granicus.if.org Git - libvpx/blob - vpx_dsp/arm/highbd_idct32x32_135_add_neon.c

   1 /*
   2  *  Copyright (c) 2017 The WebM project authors. All Rights Reserved.
   3  *
   4  *  Use of this source code is governed by a BSD-style license
   5  *  that can be found in the LICENSE file in the root of the source
   6  *  tree. An additional intellectual property rights grant can be found
   7  *  in the file PATENTS.  All contributing project authors may
   8  *  be found in the AUTHORS file in the root of the source tree.
   9  */
  10
  11 #include <arm_neon.h>
  12
  13 #include "./vpx_config.h"
  14 #include "./vpx_dsp_rtcd.h"
  15 #include "vpx_dsp/arm/idct_neon.h"
  16 #include "vpx_dsp/arm/transpose_neon.h"
  17 #include "vpx_dsp/txfm_common.h"
  18
  19 static INLINE void load_8x8_s32_dual(
  20     const tran_low_t *input, int32x4x2_t *const in0, int32x4x2_t *const in1,
  21     int32x4x2_t *const in2, int32x4x2_t *const in3, int32x4x2_t *const in4,
  22     int32x4x2_t *const in5, int32x4x2_t *const in6, int32x4x2_t *const in7) {
  23   in0->val[0] = vld1q_s32(input);
  24   in0->val[1] = vld1q_s32(input + 4);
  25   input += 32;
  26   in1->val[0] = vld1q_s32(input);
  27   in1->val[1] = vld1q_s32(input + 4);
  28   input += 32;
  29   in2->val[0] = vld1q_s32(input);
  30   in2->val[1] = vld1q_s32(input + 4);
  31   input += 32;
  32   in3->val[0] = vld1q_s32(input);
  33   in3->val[1] = vld1q_s32(input + 4);
  34   input += 32;
  35   in4->val[0] = vld1q_s32(input);
  36   in4->val[1] = vld1q_s32(input + 4);
  37   input += 32;
  38   in5->val[0] = vld1q_s32(input);
  39   in5->val[1] = vld1q_s32(input + 4);
  40   input += 32;
  41   in6->val[0] = vld1q_s32(input);
  42   in6->val[1] = vld1q_s32(input + 4);
  43   input += 32;
  44   in7->val[0] = vld1q_s32(input);
  45   in7->val[1] = vld1q_s32(input + 4);
  46 }
  47
  48 static INLINE void load_4x8_s32_dual(const tran_low_t *input,
  49                                      int32x4_t *const in0, int32x4_t *const in1,
  50                                      int32x4_t *const in2, int32x4_t *const in3,
  51                                      int32x4_t *const in4, int32x4_t *const in5,
  52                                      int32x4_t *const in6,
  53                                      int32x4_t *const in7) {
  54   *in0 = vld1q_s32(input);
  55   input += 32;
  56   *in1 = vld1q_s32(input);
  57   input += 32;
  58   *in2 = vld1q_s32(input);
  59   input += 32;
  60   *in3 = vld1q_s32(input);
  61   input += 32;
  62   *in4 = vld1q_s32(input);
  63   input += 32;
  64   *in5 = vld1q_s32(input);
  65   input += 32;
  66   *in6 = vld1q_s32(input);
  67   input += 32;
  68   *in7 = vld1q_s32(input);
  69 }
  70
  71 // Only for the first pass of the  _135_ variant. Since it only uses values from
  72 // the top left 16x16 it can safely assume all the remaining values are 0 and
  73 // skip an awful lot of calculations. In fact, only the first 12 columns make
  74 // the cut. None of the elements in the 13th, 14th, 15th or 16th columns are
  75 // used so it skips any calls to input[12|13|14|15] too.
  76 // In C this does a single row of 32 for each call. Here it transposes the top
  77 // left 12x8 to allow using SIMD.
  78
  79 // vp9/common/vp9_scan.c:vp9_default_iscan_32x32 arranges the first 135 non-zero
  80 // coefficients as follows:
  81 //      0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15
  82 //  0   0   2   5  10  17  25  38  47  62  83 101 121
  83 //  1   1   4   8  15  22  30  45  58  74  92 112 133
  84 //  2   3   7  12  18  28  36  52  64  82 102 118
  85 //  3   6  11  16  23  31  43  60  73  90 109 126
  86 //  4   9  14  19  29  37  50  65  78  98 116 134
  87 //  5  13  20  26  35  44  54  72  85 105 123
  88 //  6  21  27  33  42  53  63  80  94 113 132
  89 //  7  24  32  39  48  57  71  88 104 120
  90 //  8  34  40  46  56  68  81  96 111 130
  91 //  9  41  49  55  67  77  91 107 124
  92 // 10  51  59  66  76  89  99 119 131
  93 // 11  61  69  75  87 100 114 129
  94 // 12  70  79  86  97 108 122
  95 // 13  84  93 103 110 125
  96 // 14  98 106 115 127
  97 // 15 117 128
  98 static void vpx_highbd_idct32_12_neon(const tran_low_t *const input,
  99                                       int32_t *output) {
 100   int32x4x2_t in[12], s1[32], s2[32], s3[32], s4[32], s5[32], s6[32], s7[32],
 101       s8[32];
 102
 103   load_8x8_s32_dual(input, &in[0], &in[1], &in[2], &in[3], &in[4], &in[5],
 104                     &in[6], &in[7]);
 105   transpose_s32_8x8(&in[0], &in[1], &in[2], &in[3], &in[4], &in[5], &in[6],
