granicus.if.org Git - libvpx/blob - vpx_dsp/arm/idct32x32_135_add_neon.c

   1 /*
   2  *  Copyright (c) 2016 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_s16(const tran_low_t *input, int16x8_t *const in0,
  20                                 int16x8_t *const in1, int16x8_t *const in2,
  21                                 int16x8_t *const in3, int16x8_t *const in4,
  22                                 int16x8_t *const in5, int16x8_t *const in6,
  23                                 int16x8_t *const in7) {
  24   *in0 = load_tran_low_to_s16q(input);
  25   input += 32;
  26   *in1 = load_tran_low_to_s16q(input);
  27   input += 32;
  28   *in2 = load_tran_low_to_s16q(input);
  29   input += 32;
  30   *in3 = load_tran_low_to_s16q(input);
  31   input += 32;
  32   *in4 = load_tran_low_to_s16q(input);
  33   input += 32;
  34   *in5 = load_tran_low_to_s16q(input);
  35   input += 32;
  36   *in6 = load_tran_low_to_s16q(input);
  37   input += 32;
  38   *in7 = load_tran_low_to_s16q(input);
  39 }
  40
  41 static INLINE void load_4x8_s16(const tran_low_t *input, int16x4_t *const in0,
  42                                 int16x4_t *const in1, int16x4_t *const in2,
  43                                 int16x4_t *const in3, int16x4_t *const in4,
  44                                 int16x4_t *const in5, int16x4_t *const in6,
  45                                 int16x4_t *const in7) {
  46   *in0 = load_tran_low_to_s16d(input);
  47   input += 32;
  48   *in1 = load_tran_low_to_s16d(input);
  49   input += 32;
  50   *in2 = load_tran_low_to_s16d(input);
  51   input += 32;
  52   *in3 = load_tran_low_to_s16d(input);
  53   input += 32;
  54   *in4 = load_tran_low_to_s16d(input);
  55   input += 32;
  56   *in5 = load_tran_low_to_s16d(input);
  57   input += 32;
  58   *in6 = load_tran_low_to_s16d(input);
  59   input += 32;
  60   *in7 = load_tran_low_to_s16d(input);
  61 }
  62
  63 // Only for the first pass of the  _135_ variant. Since it only uses values from
  64 // the top left 16x16 it can safely assume all the remaining values are 0 and
  65 // skip an awful lot of calculations. In fact, only the first 12 columns make
  66 // the cut. None of the elements in the 13th, 14th, 15th or 16th columns are
  67 // used so it skips any calls to input[12|13|14|15] too.
  68 // In C this does a single row of 32 for each call. Here it transposes the top
  69 // left 12x8 to allow using SIMD.
  70
  71 // vp9/common/vp9_scan.c:vp9_default_iscan_32x32 arranges the first 135 non-zero
  72 // coefficients as follows:
  73 //      0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15
  74 //  0   0   2   5  10  17  25  38  47  62  83 101 121
  75 //  1   1   4   8  15  22  30  45  58  74  92 112 133
  76 //  2   3   7  12  18  28  36  52  64  82 102 118
  77 //  3   6  11  16  23  31  43  60  73  90 109 126
  78 //  4   9  14  19  29  37  50  65  78  98 116 134
  79 //  5  13  20  26  35  44  54  72  85 105 123
  80 //  6  21  27  33  42  53  63  80  94 113 132
  81 //  7  24  32  39  48  57  71  88 104 120
  82 //  8  34  40  46  56  68  81  96 111 130
  83 //  9  41  49  55  67  77  91 107 124
  84 // 10  51  59  66  76  89  99 119 131
  85 // 11  61  69  75  87 100 114 129
  86 // 12  70  79  86  97 108 122
  87 // 13  84  93 103 110 125
  88 // 14  98 106 115 127
  89 // 15 117 128
  90 void vpx_idct32_12_neon(const tran_low_t *const input, int16_t *output) {
  91   int16x4_t tmp[8];
  92   int16x8_t in[12], s1[32], s2[32], s3[32], s4[32], s5[32], s6[32], s7[32];
  93
  94   load_8x8_s16(input, &in[0], &in[1], &in[2], &in[3], &in[4], &in[5], &in[6],
  95                &in[7]);
  96   transpose_s16_8x8(&in[0], &in[1], &in[2], &in[3], &in[4], &in[5], &in[6],
  97                     &in[7]);
  98
  99   load_4x8_s16(input + 8, &tmp[0], &tmp[1], &tmp[2], &tmp[3], &tmp[4], &tmp[5],
 100                &tmp[6], &tmp[7]);
 101   transpose_s16_4x8(tmp[0], tmp[1], tmp[2], tmp[3], tmp[4], tmp[5], tmp[6],
 102                     tmp[7], &in[8], &in[9], &in[10], &in[11]);
 103
 104   // stage 1
 105   s1[16] = multiply_shift_and_narrow_s16(in[1], cospi_31_64);
 106   s1[31] = multiply_shift_and_narrow_s16(in[1], cospi_1_64);
 107
 108   s1[18] = multiply_shift_and_narrow_s16(in[9], cospi_23_64);
 109   s1[29] = multiply_shift_and_narrow_s16(in[9], cospi_9_64);
 110
 111   s1[19] = multiply_shift_and_narrow_s16(in[7], -cospi_25_64);
