Source code
Revision control
Copy as Markdown
Other Tools
/*
* 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;
}
}
}