使用 SIMD，如何有条件地仅移动 alpha 通道值为 255 的像素？

Question

我目前正在矢量化一些代码以使用 AVX2 内在函数存储 32 位像素数据。由于 AVX2 寄存器是 256 位，我可以同时对 8 个像素进行操作。我目前的代码可以从一个缓冲区加载 8 个像素，然后将它们存储到另一个缓冲区：

// Load 256 bits (8 pixels) from memory into register YMMx           
BitmapOctoPixel = _mm256_load_si256((const __m256i*)((PIXEL32*)GameBitmap->Memory + BitmapOffset));

// adjust the colors

// As an example, the YMM0 register currently holds these pixels:
//        AARRGGBBAARRGGBB-AARRGGBBAARRGGBB-AARRGGBBAARRGGBB-AARRGGBBAARRGGBB
// YMM0 = FF33281EFF000000-FF33281E00FFFFFF-00FFFFFF00FFFFFF-00FFFFFF00FFFFFF

// store the result into the destination buffer
_mm256_store_si256((__m256i*)((PIXEL32*)gBackBuffer.Memory + MemoryOffset), BitmapOctoPixel);

现在我只想移动 alpha 通道（“AA”组件）为 255 的像素。我不想进行 alpha 混合。我只想将具有 0xFF 的像素存储为 alpha 值。

我想我可以使用掩码和 _mm256_maskstore_epi32() 函数来做到这一点，但经过几个小时的尝试我还没有弄明白。

谢谢

Answer 1

我不确定这是否完全回答了您的问题，但此比较与 __m256_maskstore_epi32() 兼容，我假设 out_ptr 指向您要存储的位置：

// As an example, the YMM0 register currently holds these pixels:
//        AARRGGBBAARRGGBB-AARRGGBBAARRGGBB-AARRGGBBAARRGGBB-AARRGGBBAARRGGBB
// YMM0 = FF33281EFF000000-FF33281E00FFFFFF-00FFFFFF00FFFFFF-00FFFFFF00FFFFFF

// compare every 8-bit value against 0xFF; for pixels that have this value in their alpha
// channel, the corresponding byte in alpha_mask will be 0xFF
__m256i mask = _mm256_cmpeq_epi8(BitmapOctoPixel, _mm256_set1_epi8(0xFF));
// now, you can use the masked store directly; the high bit in each 32-bit pixel is used
// to determine whether to do the store
__m256_maskstore_si256((__m256i *) out_ptr, mask, BitmapOctoPixel);

但是，这会在输出缓冲区中留下空白，您的像素没有 0xFF alpha 值。那是你要的吗？或者您想连续存储所有通过测试的像素？在这种情况下，您可能想要 AVX512 的 _mm256_mask_compressstoreu_epi32() 效果，这在 AVX2 中需要更多的工作来模拟。

Answer 2

首先，请注意 _mm256_maskstore_epi32 在 AMD Zen / Zen2 上非常慢，例如 19 微指令和每 6 周期吞吐量 1。 (https://uops.info/)。掩码加载很好，但 掩码存储仅在 Intel 硬件上有效。您可能想要与原始值混合并进行完整矢量存储。

maskstore以32位元素的高位作为是否存储的控制
因此，您需要创建一个向量，当 alpha 恰好 == 0xFF.

时设置该位

方便的是8位alpha已经在32位元素的顶部，所以它的高位是整个32位元素的控制位。我们可以只使用 packed-8-bit 比较相等性来将 alpha 通道的所有位（包括高位）设置为 0 或 1，根据整个 alpha 字节是 0xFF。 maskstore根本不关心掩码中的其他位，所以像素其他部分的8位比较结果基本上是垃圾也没关系。


void store_opaque_only(void *dst, __m256i pixels)
{
// As an example, the YMM0 register currently holds these pixels:
//        AARRGGBBAARRGGBB-AARRGGBBAARRGGBB-AARRGGBBAARRGGBB-AARRGGBBAARRGGBB
// YMM0 = FF33281EFF000000-FF33281E00FFFFFF-00FFFFFF00FFFFFF-00FFFFFF00FFFFFF

    __m256i opaque = _mm256_cmpeq_epi8(pixels, _mm256_set1_epi8(-1));
    _mm256_maskstore_epi32(dst, opaque, pixels);
}

set1_epi8(-1) 而不是 set1_epi32(0xFF000000) 使得常量的创建成本更低：编译器可以通过将寄存器与自身进行比较来创建 all-ones，而不是从内存中加载常量。（Godbolt；当然这个函数会在实际用例中内联。）

# gcc10.2 -O3 -march=skylake
store_opaque_only:
    vpcmpeqd        ymm1, ymm1, ymm1           # all-ones
    vpcmpeqb        ymm1, ymm0, ymm1           # opaque =  pixels == -1
    vpmaskmovd      YMMWORD PTR [rdi], ymm1, ymm0
    ret

内联后，all-ones 向量可以从循环中提升。

如果完全相等不是您所需要的，例如alpha >= 0xF0，您可能不得不 range-shift 在 vpcmpgtb _mm256_cmpgt_epi8 之前签名（通过减法或异或运算 0x80）。调整后，您可以进行双字整数比较以创建 32 位掩码元素，因此您可以将其与 vpblendvb（整数 byte-blend）一起使用。

如果 alpha 在 32 位元素中处于不同的位置，left-shift 在比较之前。

顺便说一句，如果您将像素存储在找到它们的位置，您还可以考虑 vblendvps 在常规存储之前使用原始数据，而不是 maskstore。

没有 32 位粒度整数混合，因此您必须 _mm256_castsi256_ps 让编译器对 __m256i 变量使用 _mm256_blendv_ps 感到满意。

在大多数 CPU 上，FP 混合将花费一个额外的周期或 2 个旁路延迟，但只要 OoO exec 可以隐藏该延迟，就不会产生吞吐量成本，这在您处理独立的像素向量时很可能发生。但是这样做比 vpxor / vpcmpgtd 节省指令以设置 vpblendvb.

避免 maskstore 在 AMD 上非常好。

使用 SIMD，如何有条件地仅移动 alpha 通道值为 255 的像素？

Using SIMD, how do I conditionally move only the pixels with an alpha channel value of 255?

c

x86

simd

avx2