ref: 6cf2b4aa0e8378541dbc629ffb4a8419b122fec5
parent: 9c9afbab856a7d58590f467821013cfb8f88d1e8
parent: 022323bf856084e812354464a0302f5cb710ee78
author: Johann <johannkoenig@google.com>
date: Mon Sep 20 06:47:33 EDT 2010
Merge "reorder data to use wider instructions"
--- a/vp8/decoder/arm/neon/idct_blk_neon.c
+++ b/vp8/decoder/arm/neon/idct_blk_neon.c
@@ -82,8 +82,6 @@
(short *q, short *dq, unsigned char *pre,
unsigned char *dstu, unsigned char *dstv, int stride, char *eobs)
{- int i;
-
if (((short *)eobs)[0] & 0xfefe)
idct_dequant_full_2x_neon (q, dq, pre, dstu, 8, stride);
else
--- a/vp8/decoder/arm/neon/idct_dequant_dc_full_2x_neon.asm
+++ b/vp8/decoder/arm/neon/idct_dequant_dc_full_2x_neon.asm
@@ -24,21 +24,22 @@
; sp stride
; sp+4 *dc
|idct_dequant_dc_full_2x_neon| PROC
- vld1.16 {q3, q4}, [r0] ; lo input- vld1.16 {q5, q6}, [r1] ; use the same dq for both+ vld1.16 {q0, q1}, [r1] ; dq (same l/r)+ vld1.16 {q2, q3}, [r0] ; l qmov r1, #16 ; pitch
add r0, r0, #32
- vld1.16 {q10, q11}, [r0] ; hi input+ vld1.16 {q4, q5}, [r0] ; r qadd r12, r2, #4
- vld1.32 {d14[0]}, [r2], r1 ; lo pred- vld1.32 {d14[1]}, [r2], r1- vld1.32 {d15[0]}, [r2], r1- vld1.32 {d15[1]}, [r2]- vld1.32 {d28[0]}, [r12], r1 ; hi pred- vld1.32 {d28[1]}, [r12], r1- vld1.32 {d29[0]}, [r12], r1- ldr r1, [sp, #4] ; dc
- vld1.32 {d29[1]}, [r12]+ ; interleave the predictors
+ vld1.32 {d28[0]}, [r2], r1 ; l pre+ vld1.32 {d28[1]}, [r12], r1 ; r pre+ vld1.32 {d29[0]}, [r2], r1+ vld1.32 {d29[1]}, [r12], r1+ vld1.32 {d30[0]}, [r2], r1+ vld1.32 {d30[1]}, [r12], r1+ vld1.32 {d31[0]}, [r2]+ ldr r1, [sp, #4]
+ vld1.32 {d31[1]}, [r12]ldr r2, _CONSTANTS_
@@ -45,117 +46,129 @@
ldrh r12, [r1], #2 ; lo *dc
ldrh r1, [r1] ; hi *dc
- vmul.i16 q1, q3, q5 ; lo input * dq
- vmul.i16 q2, q4, q6
- vmul.i16 q8, q10, q5 ; hi input * dq
- vmul.i16 q9, q11, q6
+ ; dequant: q[i] = q[i] * dq[i]
+ vmul.i16 q2, q2, q0
+ vmul.i16 q3, q3, q1
+ vmul.i16 q4, q4, q0
+ vmul.i16 q5, q5, q1
- vmov.16 d2[0], r12 ; move lo dc up to neon, overwrite first element
- vmov.16 d16[0], r1 ; move hi dc up to neon, overwrite first element
+ ; move dc up to neon and overwrite first element
+ vmov.16 d4[0], r12
