Skip to content

L
libyuv
Commit a063a66d authored by fbarchard@google.com's avatar fbarchard@google.com
Browse files
Options

Change I422ToARGB_AVX2 register usage to match SSSE3. ymm0 = B, ymm1 = G, ymm2 = R. 

BUG=269
TESTED=intelsde passes on unittests.
R=harryjin@google.com

Review URL: https://webrtc-codereview.appspot.com/28759004

git-svn-id: http://libyuv.googlecode.com/svn/trunk@1132 16f28f9a-4ce2-e073-06de-1de4eb20be90
parent 51b78880
Show whitespace changes
Inline Side-by-side
Showing with 36 additions and 38 deletions
README.chromium
View file @ a063a66d
Name: libyuv
URL: http://code.google.com/p/libyuv/
Version: 1130
Version: 1132
License: BSD
License File: LICENSE
......
include/libyuv/version.h
View file @ a063a66d
......@@ -11,6 +11,6 @@
#ifndef INCLUDE_LIBYUV_VERSION_H_ // NOLINT
#define INCLUDE_LIBYUV_VERSION_H_
#define LIBYUV_VERSION 1130
#define LIBYUV_VERSION 1132
#endif // INCLUDE_LIBYUV_VERSION_H_ NOLINT
source/row_win.cc
View file @ a063a66d
......@@ -1496,9 +1496,9 @@ void RGBAToUVRow_SSSE3(const uint8* src_argb0, int src_stride_argb,
ret
}
}
#endif // HAS_ARGBTOYROW_SSSE3
#ifdef HAS_I422TOARGBROW_AVX2
static const lvec8 kUVToB_AVX = {
......@@ -1557,12 +1557,12 @@ void I422ToARGBRow_AVX2(const uint8* y_buf,
vpunpcklbw ymm0, ymm0, ymm1 // UV
vpermq ymm0, ymm0, 0xd8
vpunpcklwd ymm0, ymm0, ymm0 // UVUV
vpmaddubsw ymm2, ymm0, kUVToB_AVX // scale B UV
vpmaddubsw ymm2, ymm0, kUVToR_AVX // scale R UV
vpmaddubsw ymm1, ymm0, kUVToG_AVX // scale G UV
vpmaddubsw ymm0, ymm0, kUVToR_AVX // scale R UV
vpsubw ymm2, ymm2, kUVBiasB_AVX // unbias back to signed
vpmaddubsw ymm0, ymm0, kUVToB_AVX // scale B UV
vpsubw ymm2, ymm2, kUVBiasR_AVX // unbias back to signed
vpsubw ymm1, ymm1, kUVBiasG_AVX
vpsubw ymm0, ymm0, kUVBiasR_AVX
vpsubw ymm0, ymm0, kUVBiasB_AVX
// Step 2: Find Y contribution to 16 R,G,B values
vmovdqu xmm3, [eax] // NOLINT
......@@ -1571,25 +1571,25 @@ void I422ToARGBRow_AVX2(const uint8* y_buf,
vpunpcklbw ymm3, ymm3, ymm4
vpsubsw ymm3, ymm3, kYSub16_AVX
vpmullw ymm3, ymm3, kYToRgb_AVX
vpaddsw ymm2, ymm2, ymm3 // B += Y
vpaddsw ymm0, ymm0, ymm3 // B += Y
vpaddsw ymm1, ymm1, ymm3 // G += Y
vpaddsw ymm0, ymm0, ymm3 // R += Y
vpsraw ymm2, ymm2, 6
vpsraw ymm1, ymm1, 6
vpaddsw ymm2, ymm2, ymm3 // R += Y
vpsraw ymm0, ymm0, 6
vpackuswb ymm2, ymm2, ymm2 // B
vpsraw ymm1, ymm1, 6
vpsraw ymm2, ymm2, 6
vpackuswb ymm0, ymm0, ymm0 // B
vpackuswb ymm1, ymm1, ymm1 // G
vpackuswb ymm0, ymm0, ymm0 // R
vpackuswb ymm2, ymm2, ymm2 // R
// Step 3: Weave into ARGB
vpunpcklbw ymm2, ymm2, ymm1 // BG
vpermq ymm2, ymm2, 0xd8
vpunpcklbw ymm0, ymm0, ymm5 // RA
vpunpcklbw ymm0, ymm0, ymm1 // BG
