322 lines
11 KiB
C
322 lines
11 KiB
C
/*
|
|
* Copyright (c) 2022 The WebM project authors. All Rights Reserved.
|
|
*
|
|
* Use of this source code is governed by a BSD-style license
|
|
* that can be found in the LICENSE file in the root of the source
|
|
* tree. An additional intellectual property rights grant can be found
|
|
* in the file PATENTS. All contributing project authors may
|
|
* be found in the AUTHORS file in the root of the source tree.
|
|
*/
|
|
|
|
#include "./vpx_dsp_rtcd.h"
|
|
#include "vpx_util/loongson_intrinsics.h"
|
|
|
|
static void avg_width4_lsx(const uint8_t *src, int32_t src_stride, uint8_t *dst,
|
|
int32_t dst_stride, int32_t height) {
|
|
int32_t cnt;
|
|
__m128i src0, src1;
|
|
__m128i dst0, dst1;
|
|
|
|
int32_t src_stride2 = src_stride << 1;
|
|
|
|
if ((height % 2) == 0) {
|
|
for (cnt = (height / 2); cnt--;) {
|
|
src0 = __lsx_vld(src, 0);
|
|
src1 = __lsx_vldx(src, src_stride);
|
|
src += src_stride2;
|
|
|
|
dst0 = __lsx_vld(dst, 0);
|
|
dst1 = __lsx_vldx(dst, dst_stride);
|
|
DUP2_ARG2(__lsx_vavgr_bu, src0, dst0, src1, dst1, dst0, dst1);
|
|
|
|
__lsx_vstelm_w(dst0, dst, 0, 0);
|
|
dst += dst_stride;
|
|
__lsx_vstelm_w(dst1, dst, 0, 0);
|
|
dst += dst_stride;
|
|
}
|
|
}
|
|
}
|
|
|
|
static void avg_width8_lsx(const uint8_t *src, int32_t src_stride, uint8_t *dst,
|
|
int32_t dst_stride, int32_t height) {
|
|
int32_t cnt = (height / 4);
|
|
__m128i src0, src1, src2, src3;
|
|
__m128i dst0, dst1, dst2, dst3;
|
|
|
|
int32_t src_stride2 = src_stride << 1;
|
|
int32_t src_stride3 = src_stride2 + src_stride;
|
|
int32_t src_stride4 = src_stride2 << 1;
|
|
|
|
int32_t dst_stride2 = dst_stride << 1;
|
|
int32_t dst_stride3 = dst_stride2 + dst_stride;
|
|
|
|
for (; cnt--;) {
|
|
src0 = __lsx_vld(src, 0);
|
|
DUP2_ARG2(__lsx_vldx, src, src_stride, src, src_stride2, src1, src2);
|
|
src3 = __lsx_vldx(src, src_stride3);
|
|
src += src_stride4;
|
|
|
|
dst0 = __lsx_vld(dst, 0);
|
|
DUP2_ARG2(__lsx_vldx, dst, dst_stride, dst, dst_stride2, dst1, dst2);
|
|
dst3 = __lsx_vldx(dst, dst_stride3);
|
|
|
|
DUP4_ARG2(__lsx_vavgr_bu, src0, dst0, src1, dst1, src2, dst2, src3, dst3,
|
|
dst0, dst1, dst2, dst3);
|
|
|
|
__lsx_vstelm_d(dst0, dst, 0, 0);
|
|
dst += dst_stride;
|
|
__lsx_vstelm_d(dst1, dst, 0, 0);
|
|
dst += dst_stride;
|
|
__lsx_vstelm_d(dst2, dst, 0, 0);
|
|
dst += dst_stride;
|
|
__lsx_vstelm_d(dst3, dst, 0, 0);
|
|
dst += dst_stride;
|
|
}
|
|
}
|
|
|
|
static void avg_width16_lsx(const uint8_t *src, int32_t src_stride,
|
|
uint8_t *dst, int32_t dst_stride, int32_t height) {
|
|
int32_t cnt = (height / 8);
|
|
__m128i src0, src1, src2, src3, src4, src5, src6, src7;
|
|
__m128i dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7;
|
|
|
|
int32_t src_stride2 = src_stride << 1;
|
|
