用于灰度到 ARGB 转换的 C++ SSE2 或 AVX2 内在函数

Question

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

给定一行 8 字节像素，格式如下：

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

有没有办法将这些像素加载到包含 8 个 32 位 ARGB 像素的 YMM 寄存器中，以便将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，所以我什至不确定如何处理这个问题，或者是否有可能。

如有任何帮助，我们将不胜感激。谢谢！

更新1

感谢您的回答。我仍然有问题：

我把这个小例子放在一起，用 VS2015 在 x64 上编译。

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;
}

问题是做了之后

__m256i rgba = mm256_cvtepu8_epi32(grayscalePix)

rgba 只设置了前四个双字。后四位都是0.

英特尔开发人员手册说：

VPMOVZXBD ymm1, xmm2/m64
Zero extend 8 packed 8-bit integers in the low 8 bytes of xmm2/m64 to 8 packed 32-bit integers in ymm1.

我不确定这是有意为之还是我仍然遗漏了什么。

谢谢。

Answer 1

您可以将压缩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 将灰度复制到 R、G 和 B。

Answer 2

更新：@chtz 的回答是一个更好的主意，使用便宜的 128->256 广播负载而不是 vpmovzx 来馈送 vpshufb，节省随机端口带宽。

按照 Mark 的建议从 PMOVZX 开始。

但在那之后，PSHUFB (_mm256_shuffle_epi8) 将比 PMULLD 快得多，只是它与 PMOVZX 竞争 shuffle 端口。（而且它在车道内运行，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 很好。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 个洗牌端口指令，那么 PSHUFB 复制每个像素内的字节应该是最好的。

实际上，即使对于吞吐量，_mm256_mullo_epi32 在 HSW 和 BDW 上也很糟糕：p0 为 2 uops（10c 延迟），因此一个端口为 2 uops。

在 SKL 上，p01 为 2 微指令（10c 延迟），因此它可以维持与 VPMOVZXBD 相同的每个时钟吞吐量。但这是一个额外的 1 uop，使其更容易成为瓶颈。

（在所有支持 AVX2 的英特尔 CPU 上，对于端口 5，VPSHUFB 为 1 uop，1c 延迟。）

Answer 3

一个vbroadcasti128和两个vpshufb可以转换16个像素。广播不需要端口 5，如果它直接从内存加载，因此 shuffle 可以充分利用该端口（它仍然会在该端口或存储回内存时成为瓶颈）。

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);
    }
}

神马演示：https://godbolt.org/z/dUx6GZ

用于灰度到 ARGB 转换的 C++ SSE2 或 AVX2 内在函数

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

c++

intrinsics

rgba

avx2