+ vmov.16 d8[0], r1
- ldr r1, [sp] ; stride
-
vld1.16 {d0}, [r2]- vswp d3, d4 ; lo q2(vp[4] vp[12])
- vswp d17, d18 ; hi q2(vp[4] vp[12])
- vqdmulh.s16 q3, q2, d0[2] ; lo * constants
- vqdmulh.s16 q4, q2, d0[0]
- vqdmulh.s16 q10, q9, d0[2] ; hi * constants
- vqdmulh.s16 q11, q9, d0[0]
+ ; q2: l0r0 q3: l8r8
+ ; q4: l4r4 q5: l12r12
+ vswp d5, d8
+ vswp d7, d10
- vqadd.s16 d12, d2, d3 ; lo a1
- vqsub.s16 d13, d2, d3 ; lo b1
- vqadd.s16 d26, d16, d17 ; hi a1
- vqsub.s16 d27, d16, d17 ; hi b1
+ ; _CONSTANTS_ * 4,12 >> 16
+ ; q6: 4 * sinpi : c1/temp1
+ ; q7: 12 * sinpi : d1/temp2
+ ; q8: 4 * cospi
+ ; q9: 12 * cospi
+ vqdmulh.s16 q6, q4, d0[2] ; sinpi8sqrt2
+ vqdmulh.s16 q7, q5, d0[2]
+ vqdmulh.s16 q8, q4, d0[0] ; cospi8sqrt2minus1
+ vqdmulh.s16 q9, q5, d0[0]
- vshr.s16 q3, q3, #1 ; lo
- vshr.s16 q4, q4, #1
- vshr.s16 q10, q10, #1 ; hi
- vshr.s16 q11, q11, #1
+ vqadd.s16 q10, q2, q3 ; a1 = 0 + 8
+ vqsub.s16 q11, q2, q3 ; b1 = 0 - 8
- vqadd.s16 q3, q3, q2 ; lo
- vqadd.s16 q4, q4, q2
- vqadd.s16 q10, q10, q9 ; hi
- vqadd.s16 q11, q11, q9
+ ; vqdmulh only accepts signed values. this was a problem because
+ ; our constant had the high bit set, and was treated as a negative value.
+ ; vqdmulh also doubles the value before it shifts by 16. we need to
+ ; compensate for this. in the case of sinpi8sqrt2, the lowest bit is 0,
+ ; so we can shift the constant without losing precision. this avoids
+ ; shift again afterward, but also avoids the sign issue. win win!
+ ; for cospi8sqrt2minus1 the lowest bit is 1, so we lose precision if we
+ ; pre-shift it
+ vshr.s16 q8, q8, #1
+ vshr.s16 q9, q9, #1
- vqsub.s16 d10, d6, d9 ; lo c1
- vqadd.s16 d11, d7, d8 ; lo d1
- vqsub.s16 d24, d20, d23 ; hi c1
- vqadd.s16 d25, d21, d22 ; hi d1
+ ; q4: 4 + 4 * cospi : d1/temp1
+ ; q5: 12 + 12 * cospi : c1/temp2
+ vqadd.s16 q4, q4, q8
+ vqadd.s16 q5, q5, q9
- vqadd.s16 d2, d12, d11 ; lo
- vqadd.s16 d3, d13, d10
- vqsub.s16 d4, d13, d10
- vqsub.s16 d5, d12, d11
- vqadd.s16 d16, d26, d25 ; hi
- vqadd.s16 d17, d27, d24
- vqsub.s16 d18, d27, d24
- vqsub.s16 d19, d26, d25
+ ; c1 = temp1 - temp2
+ ; d1 = temp1 + temp2
+ vqsub.s16 q2, q6, q5
+ vqadd.s16 q3, q4, q7