 106                     &in[7]);
 107
 108   load_4x8_s32_dual(input + 8, &in[8].val[0], &in[8].val[1], &in[9].val[0],
 109                     &in[9].val[1], &in[10].val[0], &in[10].val[1],
 110                     &in[11].val[0], &in[11].val[1]);
 111   transpose_s32_4x8(&in[8].val[0], &in[8].val[1], &in[9].val[0], &in[9].val[1],
 112                     &in[10].val[0], &in[10].val[1], &in[11].val[0],
 113                     &in[11].val[1]);
 114
 115   // stage 1
 116   s1[16] = multiply_shift_and_narrow_s32_dual(in[1], cospi_31_64);
 117   s1[31] = multiply_shift_and_narrow_s32_dual(in[1], cospi_1_64);
 118
 119   s1[18] = multiply_shift_and_narrow_s32_dual(in[9], cospi_23_64);
 120   s1[29] = multiply_shift_and_narrow_s32_dual(in[9], cospi_9_64);
 121
 122   s1[19] = multiply_shift_and_narrow_s32_dual(in[7], -cospi_25_64);
 123   s1[28] = multiply_shift_and_narrow_s32_dual(in[7], cospi_7_64);
 124
 125   s1[20] = multiply_shift_and_narrow_s32_dual(in[5], cospi_27_64);
 126   s1[27] = multiply_shift_and_narrow_s32_dual(in[5], cospi_5_64);
 127
 128   s1[21] = multiply_shift_and_narrow_s32_dual(in[11], -cospi_21_64);
 129   s1[26] = multiply_shift_and_narrow_s32_dual(in[11], cospi_11_64);
 130
 131   s1[23] = multiply_shift_and_narrow_s32_dual(in[3], -cospi_29_64);
 132   s1[24] = multiply_shift_and_narrow_s32_dual(in[3], cospi_3_64);
 133
 134   // stage 2
 135   s2[8] = multiply_shift_and_narrow_s32_dual(in[2], cospi_30_64);
 136   s2[15] = multiply_shift_and_narrow_s32_dual(in[2], cospi_2_64);
 137
 138   s2[10] = multiply_shift_and_narrow_s32_dual(in[10], cospi_22_64);
 139   s2[13] = multiply_shift_and_narrow_s32_dual(in[10], cospi_10_64);
 140
 141   s2[11] = multiply_shift_and_narrow_s32_dual(in[6], -cospi_26_64);
 142   s2[12] = multiply_shift_and_narrow_s32_dual(in[6], cospi_6_64);
 143
 144   s2[18] = highbd_idct_sub_dual(s1[19], s1[18]);
 145   s2[19] = highbd_idct_add_dual(s1[18], s1[19]);
 146   s2[20] = highbd_idct_add_dual(s1[20], s1[21]);
 147   s2[21] = highbd_idct_sub_dual(s1[20], s1[21]);
 148   s2[26] = highbd_idct_sub_dual(s1[27], s1[26]);
 149   s2[27] = highbd_idct_add_dual(s1[26], s1[27]);
 150   s2[28] = highbd_idct_add_dual(s1[28], s1[29]);
 151   s2[29] = highbd_idct_sub_dual(s1[28], s1[29]);
 152
 153   // stage 3
 154   s3[4] = multiply_shift_and_narrow_s32_dual(in[4], cospi_28_64);
 155   s3[7] = multiply_shift_and_narrow_s32_dual(in[4], cospi_4_64);
 156
 157   s3[10] = highbd_idct_sub_dual(s2[11], s2[10]);
 158   s3[11] = highbd_idct_add_dual(s2[10], s2[11]);
 159   s3[12] = highbd_idct_add_dual(s2[12], s2[13]);
 160   s3[13] = highbd_idct_sub_dual(s2[12], s2[13]);
 161
 162   s3[17] = multiply_accumulate_shift_and_narrow_s32_dual(s1[16], -cospi_4_64,
 163                                                          s1[31], cospi_28_64);
 164   s3[30] = multiply_accumulate_shift_and_narrow_s32_dual(s1[16], cospi_28_64,
 165                                                          s1[31], cospi_4_64);
 166
 167   s3[18] = multiply_accumulate_shift_and_narrow_s32_dual(s2[18], -cospi_28_64,
 168                                                          s2[29], -cospi_4_64);
 169   s3[29] = multiply_accumulate_shift_and_narrow_s32_dual(s2[18], -cospi_4_64,
 170                                                          s2[29], cospi_28_64);
 171
 172   s3[21] = multiply_accumulate_shift_and_narrow_s32_dual(s2[21], -cospi_20_64,
 173                                                          s2[26], cospi_12_64);
 174   s3[26] = multiply_accumulate_shift_and_narrow_s32_dual(s2[21], cospi_12_64,
 175                                                          s2[26], cospi_20_64);
 176
 177   s3[22] = multiply_accumulate_shift_and_narrow_s32_dual(s1[23], -cospi_12_64,
 178                                                          s1[24], -cospi_20_64);
 179   s3[25] = multiply_accumulate_shift_and_narrow_s32_dual(s1[23], -cospi_20_64,
 180                                                          s1[24], cospi_12_64);
 181
 182   // stage 4
 183   s4[0] = multiply_shift_and_narrow_s32_dual(in[0], cospi_16_64);
 184   s4[2] = multiply_shift_and_narrow_s32_dual(in[8], cospi_24_64);
 185   s4[3] = multiply_shift_and_narrow_s32_dual(in[8], cospi_8_64);
 186
 187   s4[9] = multiply_accumulate_shift_and_narrow_s32_dual(s2[8], -cospi_8_64,
 188                                                         s2[15], cospi_24_64);
 189   s4[14] = multiply_accumulate_shift_and_narrow_s32_dual(s2[8], cospi_24_64,
 190                                                          s2[15], cospi_8_64);