int32_t src_stride3 = src_stride2 + src_stride;
|
|
int32_t src_stride4 = src_stride2 << 1;
|
|
|
|
int32_t dst_stride2 = dst_stride << 1;
|
|
int32_t dst_stride3 = dst_stride2 + dst_stride;
|
|
int32_t dst_stride4 = dst_stride2 << 1;
|
|
|
|
for (; cnt--;) {
|
|
src0 = __lsx_vld(src, 0);
|
|
DUP2_ARG2(__lsx_vldx, src, src_stride, src, src_stride2, src1, src2);
|
|
src3 = __lsx_vldx(src, src_stride3);
|
|
src += src_stride4;
|
|
src4 = __lsx_vld(src, 0);
|
|
DUP2_ARG2(__lsx_vldx, src, src_stride, src, src_stride2, src5, src6);
|
|
src7 = __lsx_vldx(src, src_stride3);
|
|
src += src_stride4;
|
|
|
|
dst0 = __lsx_vld(dst, 0);
|
|
DUP2_ARG2(__lsx_vldx, dst, dst_stride, dst, dst_stride2, dst1, dst2);
|
|
dst3 = __lsx_vldx(dst, dst_stride3);
|
|
dst += dst_stride4;
|
|
dst4 = __lsx_vld(dst, 0);
|
|
DUP2_ARG2(__lsx_vldx, dst, dst_stride, dst, dst_stride2, dst5, dst6);
|
|
dst7 = __lsx_vldx(dst, dst_stride3);
|
|
dst -= dst_stride4;
|
|
|
|
DUP4_ARG2(__lsx_vavgr_bu, src0, dst0, src1, dst1, src2, dst2, src3, dst3,
|
|
dst0, dst1, dst2, dst3);
|
|
DUP4_ARG2(__lsx_vavgr_bu, src4, dst4, src5, dst5, src6, dst6, src7, dst7,
|
|
dst4, dst5, dst6, dst7);
|
|
|
|
__lsx_vst(dst0, dst, 0);
|
|
__lsx_vstx(dst1, dst, dst_stride);
|
|
__lsx_vstx(dst2, dst, dst_stride2);
|
|
__lsx_vstx(dst3, dst, dst_stride3);
|
|
dst += dst_stride4;
|
|
__lsx_vst(dst4, dst, 0);
|
|
__lsx_vstx(dst5, dst, dst_stride);
|
|
__lsx_vstx(dst6, dst, dst_stride2);
|
|
__lsx_vstx(dst7, dst, dst_stride3);
|
|
dst += dst_stride4;
|
|
}
|
|
}
|
|
|
|
static void avg_width32_lsx(const uint8_t *src, int32_t src_stride,
|
|
uint8_t *dst, int32_t dst_stride, int32_t height) {
|
|
int32_t cnt = (height / 8);
|
|
__m128i src0, src1, src2, src3, src4, src5, src6, src7;
|
|
__m128i src8, src9, src10, src11, src12, src13, src14, src15;
|
|
__m128i dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7;
|
|
__m128i dst8, dst9, dst10, dst11, dst12, dst13, dst14, dst15;
|
|
|
|
int32_t src_stride2 = src_stride << 1;
|
|
int32_t src_stride3 = src_stride2 + src_stride;
|
|
int32_t src_stride4 = src_stride2 << 1;
|
|
|
|
int32_t dst_stride2 = dst_stride << 1;
|
|
int32_t dst_stride3 = dst_stride2 + dst_stride;
|
|
int32_t dst_stride4 = dst_stride2 << 1;
|
|
|
|
for (; cnt--;) {
|
|
uint8_t *dst_tmp = dst;
|
|
uint8_t *dst_tmp1 = dst_tmp + 16;
|
|
uint8_t *src_tmp = src + 16;
|
|
|
|
src0 = __lsx_vld(src, 0);
|
|
DUP2_ARG2(__lsx_vld, src, 0, src_tmp, 0, src0, src1);
|
|
DUP4_ARG2(__lsx_vldx, src, src_stride, src_tmp, src_stride, src,
|
|
src_stride2, src_tmp, src_stride2, src2, src3, src4, src5);
|
|
DUP2_ARG2(__lsx_vldx, src, src_stride3, src_tmp, src_stride3, src6, src7);
|
|
src += src_stride4;
|
|
|
|
DUP2_ARG2(__lsx_vld, dst_tmp, 0, dst_tmp1, 0, dst0, dst1);
|
|
DUP4_ARG2(__lsx_vldx, dst_tmp, dst_stride, dst_tmp1, dst_stride, dst_tmp,