- vtrn.32 d2, d4 ; lo
- vtrn.32 d3, d5
- vtrn.16 d2, d3
- vtrn.16 d4, d5
- vtrn.32 d16, d18 ; hi
- vtrn.32 d17, d19
- vtrn.16 d16, d17
- vtrn.16 d18, d19
+ ; [0]: a1+d1
+ ; [1]: b1+c1
+ ; [2]: b1-c1
+ ; [3]: a1-d1
+ vqadd.s16 q4, q10, q3
+ vqadd.s16 q5, q11, q2
+ vqsub.s16 q6, q11, q2
+ vqsub.s16 q7, q10, q3
- vswp d3, d4 ; lo
- vqdmulh.s16 q3, q2, d0[2]
- vqdmulh.s16 q4, q2, d0[0]
- vswp d17, d18 ; hi
- vqdmulh.s16 q10, q9, d0[2]
- vqdmulh.s16 q11, q9, d0[0]
+ ; rotate
+ vtrn.32 q4, q6
+ vtrn.32 q5, q7
+ vtrn.16 q4, q5
+ vtrn.16 q6, q7
+ ; idct loop 2
+ ; q4: l 0, 4, 8,12 r 0, 4, 8,12
+ ; q5: l 1, 5, 9,13 r 1, 5, 9,13
+ ; q6: l 2, 6,10,14 r 2, 6,10,14
+ ; q7: l 3, 7,11,15 r 3, 7,11,15
- vqadd.s16 d12, d2, d3 ; lo a1
- vqsub.s16 d13, d2, d3 ; lo b1
- vqadd.s16 d26, d16, d17 ; hi a1
- vqsub.s16 d27, d16, d17 ; hi b1
+ ; q8: 1 * sinpi : c1/temp1
+ ; q9: 3 * sinpi : d1/temp2
+ ; q10: 1 * cospi
+ ; q11: 3 * cospi
+ vqdmulh.s16 q8, q5, d0[2] ; sinpi8sqrt2
+ vqdmulh.s16 q9, q7, d0[2]
+ vqdmulh.s16 q10, q5, d0[0] ; cospi8sqrt2minus1
+ vqdmulh.s16 q11, q7, d0[0]
- vshr.s16 q3, q3, #1 ; lo
- vshr.s16 q4, q4, #1
- vshr.s16 q10, q10, #1 ; hi
+ vqadd.s16 q2, q4, q6 ; a1 = 0 + 2
+ vqsub.s16 q3, q4, q6 ; b1 = 0 - 2
+
+ ; see note on shifting above
+ vshr.s16 q10, q10, #1
vshr.s16 q11, q11, #1
- vqadd.s16 q3, q3, q2 ; lo
- vqadd.s16 q4, q4, q2
- vqadd.s16 q10, q10, q9 ; hi
- vqadd.s16 q11, q11, q9
+ ; q10: 1 + 1 * cospi : d1/temp1
+ ; q11: 3 + 3 * cospi : c1/temp2
+ vqadd.s16 q10, q5, q10
+ vqadd.s16 q11, q7, q11
- vqsub.s16 d10, d6, d9 ; lo c1
- vqadd.s16 d11, d7, d8 ; lo d1
- vqsub.s16 d24, d20, d23 ; hi c1
- vqadd.s16 d25, d21, d22 ; hi d1
+ ; q8: c1 = temp1 - temp2
+ ; q9: d1 = temp1 + temp2
+ vqsub.s16 q8, q8, q11
+ vqadd.s16 q9, q10, q9
- vqadd.s16 d2, d12, d11 ; lo
- vqadd.s16 d3, d13, d10
- vqsub.s16 d4, d13, d10
- vqsub.s16 d5, d12, d11
- vqadd.s16 d16, d26, d25 ; hi
- vqadd.s16 d17, d27, d24
- vqsub.s16 d18, d27, d24
- vqsub.s16 d19, d26, d25
+ ; a1+d1
+ ; b1+c1
+ ; b1-c1
+ ; a1-d1
+ vqadd.s16 q4, q2, q9
+ vqadd.s16 q5, q3, q8
+ vqsub.s16 q6, q3, q8
+ vqsub.s16 q7, q2, q9
- vrshr.s16 q1, q1, #3 ; lo
- vrshr.s16 q2, q2, #3