 191
 192   s4[10] = multiply_accumulate_shift_and_narrow_s32_dual(s3[10], -cospi_24_64,
 193                                                          s3[13], -cospi_8_64);
 194   s4[13] = multiply_accumulate_shift_and_narrow_s32_dual(s3[10], -cospi_8_64,
 195                                                          s3[13], cospi_24_64);
 196
 197   s4[16] = highbd_idct_add_dual(s1[16], s2[19]);
 198   s4[17] = highbd_idct_add_dual(s3[17], s3[18]);
 199   s4[18] = highbd_idct_sub_dual(s3[17], s3[18]);
 200   s4[19] = highbd_idct_sub_dual(s1[16], s2[19]);
 201   s4[20] = highbd_idct_sub_dual(s1[23], s2[20]);
 202   s4[21] = highbd_idct_sub_dual(s3[22], s3[21]);
 203   s4[22] = highbd_idct_add_dual(s3[21], s3[22]);
 204   s4[23] = highbd_idct_add_dual(s2[20], s1[23]);
 205   s4[24] = highbd_idct_add_dual(s1[24], s2[27]);
 206   s4[25] = highbd_idct_add_dual(s3[25], s3[26]);
 207   s4[26] = highbd_idct_sub_dual(s3[25], s3[26]);
 208   s4[27] = highbd_idct_sub_dual(s1[24], s2[27]);
 209   s4[28] = highbd_idct_sub_dual(s1[31], s2[28]);
 210   s4[29] = highbd_idct_sub_dual(s3[30], s3[29]);
 211   s4[30] = highbd_idct_add_dual(s3[29], s3[30]);
 212   s4[31] = highbd_idct_add_dual(s2[28], s1[31]);
 213
 214   // stage 5
 215   s5[0] = highbd_idct_add_dual(s4[0], s4[3]);
 216   s5[1] = highbd_idct_add_dual(s4[0], s4[2]);
 217   s5[2] = highbd_idct_sub_dual(s4[0], s4[2]);
 218   s5[3] = highbd_idct_sub_dual(s4[0], s4[3]);
 219
 220   s5[5] = sub_multiply_shift_and_narrow_s32_dual(s3[7], s3[4], cospi_16_64);
 221   s5[6] = add_multiply_shift_and_narrow_s32_dual(s3[4], s3[7], cospi_16_64);
 222
 223   s5[8] = highbd_idct_add_dual(s2[8], s3[11]);
 224   s5[9] = highbd_idct_add_dual(s4[9], s4[10]);
 225   s5[10] = highbd_idct_sub_dual(s4[9], s4[10]);
 226   s5[11] = highbd_idct_sub_dual(s2[8], s3[11]);
 227   s5[12] = highbd_idct_sub_dual(s2[15], s3[12]);
 228   s5[13] = highbd_idct_sub_dual(s4[14], s4[13]);
 229   s5[14] = highbd_idct_add_dual(s4[13], s4[14]);
 230   s5[15] = highbd_idct_add_dual(s2[15], s3[12]);
 231
 232   s5[18] = multiply_accumulate_shift_and_narrow_s32_dual(s4[18], -cospi_8_64,
 233                                                          s4[29], cospi_24_64);
 234   s5[29] = multiply_accumulate_shift_and_narrow_s32_dual(s4[18], cospi_24_64,
 235                                                          s4[29], cospi_8_64);
 236
 237   s5[19] = multiply_accumulate_shift_and_narrow_s32_dual(s4[19], -cospi_8_64,
 238                                                          s4[28], cospi_24_64);
 239   s5[28] = multiply_accumulate_shift_and_narrow_s32_dual(s4[19], cospi_24_64,
 240                                                          s4[28], cospi_8_64);
 241
 242   s5[20] = multiply_accumulate_shift_and_narrow_s32_dual(s4[20], -cospi_24_64,
 243                                                          s4[27], -cospi_8_64);
 244   s5[27] = multiply_accumulate_shift_and_narrow_s32_dual(s4[20], -cospi_8_64,
 245                                                          s4[27], cospi_24_64);
 246
 247   s5[21] = multiply_accumulate_shift_and_narrow_s32_dual(s4[21], -cospi_24_64,
 248                                                          s4[26], -cospi_8_64);
 249   s5[26] = multiply_accumulate_shift_and_narrow_s32_dual(s4[21], -cospi_8_64,
 250                                                          s4[26], cospi_24_64);
 251
 252   // stage 6
 253   s6[0] = highbd_idct_add_dual(s5[0], s3[7]);
 254   s6[1] = highbd_idct_add_dual(s5[1], s5[6]);
 255   s6[2] = highbd_idct_add_dual(s5[2], s5[5]);
 256   s6[3] = highbd_idct_add_dual(s5[3], s3[4]);
 257   s6[4] = highbd_idct_sub_dual(s5[3], s3[4]);
 258   s6[5] = highbd_idct_sub_dual(s5[2], s5[5]);
 259   s6[6] = highbd_idct_sub_dual(s5[1], s5[6]);
 260   s6[7] = highbd_idct_sub_dual(s5[0], s3[7]);
 261
 262   s6[10] = sub_multiply_shift_and_narrow_s32_dual(s5[13], s5[10], cospi_16_64);
 263   s6[13] = add_multiply_shift_and_narrow_s32_dual(s5[10], s5[13], cospi_16_64);
 264
 265   s6[11] = sub_multiply_shift_and_narrow_s32_dual(s5[12], s5[11], cospi_16_64);
 266   s6[12] = add_multiply_shift_and_narrow_s32_dual(s5[11], s5[12], cospi_16_64);
 267
 268   s6[16] = highbd_idct_add_dual(s4[16], s4[23]);
 269   s6[17] = highbd_idct_add_dual(s4[17], s4[22]);
 270   s6[18] = highbd_idct_add_dual(s5[18], s5[21]);
 271   s6[19] = highbd_idct_add_dual(s5[19], s5[20]);
 272   s6[20] = highbd_idct_sub_dual(s5[19], s5[20]);
 273   s6[21] = highbd_idct_sub_dual(s5[18], s5[21]);
 274   s6[22] = highbd_idct_sub_dual(s4[17], s4[22]);