|
|
dst_stride2, dst_tmp1, dst_stride2, dst2, dst3, dst4, dst5);
|
|
DUP2_ARG2(__lsx_vldx, dst_tmp, dst_stride3, dst_tmp1, dst_stride3, dst6,
|
|
dst7);
|
|
dst_tmp += dst_stride4;
|
|
dst_tmp1 += dst_stride4;
|
|
|
|
src_tmp = src + 16;
|
|
DUP2_ARG2(__lsx_vld, src, 0, src_tmp, 0, src8, src9);
|
|
DUP4_ARG2(__lsx_vldx, src, src_stride, src_tmp, src_stride, src,
|
|
src_stride2, src_tmp, src_stride2, src10, src11, src12, src13);
|
|
DUP2_ARG2(__lsx_vldx, src, src_stride3, src_tmp, src_stride3, src14, src15);
|
|
src += src_stride4;
|
|
|
|
DUP2_ARG2(__lsx_vld, dst_tmp, 0, dst_tmp1, 0, dst8, dst9);
|
|
DUP4_ARG2(__lsx_vldx, dst_tmp, dst_stride, dst_tmp1, dst_stride, dst_tmp,
|
|
dst_stride2, dst_tmp1, dst_stride2, dst10, dst11, dst12, dst13);
|
|
DUP2_ARG2(__lsx_vldx, dst_tmp, dst_stride3, dst_tmp1, dst_stride3, dst14,
|
|
dst15);
|
|
DUP4_ARG2(__lsx_vavgr_bu, src0, dst0, src1, dst1, src2, dst2, src3, dst3,
|
|
dst0, dst1, dst2, dst3);
|
|
DUP4_ARG2(__lsx_vavgr_bu, src4, dst4, src5, dst5, src6, dst6, src7, dst7,
|
|
dst4, dst5, dst6, dst7);
|
|
DUP4_ARG2(__lsx_vavgr_bu, src8, dst8, src9, dst9, src10, dst10, src11,
|
|
dst11, dst8, dst9, dst10, dst11);
|
|
DUP4_ARG2(__lsx_vavgr_bu, src12, dst12, src13, dst13, src14, dst14, src15,
|
|
dst15, dst12, dst13, dst14, dst15);
|
|
|
|
dst_tmp = dst + 16;
|
|
__lsx_vst(dst0, dst, 0);
|
|
__lsx_vstx(dst2, dst, dst_stride);
|
|
__lsx_vstx(dst4, dst, dst_stride2);
|
|
__lsx_vstx(dst6, dst, dst_stride3);
|
|
__lsx_vst(dst1, dst_tmp, 0);
|
|
__lsx_vstx(dst3, dst_tmp, dst_stride);
|
|
__lsx_vstx(dst5, dst_tmp, dst_stride2);
|
|
__lsx_vstx(dst7, dst_tmp, dst_stride3);
|
|
dst += dst_stride4;
|
|
|
|
__lsx_vst(dst8, dst, 0);
|
|
__lsx_vstx(dst10, dst, dst_stride);
|
|
__lsx_vstx(dst12, dst, dst_stride2);
|
|
__lsx_vstx(dst14, dst, dst_stride3);
|
|
__lsx_vst(dst9, dst_tmp1, 0);
|
|
__lsx_vstx(dst11, dst_tmp1, dst_stride);
|
|
__lsx_vstx(dst13, dst_tmp1, dst_stride2);
|
|
__lsx_vstx(dst15, dst_tmp1, dst_stride3);
|
|
dst += dst_stride4;
|
|
}
|
|
}
|
|
|
|
static void avg_width64_lsx(const uint8_t *src, int32_t src_stride,
|
|
uint8_t *dst, int32_t dst_stride, int32_t height) {
|
|
int32_t cnt = (height / 4);
|
|
uint8_t *dst_tmp = dst;
|
|
|
|
__m128i src0, src1, src2, src3, src4, src5, src6, src7;
|
|
__m128i src8, src9, src10, src11, src12, src13, src14, src15;
|
|
__m128i dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7;
|
|
__m128i dst8, dst9, dst10, dst11, dst12, dst13, dst14, dst15;
|
|
|
|
for (; cnt--;) {
|
|
DUP4_ARG2(__lsx_vld, src, 0, src, 16, src, 32, src, 48, src0, src1, src2,
|
|
src3);
|
|
src += src_stride;
|
|
DUP4_ARG2(__lsx_vld, src, 0, src, 16, src, 32, src, 48, src4, src5, src6,
|
|
src7);
|
|
src += src_stride;
|
|
DUP4_ARG2(__lsx_vld, src, 0, src, 16, src, 32, src, 48, src8, src9, src10,