- vrshr.s16 q8, q8, #3 ; hi
- vrshr.s16 q9, q9, #3
+ ; +4 >> 3 (rounding)
+ vrshr.s16 q4, q4, #3 ; lo
+ vrshr.s16 q5, q5, #3
+ vrshr.s16 q6, q6, #3 ; hi
+ vrshr.s16 q7, q7, #3
- vtrn.32 d2, d4 ; lo
- vtrn.32 d3, d5
- vtrn.16 d2, d3
- vtrn.16 d4, d5
- vtrn.32 d16, d18 ; hi
- vtrn.32 d17, d19
- vtrn.16 d16, d17
- vtrn.16 d18, d19
+ vtrn.32 q4, q6
+ vtrn.32 q5, q7
+ vtrn.16 q4, q5
+ vtrn.16 q6, q7
- vaddw.u8 q1, q1, d14 ; lo
- vaddw.u8 q2, q2, d15
- vaddw.u8 q8, q8, d28 ; hi
- vaddw.u8 q9, q9, d29
+ ; adding pre
+ ; input is still packed. pre was read interleaved
+ vaddw.u8 q4, q4, d28
+ vaddw.u8 q5, q5, d29
+ vaddw.u8 q6, q6, d30
+ vaddw.u8 q7, q7, d31
vmov.i16 q14, #0
vmov q15, q14
@@ -163,19 +176,21 @@
sub r0, r0, #32
vst1.16 {q14, q15}, [r0] ; write over low input- vqmovun.s16 d0, q1 ; lo
- vqmovun.s16 d1, q2
- vqmovun.s16 d2, q8 ; hi
- vqmovun.s16 d3, q9
+ ;saturate and narrow
+ vqmovun.s16 d0, q4 ; lo
+ vqmovun.s16 d1, q5
+ vqmovun.s16 d2, q6 ; hi
+ vqmovun.s16 d3, q7
+ ldr r1, [sp] ; stride
add r2, r3, #4 ; hi
vst1.32 {d0[0]}, [r3], r1 ; lo- vst1.32 {d0[1]}, [r3], r1+ vst1.32 {d0[1]}, [r2], r1 ; hi vst1.32 {d1[0]}, [r3], r1- vst1.32 {d1[1]}, [r3]- vst1.32 {d2[0]}, [r2], r1 ; hi+ vst1.32 {d1[1]}, [r2], r1+ vst1.32 {d2[0]}, [r3], r1 vst1.32 {d2[1]}, [r2], r1- vst1.32 {d3[0]}, [r2], r1+ vst1.32 {d3[0]}, [r3] vst1.32 {d3[1]}, [r2]bx lr
@@ -184,7 +199,8 @@
; Constant Pool
_CONSTANTS_ DCD cospi8sqrt2minus1
-cospi8sqrt2minus1 DCD 0x4e7b4e7b
-sinpi8sqrt2 DCD 0x8a8c8a8c
+cospi8sqrt2minus1 DCD 0x4e7b
+; because the lowest bit in 0x8a8c is 0, we can pre-shift this
+sinpi8sqrt2 DCD 0x4546
END
--- a/vp8/decoder/arm/neon/idct_dequant_full_2x_neon.asm
+++ b/vp8/decoder/arm/neon/idct_dequant_full_2x_neon.asm
@@ -24,131 +24,143 @@
; sp pitch
; sp+4 stride
|idct_dequant_full_2x_neon| PROC
- vld1.16 {q3, q4}, [r0] ; lo input- vld1.16 {q5, q6}, [r1] ; use the same dq for both+ vld1.16 {q0, q1}, [r1] ; dq (same l/r)+ vld1.16 {q2, q3}, [r0] ; l qldr r1, [sp] ; pitch
add r0, r0, #32
- vld1.16 {q10, q11}, [r0] ; hi input+ vld1.16 {q4, q5}, [r0] ; r qadd r12, r2, #4