 275   s6[23] = highbd_idct_sub_dual(s4[16], s4[23]);
 276
 277   s6[24] = highbd_idct_sub_dual(s4[31], s4[24]);
 278   s6[25] = highbd_idct_sub_dual(s4[30], s4[25]);
 279   s6[26] = highbd_idct_sub_dual(s5[29], s5[26]);
 280   s6[27] = highbd_idct_sub_dual(s5[28], s5[27]);
 281   s6[28] = highbd_idct_add_dual(s5[27], s5[28]);
 282   s6[29] = highbd_idct_add_dual(s5[26], s5[29]);
 283   s6[30] = highbd_idct_add_dual(s4[25], s4[30]);
 284   s6[31] = highbd_idct_add_dual(s4[24], s4[31]);
 285
 286   // stage 7
 287   s7[0] = highbd_idct_add_dual(s6[0], s5[15]);
 288   s7[1] = highbd_idct_add_dual(s6[1], s5[14]);
 289   s7[2] = highbd_idct_add_dual(s6[2], s6[13]);
 290   s7[3] = highbd_idct_add_dual(s6[3], s6[12]);
 291   s7[4] = highbd_idct_add_dual(s6[4], s6[11]);
 292   s7[5] = highbd_idct_add_dual(s6[5], s6[10]);
 293   s7[6] = highbd_idct_add_dual(s6[6], s5[9]);
 294   s7[7] = highbd_idct_add_dual(s6[7], s5[8]);
 295   s7[8] = highbd_idct_sub_dual(s6[7], s5[8]);
 296   s7[9] = highbd_idct_sub_dual(s6[6], s5[9]);
 297   s7[10] = highbd_idct_sub_dual(s6[5], s6[10]);
 298   s7[11] = highbd_idct_sub_dual(s6[4], s6[11]);
 299   s7[12] = highbd_idct_sub_dual(s6[3], s6[12]);
 300   s7[13] = highbd_idct_sub_dual(s6[2], s6[13]);
 301   s7[14] = highbd_idct_sub_dual(s6[1], s5[14]);
 302   s7[15] = highbd_idct_sub_dual(s6[0], s5[15]);
 303
 304   s7[20] = sub_multiply_shift_and_narrow_s32_dual(s6[27], s6[20], cospi_16_64);
 305   s7[27] = add_multiply_shift_and_narrow_s32_dual(s6[20], s6[27], cospi_16_64);
 306
 307   s7[21] = sub_multiply_shift_and_narrow_s32_dual(s6[26], s6[21], cospi_16_64);
 308   s7[26] = add_multiply_shift_and_narrow_s32_dual(s6[21], s6[26], cospi_16_64);
 309
 310   s7[22] = sub_multiply_shift_and_narrow_s32_dual(s6[25], s6[22], cospi_16_64);
 311   s7[25] = add_multiply_shift_and_narrow_s32_dual(s6[22], s6[25], cospi_16_64);
 312
 313   s7[23] = sub_multiply_shift_and_narrow_s32_dual(s6[24], s6[23], cospi_16_64);
 314   s7[24] = add_multiply_shift_and_narrow_s32_dual(s6[23], s6[24], cospi_16_64);
 315
 316   // final stage
 317   s8[0] = highbd_idct_add_dual(s7[0], s6[31]);
 318   s8[1] = highbd_idct_add_dual(s7[1], s6[30]);
 319   s8[2] = highbd_idct_add_dual(s7[2], s6[29]);
 320   s8[3] = highbd_idct_add_dual(s7[3], s6[28]);
 321   s8[4] = highbd_idct_add_dual(s7[4], s7[27]);
 322   s8[5] = highbd_idct_add_dual(s7[5], s7[26]);
 323   s8[6] = highbd_idct_add_dual(s7[6], s7[25]);
 324   s8[7] = highbd_idct_add_dual(s7[7], s7[24]);
 325   s8[8] = highbd_idct_add_dual(s7[8], s7[23]);
 326   s8[9] = highbd_idct_add_dual(s7[9], s7[22]);
 327   s8[10] = highbd_idct_add_dual(s7[10], s7[21]);
 328   s8[11] = highbd_idct_add_dual(s7[11], s7[20]);
 329   s8[12] = highbd_idct_add_dual(s7[12], s6[19]);
 330   s8[13] = highbd_idct_add_dual(s7[13], s6[18]);
 331   s8[14] = highbd_idct_add_dual(s7[14], s6[17]);
 332   s8[15] = highbd_idct_add_dual(s7[15], s6[16]);
 333   s8[16] = highbd_idct_sub_dual(s7[15], s6[16]);
 334   s8[17] = highbd_idct_sub_dual(s7[14], s6[17]);
 335   s8[18] = highbd_idct_sub_dual(s7[13], s6[18]);
 336   s8[19] = highbd_idct_sub_dual(s7[12], s6[19]);
 337   s8[20] = highbd_idct_sub_dual(s7[11], s7[20]);
 338   s8[21] = highbd_idct_sub_dual(s7[10], s7[21]);
 339   s8[22] = highbd_idct_sub_dual(s7[9], s7[22]);
 340   s8[23] = highbd_idct_sub_dual(s7[8], s7[23]);
 341   s8[24] = highbd_idct_sub_dual(s7[7], s7[24]);
 342   s8[25] = highbd_idct_sub_dual(s7[6], s7[25]);
 343   s8[26] = highbd_idct_sub_dual(s7[5], s7[26]);
 344   s8[27] = highbd_idct_sub_dual(s7[4], s7[27]);
 345   s8[28] = highbd_idct_sub_dual(s7[3], s6[28]);
 346   s8[29] = highbd_idct_sub_dual(s7[2], s6[29]);
 347   s8[30] = highbd_idct_sub_dual(s7[1], s6[30]);
 348   s8[31] = highbd_idct_sub_dual(s7[0], s6[31]);
 349
 350   vst1q_s32(output + 0, s8[0].val[0]);
 351   vst1q_s32(output + 4, s8[0].val[1]);
 352   output += 16;
 353   vst1q_s32(output + 0, s8[1].val[0]);
 354   vst1q_s32(output + 4, s8[1].val[1]);
 355   output += 16;
 356   vst1q_s32(output + 0, s8[2].val[0]);
 357   vst1q_s32(output + 4, s8[2].val[1]);
 358   output += 16;
 359   vst1q_s32(output + 0, s8[3].val[0]);
 360   vst1q_s32(output + 4, s8[3].val[1]);
 361   output += 16;
 362   vst1q_s32(output + 0, s8[4].val[0]);
 363   vst1q_s32(output + 4, s8[4].val[1]);
 364   output += 16;
 365   vst1q_s32(output + 0, s8[5].val[0]);
 366   vst1q_s32(output + 4, s8[5].val[1]);
 367   output += 16;
 368   vst1q_s32(output + 0, s8[6].val[0]);
 369   vst1q_s32(output + 4, s8[6].val[1]);
 370   output += 16;
 371   vst1q_s32(output + 0, s8[7].val[0]);
