加载8bit uint8_t为uint32_t？

StackOverflow https://stackoverflow.com/questions/3675538

  •  01-10-2019
  •  | 
  •  

题

我的图像处理项目可与灰度图像一起使用。我有ARM Cortex-A8处理器平台。我想利用霓虹灯。

我有一个灰度图像（请考虑下面的示例），在我的alogorithm中，我只需添加列。

我如何加载 四个8位像素值 并行， uint8_t, ， 作为 四个UINT32_T 进入128位霓虹灯登记册之一？我必须使用什么内在的来做到这一点？

我是说：

alt text

我必须将它们作为32位加载，因为如果您仔细看，我做255 + 255是512的那一刻，不能在8位寄存器中保存。

例如

255 255 255 255 ......... (640 pixels)
255 255 255 255
255 255 255 255
255 255 255 255
.
.
.
.
.
(480 pixels)
有帮助吗？

解决方案

我建议您花一些时间了解Simd的手臂工作方式。看着：

看一眼：

  1. http://blogs.arm.com/software-enablement/161-coding-for-neon-part-1-load-and-porn/
  2. http://blogs.arm.com/software-enablement/196-coding-for-neon-part-2-dealing-with-leftovers/
  3. http://blogs.arm.com/software-enablement/241-coding-for-neon-part-3-matrix-multiplication/
  4. http://blogs.arm.com/software-enablement/277-coding-for-neon-part-4-hifting-left-and-right/

让你开始。然后，您可以使用Inline Assembler或Domen推荐的相应的ARM内在物质实现SIMD代码。

其他提示

取决于您的编译器和（可能缺乏）扩展。

IE。对于GCC，这可能是一个起点： http://gcc.gnu.org/onlinedocs/gcc/arm-neon-intrinsics.html

如果您需要总结480个8位值，那么从技术上讲，您将需要17位中间存储。但是，如果您分两个阶段进行添加，即，前240行，则可以进行底部240行，则可以分别以16位进行操作。然后，您可以添加两半中的结果以获取最终答案。

实际上，有一个适合您的算法称为VADDW的霓虹灯指令。它将在QWORD向量中添加DWORD向量，后者包含的元素是前者的两倍。在您的情况下，vaddw.u8可用于将8个像素添加到8个16位蓄能器中。然后，VADDW.U16可用于将两组8个16位蓄能器添加到一组8 32位的累加器中 - 请注意，您必须使用两次指令才能获得两半。

如有必要，您还可以使用VMOVN或VQMOVN将值转换回16位或8位。

没有指示可以将您的4 8位值加载到4 32位寄存器中。

您必须加载它们，然后使用VSHL两次。因为霓虹灯不能使用32个寄存器，您必须在8个像素上工作（而不是4个像素）

您只能使用16bits寄存器。应该足够...

使用单车道负载指令加载4个字节（vld1 <register>[<lane>], [<address]）进入Q-Register，然后使用两个移动的说明（vmovl）将它们首先提升为16，然后将其提升到32位。结果应该是（在GNU语法中）

vld1 d0[0], [<address>] @Now d0 = (*<addr>, *<addr+1>, *<addr+2>, *<addr+3>, <junk>, ... <junk> )
vmovl.u8 q0, d0 @Now q1 = (d0, d1) = ((uint16_t)*<addr>, ... (uint16_t)*<addr+3>, <junk>, ... <junk>)
vmovl.u16 q0, d2 @Now d0 = ((uint32_t)*<addr>, ... (uint32_t)*<addr+3>), d1 = (<junk>, ... <junk>)

如果你能保证 <address> 是4字节对齐，然后写 [<address>: 32] 而是在负载指令中保存一两个周期。如果您这样做并且地址不一致，但是您会遇到错误。

嗯，我只是意识到您想使用内在的，而不是组装，所以这与Intrinsics是同一件事。

uint32x4_t v8; // Will actually hold 4 uint8_t
v8 = vld1_lane_u32(ptr, v8, 0);
const uint16x4_t v16 = vget_low_u16(vmovl_u8(vreinterpret_u8_u32(v8)));
const uint32x4_t v32 = vmovl_u16(v16);
许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top