- vld1.32 {d14[0]}, [r2], r1 ; lo pred- vld1.32 {d14[1]}, [r2], r1- vld1.32 {d15[0]}, [r2], r1- vld1.32 {d15[1]}, [r2]- vld1.32 {d28[0]}, [r12], r1 ; hi pred- vld1.32 {d28[1]}, [r12], r1- vld1.32 {d29[0]}, [r12], r1- vld1.32 {d29[1]}, [r12]+ ; interleave the predictors
+ vld1.32 {d28[0]}, [r2], r1 ; l pre+ vld1.32 {d28[1]}, [r12], r1 ; r pre+ vld1.32 {d29[0]}, [r2], r1+ vld1.32 {d29[1]}, [r12], r1+ vld1.32 {d30[0]}, [r2], r1+ vld1.32 {d30[1]}, [r12], r1+ vld1.32 {d31[0]}, [r2]+ vld1.32 {d31[1]}, [r12]ldr r2, _CONSTANTS_
- vmul.i16 q1, q3, q5 ; lo input * dq
- vmul.i16 q2, q4, q6
- vmul.i16 q8, q10, q5 ; hi input * dq
- vmul.i16 q9, q11, q6
+ ; dequant: q[i] = q[i] * dq[i]
+ vmul.i16 q2, q2, q0
+ vmul.i16 q3, q3, q1
+ vmul.i16 q4, q4, q0
+ vmul.i16 q5, q5, q1
- ldr r1, [sp, #4] ; stride
-
vld1.16 {d0}, [r2]- vswp d3, d4 ; lo q2(vp[4] vp[12])
- vswp d17, d18 ; hi q2(vp[4] vp[12])
- vqdmulh.s16 q3, q2, d0[2] ; lo * constants
- vqdmulh.s16 q4, q2, d0[0]
- vqdmulh.s16 q10, q9, d0[2] ; hi * constants
- vqdmulh.s16 q11, q9, d0[0]
+ ; q2: l0r0 q3: l8r8
+ ; q4: l4r4 q5: l12r12
+ vswp d5, d8
+ vswp d7, d10
- vqadd.s16 d12, d2, d3 ; lo a1
- vqsub.s16 d13, d2, d3 ; lo b1
- vqadd.s16 d26, d16, d17 ; hi a1
- vqsub.s16 d27, d16, d17 ; hi b1
+ ; _CONSTANTS_ * 4,12 >> 16
+ ; q6: 4 * sinpi : c1/temp1
+ ; q7: 12 * sinpi : d1/temp2
+ ; q8: 4 * cospi
+ ; q9: 12 * cospi
+ vqdmulh.s16 q6, q4, d0[2] ; sinpi8sqrt2
+ vqdmulh.s16 q7, q5, d0[2]
+ vqdmulh.s16 q8, q4, d0[0] ; cospi8sqrt2minus1
+ vqdmulh.s16 q9, q5, d0[0]
- vshr.s16 q3, q3, #1 ; lo
- vshr.s16 q4, q4, #1
- vshr.s16 q10, q10, #1 ; hi
- vshr.s16 q11, q11, #1
+ vqadd.s16 q10, q2, q3 ; a1 = 0 + 8
+ vqsub.s16 q11, q2, q3 ; b1 = 0 - 8
- vqadd.s16 q3, q3, q2 ; lo
- vqadd.s16 q4, q4, q2
- vqadd.s16 q10, q10, q9 ; hi
- vqadd.s16 q11, q11, q9
+ ; vqdmulh only accepts signed values. this was a problem because
+ ; our constant had the high bit set, and was treated as a negative value.
+ ; vqdmulh also doubles the value before it shifts by 16. we need to
+ ; compensate for this. in the case of sinpi8sqrt2, the lowest bit is 0,
+ ; so we can shift the constant without losing precision. this avoids
+ ; shift again afterward, but also avoids the sign issue. win win!