 372   vst1q_s32(output + 4, s8[7].val[1]);
 373   output += 16;
 374
 375   vst1q_s32(output + 0, s8[8].val[0]);
 376   vst1q_s32(output + 4, s8[8].val[1]);
 377   output += 16;
 378   vst1q_s32(output + 0, s8[9].val[0]);
 379   vst1q_s32(output + 4, s8[9].val[1]);
 380   output += 16;
 381   vst1q_s32(output + 0, s8[10].val[0]);
 382   vst1q_s32(output + 4, s8[10].val[1]);
 383   output += 16;
 384   vst1q_s32(output + 0, s8[11].val[0]);
 385   vst1q_s32(output + 4, s8[11].val[1]);
 386   output += 16;
 387   vst1q_s32(output + 0, s8[12].val[0]);
 388   vst1q_s32(output + 4, s8[12].val[1]);
 389   output += 16;
 390   vst1q_s32(output + 0, s8[13].val[0]);
 391   vst1q_s32(output + 4, s8[13].val[1]);
 392   output += 16;
 393   vst1q_s32(output + 0, s8[14].val[0]);
 394   vst1q_s32(output + 4, s8[14].val[1]);
 395   output += 16;
 396   vst1q_s32(output + 0, s8[15].val[0]);
 397   vst1q_s32(output + 4, s8[15].val[1]);
 398   output += 16;
 399
 400   vst1q_s32(output + 0, s8[16].val[0]);
 401   vst1q_s32(output + 4, s8[16].val[1]);
 402   output += 16;
 403   vst1q_s32(output + 0, s8[17].val[0]);
 404   vst1q_s32(output + 4, s8[17].val[1]);
 405   output += 16;
 406   vst1q_s32(output + 0, s8[18].val[0]);
 407   vst1q_s32(output + 4, s8[18].val[1]);
 408   output += 16;
 409   vst1q_s32(output + 0, s8[19].val[0]);
 410   vst1q_s32(output + 4, s8[19].val[1]);
 411   output += 16;
 412   vst1q_s32(output + 0, s8[20].val[0]);
 413   vst1q_s32(output + 4, s8[20].val[1]);
 414   output += 16;
 415   vst1q_s32(output + 0, s8[21].val[0]);
 416   vst1q_s32(output + 4, s8[21].val[1]);
 417   output += 16;
 418   vst1q_s32(output + 0, s8[22].val[0]);
 419   vst1q_s32(output + 4, s8[22].val[1]);
 420   output += 16;
 421   vst1q_s32(output + 0, s8[23].val[0]);
 422   vst1q_s32(output + 4, s8[23].val[1]);
 423   output += 16;
 424
 425   vst1q_s32(output + 0, s8[24].val[0]);
 426   vst1q_s32(output + 4, s8[24].val[1]);
 427   output += 16;
 428   vst1q_s32(output + 0, s8[25].val[0]);
 429   vst1q_s32(output + 4, s8[25].val[1]);
 430   output += 16;
 431   vst1q_s32(output + 0, s8[26].val[0]);
 432   vst1q_s32(output + 4, s8[26].val[1]);
 433   output += 16;
 434   vst1q_s32(output + 0, s8[27].val[0]);
 435   vst1q_s32(output + 4, s8[27].val[1]);
 436   output += 16;
 437   vst1q_s32(output + 0, s8[28].val[0]);
 438   vst1q_s32(output + 4, s8[28].val[1]);
 439   output += 16;
 440   vst1q_s32(output + 0, s8[29].val[0]);
 441   vst1q_s32(output + 4, s8[29].val[1]);
 442   output += 16;
 443   vst1q_s32(output + 0, s8[30].val[0]);
 444   vst1q_s32(output + 4, s8[30].val[1]);
 445   output += 16;
 446   vst1q_s32(output + 0, s8[31].val[0]);
 447   vst1q_s32(output + 4, s8[31].val[1]);
 448 }
 449
 450 static void vpx_highbd_idct32_16_neon(const int32_t *const input,
 451                                       uint16_t *const output, const int stride,
 452                                       const int bd) {
 453   int32x4x2_t in[16], s1[32], s2[32], s3[32], s4[32], s5[32], s6[32], s7[32],
 454       out[32];
 455
 456   load_and_transpose_s32_8x8(input, 16, &in[0], &in[1], &in[2], &in[3], &in[4],
 457                              &in[5], &in[6], &in[7]);
 458
 459   load_and_transpose_s32_8x8(input + 8, 16, &in[8], &in[9], &in[10], &in[11],
 460                              &in[12], &in[13], &in[14], &in[15]);
 461
 462   // stage 1
 463   s1[16] = multiply_shift_and_narrow_s32_dual(in[1], cospi_31_64);
 464   s1[31] = multiply_shift_and_narrow_s32_dual(in[1], cospi_1_64);
 465
 466   s1[17] = multiply_shift_and_narrow_s32_dual(in[15], -cospi_17_64);
 467   s1[30] = multiply_shift_and_narrow_s32_dual(in[15], cospi_15_64);
 468
 469   s1[18] = multiply_shift_and_narrow_s32_dual(in[9], cospi_23_64);
 470   s1[29] = multiply_shift_and_narrow_s32_dual(in[9], cospi_9_64);
 471
 472   s1[19] = multiply_shift_and_narrow_s32_dual(in[7], -cospi_25_64);
 473   s1[28] = multiply_shift_and_narrow_s32_dual(in[7], cospi_7_64);
 474
 475   s1[20] = multiply_shift_and_narrow_s32_dual(in[5], cospi_27_64);
 476   s1[27] = multiply_shift_and_narrow_s32_dual(in[5], cospi_5_64);
 477
 478   s1[21] = multiply_shift_and_narrow_s32_dual(in[11], -cospi_21_64);
 479   s1[26] = multiply_shift_and_narrow_s32_dual(in[11], cospi_11_64);
 480
 481   s1[22] = multiply_shift_and_narrow_s32_dual(in[13], cospi_19_64);
 482   s1[25] = multiply_shift_and_narrow_s32_dual(in[13], cospi_13_64);
 483
 484   s1[23] = multiply_shift_and_narrow_s32_dual(in[3], -cospi_29_64);
 485   s1[24] = multiply_shift_and_narrow_s32_dual(in[3], cospi_3_64);
 486