vpermq ymm0, ymm0, 0xd8
vpunpcklwd ymm1, ymm2, ymm0 // BGRA first 8 pixels
vpunpckhwd ymm2, ymm2, ymm0 // BGRA next 8 pixels
vpunpcklbw ymm2, ymm2, ymm5 // RA
vpermq ymm2, ymm2, 0xd8
vpunpcklwd ymm1, ymm0, ymm2 // BGRA first 8 pixels
vpunpckhwd ymm0, ymm0, ymm2 // BGRA next 8 pixels
vmovdqu [edx], ymm1
vmovdqu [edx + 32], ymm2
vmovdqu [edx + 32], ymm0
lea edx, [edx + 64]
sub ecx, 16
jg convertloop
......@@ -1630,12 +1630,12 @@ void I422ToBGRARow_AVX2(const uint8* y_buf,
vpunpcklbw ymm0, ymm0, ymm1 // UV
vpermq ymm0, ymm0, 0xd8
vpunpcklwd ymm0, ymm0, ymm0 // UVUV
vpmaddubsw ymm2, ymm0, kUVToB_AVX // scale B UV
vpmaddubsw ymm2, ymm0, kUVToR_AVX // scale R UV
vpmaddubsw ymm1, ymm0, kUVToG_AVX // scale G UV
vpmaddubsw ymm0, ymm0, kUVToR_AVX // scale R UV
vpsubw ymm2, ymm2, kUVBiasB_AVX // unbias back to signed
vpmaddubsw ymm0, ymm0, kUVToB_AVX // scale B UV
vpsubw ymm2, ymm2, kUVBiasR_AVX // unbias back to signed
vpsubw ymm1, ymm1, kUVBiasG_AVX
vpsubw ymm0, ymm0, kUVBiasR_AVX
vpsubw ymm0, ymm0, kUVBiasB_AVX
// Step 2: Find Y contribution to 16 R,G,B values
vmovdqu xmm3, [eax] // NOLINT
......@@ -1644,26 +1644,25 @@ void I422ToBGRARow_AVX2(const uint8* y_buf,
vpunpcklbw ymm3, ymm3, ymm4
vpsubsw ymm3, ymm3, kYSub16_AVX
vpmullw ymm3, ymm3, kYToRgb_AVX
vpaddsw ymm2, ymm2, ymm3 // B += Y
vpaddsw ymm0, ymm0, ymm3 // B += Y
vpaddsw ymm1, ymm1, ymm3 // G += Y
vpaddsw ymm0, ymm0, ymm3 // R += Y
vpsraw ymm2, ymm2, 6
vpsraw ymm1, ymm1, 6
vpaddsw ymm2, ymm2, ymm3 // R += Y
vpsraw ymm0, ymm0, 6
// TODO(fbarchard): Switch register order to match SSSE3.
vpackuswb ymm2, ymm2, ymm2 // B
vpsraw ymm1, ymm1, 6
vpsraw ymm2, ymm2, 6
vpackuswb ymm0, ymm0, ymm0 // B
vpackuswb ymm1, ymm1, ymm1 // G
vpackuswb ymm0, ymm0, ymm0 // R
vpackuswb ymm2, ymm2, ymm2 // R
// Step 3: Weave into BGRA
vpunpcklbw ymm1, ymm1, ymm2 // GB
vpunpcklbw ymm1, ymm1, ymm0 // GB
vpermq ymm1, ymm1, 0xd8
vpunpcklbw ymm0, ymm5, ymm0 // AR
vpermq ymm0, ymm0, 0xd8
vpunpcklwd ymm2, ymm0, ymm1 // ARGB first 8 pixels
vpunpckhwd ymm0, ymm0, ymm1 // ARGB next 8 pixels
vmovdqu [edx], ymm2
vmovdqu [edx + 32], ymm0
vpunpcklbw ymm2, ymm5, ymm2 // AR
vpermq ymm2, ymm2, 0xd8
vpunpcklwd ymm0, ymm2, ymm1 // ARGB first 8 pixels
vpunpckhwd ymm2, ymm2, ymm1 // ARGB next 8 pixels
vmovdqu [edx], ymm0
vmovdqu [edx + 32], ymm2
lea edx, [edx + 64]
sub ecx, 16
jg convertloop
......@@ -1677,7 +1676,6 @@ void I422ToBGRARow_AVX2(const uint8* y_buf,
#endif // HAS_I422TOARGBROW_AVX2
#ifdef HAS_I422TOARGBROW_SSSE3
// TODO(fbarchard): Read that does half size on Y and treats 420 as 444.
// Read 8 UV from 444.
......
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment