_cal:
sub rdx, 16 ;每次计算16个像素
movupd xmm0, rdi 非对齐加载16字节
vpmovzxbw ymm1, xmm0 无符号padding uint8到uint16
vpmullw ymm2, ymm1, ymm1 两个无符号uint16相乘，把低16位存入ymm2,
vmovdqa rsi, ymm2 吧ymm2 写入到内存中
add rdi, 16 移动数据指针
add rsi, 32 移动数据指针
cmp rdx, 0 剩余计算数据和0比较
jl .end 不到16字节了
je .dret 刚好结束
jmp sqr_cal 继续循环
.end:
movupd xmm0, rdi 剩余数据载入
vpmovsxbw ymm1, xmm0
vpmullw ymm2, ymm1, ymm1
vmovdqa rsi, ymm2
.dret:
ret
三 C语言使用范例
#include <stdio.h>
#include <stdint.h>
#include <stdlib.h>
extern "C" void sqr_cal(uint8_t *in, uint16_t *out, int size);
int main()
{
uint8_t in32 = {1,1,234,2,2,2,3,3,3,4,4,4,5,5,5,6,6,6,7,7,7,8,8,8,9,9,9,10,10,10,11,11};
uint16_t out32 attribute((aligned(32))); //地址32对齐，使用avx对齐指令更快
sqr_cal(in, out, 32);
for (int i = 0; i < 32; i++) {
printf("%d ", outi);
}
printf("\n");
return 0;
}
./main
1 1 54756 4 4 4 9 9 9 16 16 16 25 25 25 36 36 36 49 49 49 64 64 64 81 81 81 100 100 100 121 121