 487   // stage 2
 488   s2[8] = multiply_shift_and_narrow_s32_dual(in[2], cospi_30_64);
 489   s2[15] = multiply_shift_and_narrow_s32_dual(in[2], cospi_2_64);
 490
 491   s2[9] = multiply_shift_and_narrow_s32_dual(in[14], -cospi_18_64);
 492   s2[14] = multiply_shift_and_narrow_s32_dual(in[14], cospi_14_64);
 493
 494   s2[10] = multiply_shift_and_narrow_s32_dual(in[10], cospi_22_64);
 495   s2[13] = multiply_shift_and_narrow_s32_dual(in[10], cospi_10_64);
 496
 497   s2[11] = multiply_shift_and_narrow_s32_dual(in[6], -cospi_26_64);
 498   s2[12] = multiply_shift_and_narrow_s32_dual(in[6], cospi_6_64);
 499
 500   s2[16] = highbd_idct_add_dual(s1[16], s1[17]);
 501   s2[17] = highbd_idct_sub_dual(s1[16], s1[17]);
 502   s2[18] = highbd_idct_sub_dual(s1[19], s1[18]);
 503   s2[19] = highbd_idct_add_dual(s1[18], s1[19]);
 504   s2[20] = highbd_idct_add_dual(s1[20], s1[21]);
 505   s2[21] = highbd_idct_sub_dual(s1[20], s1[21]);
 506   s2[22] = highbd_idct_sub_dual(s1[23], s1[22]);
 507   s2[23] = highbd_idct_add_dual(s1[22], s1[23]);
 508   s2[24] = highbd_idct_add_dual(s1[24], s1[25]);
 509   s2[25] = highbd_idct_sub_dual(s1[24], s1[25]);
 510   s2[26] = highbd_idct_sub_dual(s1[27], s1[26]);
 511   s2[27] = highbd_idct_add_dual(s1[26], s1[27]);
 512   s2[28] = highbd_idct_add_dual(s1[28], s1[29]);
 513   s2[29] = highbd_idct_sub_dual(s1[28], s1[29]);
 514   s2[30] = highbd_idct_sub_dual(s1[31], s1[30]);
 515   s2[31] = highbd_idct_add_dual(s1[30], s1[31]);
 516
 517   // stage 3
 518   s3[4] = multiply_shift_and_narrow_s32_dual(in[4], cospi_28_64);
 519   s3[7] = multiply_shift_and_narrow_s32_dual(in[4], cospi_4_64);
 520
 521   s3[5] = multiply_shift_and_narrow_s32_dual(in[12], -cospi_20_64);
 522   s3[6] = multiply_shift_and_narrow_s32_dual(in[12], cospi_12_64);
 523
 524   s3[8] = highbd_idct_add_dual(s2[8], s2[9]);
 525   s3[9] = highbd_idct_sub_dual(s2[8], s2[9]);
 526   s3[10] = highbd_idct_sub_dual(s2[11], s2[10]);
 527   s3[11] = highbd_idct_add_dual(s2[10], s2[11]);
 528   s3[12] = highbd_idct_add_dual(s2[12], s2[13]);
 529   s3[13] = highbd_idct_sub_dual(s2[12], s2[13]);
 530   s3[14] = highbd_idct_sub_dual(s2[15], s2[14]);
 531   s3[15] = highbd_idct_add_dual(s2[14], s2[15]);
 532
 533   s3[17] = multiply_accumulate_shift_and_narrow_s32_dual(s2[17], -cospi_4_64,
 534                                                          s2[30], cospi_28_64);
 535   s3[30] = multiply_accumulate_shift_and_narrow_s32_dual(s2[17], cospi_28_64,
 536                                                          s2[30], cospi_4_64);
 537
 538   s3[18] = multiply_accumulate_shift_and_narrow_s32_dual(s2[18], -cospi_28_64,
 539                                                          s2[29], -cospi_4_64);
 540   s3[29] = multiply_accumulate_shift_and_narrow_s32_dual(s2[18], -cospi_4_64,
 541                                                          s2[29], cospi_28_64);
 542
 543   s3[21] = multiply_accumulate_shift_and_narrow_s32_dual(s2[21], -cospi_20_64,
 544                                                          s2[26], cospi_12_64);
 545   s3[26] = multiply_accumulate_shift_and_narrow_s32_dual(s2[21], cospi_12_64,
 546                                                          s2[26], cospi_20_64);
 547
 548   s3[22] = multiply_accumulate_shift_and_narrow_s32_dual(s2[22], -cospi_12_64,
 549                                                          s2[25], -cospi_20_64);
 550   s3[25] = multiply_accumulate_shift_and_narrow_s32_dual(s2[22], -cospi_20_64,
 551                                                          s2[25], cospi_12_64);
 552
 553   // stage 4
 554   s4[0] = multiply_shift_and_narrow_s32_dual(in[0], cospi_16_64);
 555   s4[2] = multiply_shift_and_narrow_s32_dual(in[8], cospi_24_64);
 556   s4[3] = multiply_shift_and_narrow_s32_dual(in[8], cospi_8_64);
 557
 558   s4[4] = highbd_idct_add_dual(s3[4], s3[5]);
 559   s4[5] = highbd_idct_sub_dual(s3[4], s3[5]);
 560   s4[6] = highbd_idct_sub_dual(s3[7], s3[6]);
 561   s4[7] = highbd_idct_add_dual(s3[6], s3[7]);
 562
 563   s4[9] = multiply_accumulate_shift_and_narrow_s32_dual(s3[9], -cospi_8_64,
 564                                                         s3[14], cospi_24_64);
 565   s4[14] = multiply_accumulate_shift_and_narrow_s32_dual(s3[9], cospi_24_64,
 566                                                          s3[14], cospi_8_64);
 567
 568   s4[10] = multiply_accumulate_shift_and_narrow_s32_dual(s3[10], -cospi_24_64,
 569                                                          s3[13], -cospi_8_64);
 570   s4[13] = multiply_accumulate_shift_and_narrow_s32_dual(s3[10], -cospi_8_64,