+ ; for cospi8sqrt2minus1 the lowest bit is 1, so we lose precision if we
+ ; pre-shift it
+ vshr.s16 q8, q8, #1
+ vshr.s16 q9, q9, #1
- vqsub.s16 d10, d6, d9 ; lo c1
- vqadd.s16 d11, d7, d8 ; lo d1
- vqsub.s16 d24, d20, d23 ; hi c1
- vqadd.s16 d25, d21, d22 ; hi d1
+ ; q4: 4 + 4 * cospi : d1/temp1
+ ; q5: 12 + 12 * cospi : c1/temp2
+ vqadd.s16 q4, q4, q8
+ vqadd.s16 q5, q5, q9
- vqadd.s16 d2, d12, d11 ; lo
- vqadd.s16 d3, d13, d10
- vqsub.s16 d4, d13, d10
- vqsub.s16 d5, d12, d11
- vqadd.s16 d16, d26, d25 ; hi
- vqadd.s16 d17, d27, d24
- vqsub.s16 d18, d27, d24
- vqsub.s16 d19, d26, d25
+ ; c1 = temp1 - temp2
+ ; d1 = temp1 + temp2
+ vqsub.s16 q2, q6, q5
+ vqadd.s16 q3, q4, q7
- vtrn.32 d2, d4 ; lo
- vtrn.32 d3, d5
- vtrn.16 d2, d3
- vtrn.16 d4, d5
- vtrn.32 d16, d18 ; hi
- vtrn.32 d17, d19
- vtrn.16 d16, d17
- vtrn.16 d18, d19
+ ; [0]: a1+d1
+ ; [1]: b1+c1
+ ; [2]: b1-c1
+ ; [3]: a1-d1
+ vqadd.s16 q4, q10, q3
+ vqadd.s16 q5, q11, q2
+ vqsub.s16 q6, q11, q2
+ vqsub.s16 q7, q10, q3
- vswp d3, d4 ; lo
- vqdmulh.s16 q3, q2, d0[2]
- vqdmulh.s16 q4, q2, d0[0]
- vswp d17, d18 ; hi
- vqdmulh.s16 q10, q9, d0[2]
- vqdmulh.s16 q11, q9, d0[0]
+ ; rotate
+ vtrn.32 q4, q6
+ vtrn.32 q5, q7
+ vtrn.16 q4, q5
+ vtrn.16 q6, q7
+ ; idct loop 2
+ ; q4: l 0, 4, 8,12 r 0, 4, 8,12
+ ; q5: l 1, 5, 9,13 r 1, 5, 9,13
+ ; q6: l 2, 6,10,14 r 2, 6,10,14
+ ; q7: l 3, 7,11,15 r 3, 7,11,15
- vqadd.s16 d12, d2, d3 ; lo a1
- vqsub.s16 d13, d2, d3 ; lo b1
- vqadd.s16 d26, d16, d17 ; hi a1
- vqsub.s16 d27, d16, d17 ; hi b1
+ ; q8: 1 * sinpi : c1/temp1
+ ; q9: 3 * sinpi : d1/temp2
+ ; q10: 1 * cospi
+ ; q11: 3 * cospi
+ vqdmulh.s16 q8, q5, d0[2] ; sinpi8sqrt2
+ vqdmulh.s16 q9, q7, d0[2]
+ vqdmulh.s16 q10, q5, d0[0] ; cospi8sqrt2minus1
+ vqdmulh.s16 q11, q7, d0[0]
- vshr.s16 q3, q3, #1 ; lo
- vshr.s16 q4, q4, #1
- vshr.s16 q10, q10, #1 ; hi
+ vqadd.s16 q2, q4, q6 ; a1 = 0 + 2
+ vqsub.s16 q3, q4, q6 ; b1 = 0 - 2
+
+ ; see note on shifting above
+ vshr.s16 q10, q10, #1
vshr.s16 q11, q11, #1
- vqadd.s16 q3, q3, q2 ; lo
- vqadd.s16 q4, q4, q2
- vqadd.s16 q10, q10, q9 ; hi
- vqadd.s16 q11, q11, q9
+ ; q10: 1 + 1 * cospi : d1/temp1
+ ; q11: 3 + 3 * cospi : c1/temp2
+ vqadd.s16 q10, q5, q10
+ vqadd.s16 q11, q7, q11
- vqsub.s16 d10, d6, d9 ; lo c1