|
|
src11);
|
|
src += src_stride;
|
|
DUP4_ARG2(__lsx_vld, src, 0, src, 16, src, 32, src, 48, src12, src13, src14,
|
|
src15);
|
|
src += src_stride;
|
|
|
|
DUP4_ARG2(__lsx_vld, dst_tmp, 0, dst_tmp, 16, dst_tmp, 32, dst_tmp, 48,
|
|
dst0, dst1, dst2, dst3);
|
|
dst_tmp += dst_stride;
|
|
DUP4_ARG2(__lsx_vld, dst_tmp, 0, dst_tmp, 16, dst_tmp, 32, dst_tmp, 48,
|
|
dst4, dst5, dst6, dst7);
|
|
dst_tmp += dst_stride;
|
|
DUP4_ARG2(__lsx_vld, dst_tmp, 0, dst_tmp, 16, dst_tmp, 32, dst_tmp, 48,
|
|
dst8, dst9, dst10, dst11);
|
|
dst_tmp += dst_stride;
|
|
DUP4_ARG2(__lsx_vld, dst_tmp, 0, dst_tmp, 16, dst_tmp, 32, dst_tmp, 48,
|
|
dst12, dst13, dst14, dst15);
|
|
dst_tmp += dst_stride;
|
|
|
|
DUP4_ARG2(__lsx_vavgr_bu, src0, dst0, src1, dst1, src2, dst2, src3, dst3,
|
|
dst0, dst1, dst2, dst3);
|
|
DUP4_ARG2(__lsx_vavgr_bu, src4, dst4, src5, dst5, src6, dst6, src7, dst7,
|
|
dst4, dst5, dst6, dst7);
|
|
DUP4_ARG2(__lsx_vavgr_bu, src8, dst8, src9, dst9, src10, dst10, src11,
|
|
dst11, dst8, dst9, dst10, dst11);
|
|
DUP4_ARG2(__lsx_vavgr_bu, src12, dst12, src13, dst13, src14, dst14, src15,
|
|
dst15, dst12, dst13, dst14, dst15);
|
|
|
|
__lsx_vst(dst0, dst, 0);
|
|
__lsx_vst(dst1, dst, 16);
|
|
__lsx_vst(dst2, dst, 32);
|
|
__lsx_vst(dst3, dst, 48);
|
|
dst += dst_stride;
|
|
__lsx_vst(dst4, dst, 0);
|
|
__lsx_vst(dst5, dst, 16);
|
|
__lsx_vst(dst6, dst, 32);
|
|
__lsx_vst(dst7, dst, 48);
|
|
dst += dst_stride;
|
|
__lsx_vst(dst8, dst, 0);
|
|
__lsx_vst(dst9, dst, 16);
|
|
__lsx_vst(dst10, dst, 32);
|
|
__lsx_vst(dst11, dst, 48);
|
|
dst += dst_stride;
|
|
__lsx_vst(dst12, dst, 0);
|
|
__lsx_vst(dst13, dst, 16);
|
|
__lsx_vst(dst14, dst, 32);
|
|
__lsx_vst(dst15, dst, 48);
|
|
dst += dst_stride;
|
|
}
|
|
}
|
|
|
|
void vpx_convolve_avg_lsx(const uint8_t *src, ptrdiff_t src_stride,
|
|
uint8_t *dst, ptrdiff_t dst_stride,
|
|
const InterpKernel *filter, int x0_q4,
|
|
int32_t x_step_q4, int y0_q4, int32_t y_step_q4,
|
|
int32_t w, int32_t h) {
|
|
(void)filter;
|
|
(void)x0_q4;
|
|
(void)x_step_q4;
|
|
(void)y0_q4;
|
|
(void)y_step_q4;
|
|
switch (w) {
|
|
case 4: {
|
|
avg_width4_lsx(src, src_stride, dst, dst_stride, h);
|
|
break;
|
|
}
|
|
|
|
case 8: {
|
|
avg_width8_lsx(src, src_stride, dst, dst_stride, h);
|
|
break;
|
|
}
|
|
case 16: {
|
|
avg_width16_lsx(src, src_stride, dst, dst_stride, h);
|
|
break;
|
|
}
|
|
case 32: {
|
|
avg_width32_lsx(src, src_stride, dst, dst_stride, h);
|
|
break;
|
|
}
|
|
case 64: {
|
|
avg_width64_lsx(src, src_stride, dst, dst_stride, h);
|
|
break;
|
|
}
|
|
default: {
|
|
int32_t lp, cnt;
|
|
for (cnt = h; cnt--;) {
|
|
for (lp = 0; lp < w; ++lp) {
|
|
dst[lp] = (((dst[lp] + src[lp]) + 1) >> 1);
|
|
}
|
|
src += src_stride;
|
|
dst += dst_stride;
|
|
}
|
|
break;
|
|
}
|
|
}
|
|
}
|