 571                                                          s3[13], cospi_24_64);
 572
 573   s4[16] = highbd_idct_add_dual(s2[16], s2[19]);
 574   s4[17] = highbd_idct_add_dual(s3[17], s3[18]);
 575   s4[18] = highbd_idct_sub_dual(s3[17], s3[18]);
 576   s4[19] = highbd_idct_sub_dual(s2[16], s2[19]);
 577   s4[20] = highbd_idct_sub_dual(s2[23], s2[20]);
 578   s4[21] = highbd_idct_sub_dual(s3[22], s3[21]);
 579   s4[22] = highbd_idct_add_dual(s3[21], s3[22]);
 580   s4[23] = highbd_idct_add_dual(s2[20], s2[23]);
 581   s4[24] = highbd_idct_add_dual(s2[24], s2[27]);
 582   s4[25] = highbd_idct_add_dual(s3[25], s3[26]);
 583   s4[26] = highbd_idct_sub_dual(s3[25], s3[26]);
 584   s4[27] = highbd_idct_sub_dual(s2[24], s2[27]);
 585   s4[28] = highbd_idct_sub_dual(s2[31], s2[28]);
 586   s4[29] = highbd_idct_sub_dual(s3[30], s3[29]);
 587   s4[30] = highbd_idct_add_dual(s3[29], s3[30]);
 588   s4[31] = highbd_idct_add_dual(s2[28], s2[31]);
 589
 590   // stage 5
 591   s5[0] = highbd_idct_add_dual(s4[0], s4[3]);
 592   s5[1] = highbd_idct_add_dual(s4[0], s4[2]);
 593   s5[2] = highbd_idct_sub_dual(s4[0], s4[2]);
 594   s5[3] = highbd_idct_sub_dual(s4[0], s4[3]);
 595
 596   s5[5] = sub_multiply_shift_and_narrow_s32_dual(s4[6], s4[5], cospi_16_64);
 597   s5[6] = add_multiply_shift_and_narrow_s32_dual(s4[5], s4[6], cospi_16_64);
 598
 599   s5[8] = highbd_idct_add_dual(s3[8], s3[11]);
 600   s5[9] = highbd_idct_add_dual(s4[9], s4[10]);
 601   s5[10] = highbd_idct_sub_dual(s4[9], s4[10]);
 602   s5[11] = highbd_idct_sub_dual(s3[8], s3[11]);
 603   s5[12] = highbd_idct_sub_dual(s3[15], s3[12]);
 604   s5[13] = highbd_idct_sub_dual(s4[14], s4[13]);
 605   s5[14] = highbd_idct_add_dual(s4[13], s4[14]);
 606   s5[15] = highbd_idct_add_dual(s3[15], s3[12]);
 607
 608   s5[18] = multiply_accumulate_shift_and_narrow_s32_dual(s4[18], -cospi_8_64,
 609                                                          s4[29], cospi_24_64);
 610   s5[29] = multiply_accumulate_shift_and_narrow_s32_dual(s4[18], cospi_24_64,
 611                                                          s4[29], cospi_8_64);
 612
 613   s5[19] = multiply_accumulate_shift_and_narrow_s32_dual(s4[19], -cospi_8_64,
 614                                                          s4[28], cospi_24_64);
 615   s5[28] = multiply_accumulate_shift_and_narrow_s32_dual(s4[19], cospi_24_64,
 616                                                          s4[28], cospi_8_64);
 617
 618   s5[20] = multiply_accumulate_shift_and_narrow_s32_dual(s4[20], -cospi_24_64,
 619                                                          s4[27], -cospi_8_64);
 620   s5[27] = multiply_accumulate_shift_and_narrow_s32_dual(s4[20], -cospi_8_64,
 621                                                          s4[27], cospi_24_64);
 622
 623   s5[21] = multiply_accumulate_shift_and_narrow_s32_dual(s4[21], -cospi_24_64,
 624                                                          s4[26], -cospi_8_64);
 625   s5[26] = multiply_accumulate_shift_and_narrow_s32_dual(s4[21], -cospi_8_64,
 626                                                          s4[26], cospi_24_64);
 627
 628   // stage 6
 629   s6[0] = highbd_idct_add_dual(s5[0], s4[7]);
 630   s6[1] = highbd_idct_add_dual(s5[1], s5[6]);
 631   s6[2] = highbd_idct_add_dual(s5[2], s5[5]);
 632   s6[3] = highbd_idct_add_dual(s5[3], s4[4]);
 633   s6[4] = highbd_idct_sub_dual(s5[3], s4[4]);
 634   s6[5] = highbd_idct_sub_dual(s5[2], s5[5]);
 635   s6[6] = highbd_idct_sub_dual(s5[1], s5[6]);
 636   s6[7] = highbd_idct_sub_dual(s5[0], s4[7]);
 637
 638   s6[10] = sub_multiply_shift_and_narrow_s32_dual(s5[13], s5[10], cospi_16_64);
 639   s6[13] = add_multiply_shift_and_narrow_s32_dual(s5[10], s5[13], cospi_16_64);
 640
 641   s6[11] = sub_multiply_shift_and_narrow_s32_dual(s5[12], s5[11], cospi_16_64);
 642   s6[12] = add_multiply_shift_and_narrow_s32_dual(s5[11], s5[12], cospi_16_64);
 643
 644   s6[16] = highbd_idct_add_dual(s4[16], s4[23]);
 645   s6[17] = highbd_idct_add_dual(s4[17], s4[22]);
 646   s6[18] = highbd_idct_add_dual(s5[18], s5[21]);
 647   s6[19] = highbd_idct_add_dual(s5[19], s5[20]);
 648   s6[20] = highbd_idct_sub_dual(s5[19], s5[20]);
 649   s6[21] = highbd_idct_sub_dual(s5[18], s5[21]);
 650   s6[22] = highbd_idct_sub_dual(s4[17], s4[22]);
 651   s6[23] = highbd_idct_sub_dual(s4[16], s4[23]);
 652   s6[24] = highbd_idct_sub_dual(s4[31], s4[24]);
 653   s6[25] = highbd_idct_sub_dual(s4[30], s4[25]);
 654   s6[26] = highbd_idct_sub_dual(s5[29], s5[26]);
 655   s6[27] = highbd_idct_sub_dual(s5[28], s5[27]);