- vqadd.s16 d11, d7, d8 ; lo d1
- vqsub.s16 d24, d20, d23 ; hi c1
- vqadd.s16 d25, d21, d22 ; hi d1
+ ; q8: c1 = temp1 - temp2
+ ; q9: d1 = temp1 + temp2
+ vqsub.s16 q8, q8, q11
+ vqadd.s16 q9, q10, q9
- vqadd.s16 d2, d12, d11 ; lo
- vqadd.s16 d3, d13, d10
- vqsub.s16 d4, d13, d10
- vqsub.s16 d5, d12, d11
- vqadd.s16 d16, d26, d25 ; hi
- vqadd.s16 d17, d27, d24
- vqsub.s16 d18, d27, d24
- vqsub.s16 d19, d26, d25
+ ; a1+d1
+ ; b1+c1
+ ; b1-c1
+ ; a1-d1
+ vqadd.s16 q4, q2, q9
+ vqadd.s16 q5, q3, q8
+ vqsub.s16 q6, q3, q8
+ vqsub.s16 q7, q2, q9
- vrshr.s16 q1, q1, #3 ; lo
- vrshr.s16 q2, q2, #3
- vrshr.s16 q8, q8, #3 ; hi
- vrshr.s16 q9, q9, #3
+ ; +4 >> 3 (rounding)
+ vrshr.s16 q4, q4, #3 ; lo
+ vrshr.s16 q5, q5, #3
+ vrshr.s16 q6, q6, #3 ; hi
+ vrshr.s16 q7, q7, #3
- vtrn.32 d2, d4 ; lo
- vtrn.32 d3, d5
- vtrn.16 d2, d3
- vtrn.16 d4, d5
- vtrn.32 d16, d18 ; hi
- vtrn.32 d17, d19
- vtrn.16 d16, d17
- vtrn.16 d18, d19
+ vtrn.32 q4, q6
+ vtrn.32 q5, q7
+ vtrn.16 q4, q5
+ vtrn.16 q6, q7
- vaddw.u8 q1, q1, d14 ; lo
- vaddw.u8 q2, q2, d15
- vaddw.u8 q8, q8, d28 ; hi
- vaddw.u8 q9, q9, d29
+ ; adding pre
+ ; input is still packed. pre was read interleaved
+ vaddw.u8 q4, q4, d28
+ vaddw.u8 q5, q5, d29
+ vaddw.u8 q6, q6, d30
+ vaddw.u8 q7, q7, d31
vmov.i16 q14, #0
vmov q15, q14
@@ -156,19 +168,21 @@
sub r0, r0, #32
vst1.16 {q14, q15}, [r0] ; write over low input- vqmovun.s16 d0, q1 ; lo
- vqmovun.s16 d1, q2
- vqmovun.s16 d2, q8 ; hi
- vqmovun.s16 d3, q9
+ ;saturate and narrow
+ vqmovun.s16 d0, q4 ; lo
+ vqmovun.s16 d1, q5
+ vqmovun.s16 d2, q6 ; hi
+ vqmovun.s16 d3, q7
+ ldr r1, [sp, #4] ; stride
add r2, r3, #4 ; hi
vst1.32 {d0[0]}, [r3], r1 ; lo- vst1.32 {d0[1]}, [r3], r1+ vst1.32 {d0[1]}, [r2], r1 ; hi vst1.32 {d1[0]}, [r3], r1- vst1.32 {d1[1]}, [r3]- vst1.32 {d2[0]}, [r2], r1 ; hi+ vst1.32 {d1[1]}, [r2], r1+ vst1.32 {d2[0]}, [r3], r1 vst1.32 {d2[1]}, [r2], r1- vst1.32 {d3[0]}, [r2], r1+ vst1.32 {d3[0]}, [r3] vst1.32 {d3[1]}, [r2]bx lr
@@ -177,7 +191,8 @@
; Constant Pool
_CONSTANTS_ DCD cospi8sqrt2minus1
-cospi8sqrt2minus1 DCD 0x4e7b4e7b
-sinpi8sqrt2 DCD 0x8a8c8a8c
+cospi8sqrt2minus1 DCD 0x4e7b
+; because the lowest bit in 0x8a8c is 0, we can pre-shift this
+sinpi8sqrt2 DCD 0x4546
END