 656   s6[28] = highbd_idct_add_dual(s5[27], s5[28]);
 657   s6[29] = highbd_idct_add_dual(s5[26], s5[29]);
 658   s6[30] = highbd_idct_add_dual(s4[25], s4[30]);
 659   s6[31] = highbd_idct_add_dual(s4[24], s4[31]);
 660
 661   // stage 7
 662   s7[0] = highbd_idct_add_dual(s6[0], s5[15]);
 663   s7[1] = highbd_idct_add_dual(s6[1], s5[14]);
 664   s7[2] = highbd_idct_add_dual(s6[2], s6[13]);
 665   s7[3] = highbd_idct_add_dual(s6[3], s6[12]);
 666   s7[4] = highbd_idct_add_dual(s6[4], s6[11]);
 667   s7[5] = highbd_idct_add_dual(s6[5], s6[10]);
 668   s7[6] = highbd_idct_add_dual(s6[6], s5[9]);
 669   s7[7] = highbd_idct_add_dual(s6[7], s5[8]);
 670   s7[8] = highbd_idct_sub_dual(s6[7], s5[8]);
 671   s7[9] = highbd_idct_sub_dual(s6[6], s5[9]);
 672   s7[10] = highbd_idct_sub_dual(s6[5], s6[10]);
 673   s7[11] = highbd_idct_sub_dual(s6[4], s6[11]);
 674   s7[12] = highbd_idct_sub_dual(s6[3], s6[12]);
 675   s7[13] = highbd_idct_sub_dual(s6[2], s6[13]);
 676   s7[14] = highbd_idct_sub_dual(s6[1], s5[14]);
 677   s7[15] = highbd_idct_sub_dual(s6[0], s5[15]);
 678
 679   s7[20] = sub_multiply_shift_and_narrow_s32_dual(s6[27], s6[20], cospi_16_64);
 680   s7[27] = add_multiply_shift_and_narrow_s32_dual(s6[20], s6[27], cospi_16_64);
 681
 682   s7[21] = sub_multiply_shift_and_narrow_s32_dual(s6[26], s6[21], cospi_16_64);
 683   s7[26] = add_multiply_shift_and_narrow_s32_dual(s6[21], s6[26], cospi_16_64);
 684
 685   s7[22] = sub_multiply_shift_and_narrow_s32_dual(s6[25], s6[22], cospi_16_64);
 686   s7[25] = add_multiply_shift_and_narrow_s32_dual(s6[22], s6[25], cospi_16_64);
 687
 688   s7[23] = sub_multiply_shift_and_narrow_s32_dual(s6[24], s6[23], cospi_16_64);
 689   s7[24] = add_multiply_shift_and_narrow_s32_dual(s6[23], s6[24], cospi_16_64);
 690
 691   // final stage
 692   out[0] = highbd_idct_add_dual(s7[0], s6[31]);
 693   out[1] = highbd_idct_add_dual(s7[1], s6[30]);
 694   out[2] = highbd_idct_add_dual(s7[2], s6[29]);
 695   out[3] = highbd_idct_add_dual(s7[3], s6[28]);
 696   out[4] = highbd_idct_add_dual(s7[4], s7[27]);
 697   out[5] = highbd_idct_add_dual(s7[5], s7[26]);
 698   out[6] = highbd_idct_add_dual(s7[6], s7[25]);
 699   out[7] = highbd_idct_add_dual(s7[7], s7[24]);
 700   out[8] = highbd_idct_add_dual(s7[8], s7[23]);
 701   out[9] = highbd_idct_add_dual(s7[9], s7[22]);
 702   out[10] = highbd_idct_add_dual(s7[10], s7[21]);
 703   out[11] = highbd_idct_add_dual(s7[11], s7[20]);
 704   out[12] = highbd_idct_add_dual(s7[12], s6[19]);
 705   out[13] = highbd_idct_add_dual(s7[13], s6[18]);
 706   out[14] = highbd_idct_add_dual(s7[14], s6[17]);
 707   out[15] = highbd_idct_add_dual(s7[15], s6[16]);
 708   out[16] = highbd_idct_sub_dual(s7[15], s6[16]);
 709   out[17] = highbd_idct_sub_dual(s7[14], s6[17]);
 710   out[18] = highbd_idct_sub_dual(s7[13], s6[18]);
 711   out[19] = highbd_idct_sub_dual(s7[12], s6[19]);
 712   out[20] = highbd_idct_sub_dual(s7[11], s7[20]);
 713   out[21] = highbd_idct_sub_dual(s7[10], s7[21]);
 714   out[22] = highbd_idct_sub_dual(s7[9], s7[22]);
 715   out[23] = highbd_idct_sub_dual(s7[8], s7[23]);
 716   out[24] = highbd_idct_sub_dual(s7[7], s7[24]);
 717   out[25] = highbd_idct_sub_dual(s7[6], s7[25]);
 718   out[26] = highbd_idct_sub_dual(s7[5], s7[26]);
 719   out[27] = highbd_idct_sub_dual(s7[4], s7[27]);
 720   out[28] = highbd_idct_sub_dual(s7[3], s6[28]);
 721   out[29] = highbd_idct_sub_dual(s7[2], s6[29]);
 722   out[30] = highbd_idct_sub_dual(s7[1], s6[30]);
 723   out[31] = highbd_idct_sub_dual(s7[0], s6[31]);
 724
 725   highbd_idct16x16_add_store(out, output, stride, bd);
 726   highbd_idct16x16_add_store(out + 16, output + 16 * stride, stride, bd);
 727 }
 728
 729 void vpx_highbd_idct32x32_135_add_neon(const tran_low_t *input, uint16_t *dest,
 730                                        int stride, int bd) {
 731   int i;
 732
 733   if (bd == 8) {
 734     int16_t temp[32 * 16];
 735     int16_t *t = temp;
 736     vpx_idct32_12_neon(input, temp);
 737     vpx_idct32_12_neon(input + 32 * 8, temp + 8);
 738
 739     for (i = 0; i < 32; i += 8) {
 740       vpx_idct32_16_neon(t, dest, stride, 1);
 741       t += (16 * 8);
 742       dest += 8;
 743     }
 744   } else {
 745     int32_t temp[32 * 16];
 746     int32_t *t = temp;
 747     vpx_highbd_idct32_12_neon(input, temp);
 748     vpx_highbd_idct32_12_neon(input + 32 * 8, temp + 8);
 749
 750     for (i = 0; i < 32; i += 8) {
 751       vpx_highbd_idct32_16_neon(t, dest, stride, bd);
 752       t += (16 * 8);
 753       dest += 8;
 754     }
 755   }
 756 }