 112   s1[28] = multiply_shift_and_narrow_s16(in[7], cospi_7_64);
 113
 114   s1[20] = multiply_shift_and_narrow_s16(in[5], cospi_27_64);
 115   s1[27] = multiply_shift_and_narrow_s16(in[5], cospi_5_64);
 116
 117   s1[21] = multiply_shift_and_narrow_s16(in[11], -cospi_21_64);
 118   s1[26] = multiply_shift_and_narrow_s16(in[11], cospi_11_64);
 119
 120   s1[23] = multiply_shift_and_narrow_s16(in[3], -cospi_29_64);
 121   s1[24] = multiply_shift_and_narrow_s16(in[3], cospi_3_64);
 122
 123   // stage 2
 124   s2[8] = multiply_shift_and_narrow_s16(in[2], cospi_30_64);
 125   s2[15] = multiply_shift_and_narrow_s16(in[2], cospi_2_64);
 126
 127   s2[10] = multiply_shift_and_narrow_s16(in[10], cospi_22_64);
 128   s2[13] = multiply_shift_and_narrow_s16(in[10], cospi_10_64);
 129
 130   s2[11] = multiply_shift_and_narrow_s16(in[6], -cospi_26_64);
 131   s2[12] = multiply_shift_and_narrow_s16(in[6], cospi_6_64);
 132
 133   s2[18] = vsubq_s16(s1[19], s1[18]);
 134   s2[19] = vaddq_s16(s1[18], s1[19]);
 135   s2[20] = vaddq_s16(s1[20], s1[21]);
 136   s2[21] = vsubq_s16(s1[20], s1[21]);
 137   s2[26] = vsubq_s16(s1[27], s1[26]);
 138   s2[27] = vaddq_s16(s1[26], s1[27]);
 139   s2[28] = vaddq_s16(s1[28], s1[29]);
 140   s2[29] = vsubq_s16(s1[28], s1[29]);
 141
 142   // stage 3
 143   s3[4] = multiply_shift_and_narrow_s16(in[4], cospi_28_64);
 144   s3[7] = multiply_shift_and_narrow_s16(in[4], cospi_4_64);
 145
 146   s3[10] = vsubq_s16(s2[11], s2[10]);
 147   s3[11] = vaddq_s16(s2[10], s2[11]);
 148   s3[12] = vaddq_s16(s2[12], s2[13]);
 149   s3[13] = vsubq_s16(s2[12], s2[13]);
 150
 151   s3[17] = multiply_accumulate_shift_and_narrow_s16(s1[16], -cospi_4_64, s1[31],
 152                                                     cospi_28_64);
 153   s3[30] = multiply_accumulate_shift_and_narrow_s16(s1[16], cospi_28_64, s1[31],
 154                                                     cospi_4_64);
 155
 156   s3[18] = multiply_accumulate_shift_and_narrow_s16(s2[18], -cospi_28_64,
 157                                                     s2[29], -cospi_4_64);
 158   s3[29] = multiply_accumulate_shift_and_narrow_s16(s2[18], -cospi_4_64, s2[29],
 159                                                     cospi_28_64);
 160
 161   s3[21] = multiply_accumulate_shift_and_narrow_s16(s2[21], -cospi_20_64,
 162                                                     s2[26], cospi_12_64);
 163   s3[26] = multiply_accumulate_shift_and_narrow_s16(s2[21], cospi_12_64, s2[26],
 164                                                     cospi_20_64);
 165
 166   s3[22] = multiply_accumulate_shift_and_narrow_s16(s1[23], -cospi_12_64,
 167                                                     s1[24], -cospi_20_64);
 168   s3[25] = multiply_accumulate_shift_and_narrow_s16(s1[23], -cospi_20_64,
 169                                                     s1[24], cospi_12_64);
 170
 171   // stage 4
 172   s4[0] = multiply_shift_and_narrow_s16(in[0], cospi_16_64);
 173   s4[2] = multiply_shift_and_narrow_s16(in[8], cospi_24_64);
 174   s4[3] = multiply_shift_and_narrow_s16(in[8], cospi_8_64);
 175
 176   s4[9] = multiply_accumulate_shift_and_narrow_s16(s2[8], -cospi_8_64, s2[15],
 177                                                    cospi_24_64);
 178   s4[14] = multiply_accumulate_shift_and_narrow_s16(s2[8], cospi_24_64, s2[15],
 179                                                     cospi_8_64);
 180
 181   s4[10] = multiply_accumulate_shift_and_narrow_s16(s3[10], -cospi_24_64,
 182                                                     s3[13], -cospi_8_64);
 183   s4[13] = multiply_accumulate_shift_and_narrow_s16(s3[10], -cospi_8_64, s3[13],
 184                                                     cospi_24_64);
 185
 186   s4[16] = vaddq_s16(s1[16], s2[19]);
 187   s4[17] = vaddq_s16(s3[17], s3[18]);
 188   s4[18] = vsubq_s16(s3[17], s3[18]);
 189   s4[19] = vsubq_s16(s1[16], s2[19]);
 190   s4[20] = vsubq_s16(s1[23], s2[20]);
 191   s4[21] = vsubq_s16(s3[22], s3[21]);
 192   s4[22] = vaddq_s16(s3[21], s3[22]);
 193   s4[23] = vaddq_s16(s2[20], s1[23]);
 194   s4[24] = vaddq_s16(s1[24], s2[27]);
 195   s4[25] = vaddq_s16(s3[25], s3[26]);
 196   s4[26] = vsubq_s16(s3[25], s3[26]);
 197   s4[27] = vsubq_s16(s1[24], s2[27]);
 198   s4[28] = vsubq_s16(s1[31], s2[28]);
 199   s4[29] = vsubq_s16(s3[30], s3[29]);
 200   s4[30] = vaddq_s16(s3[29], s3[30]);
 201   s4[31] = vaddq_s16(s2[28], s1[31]);
 202
 203   // stage 5
 204   s5[0] = vaddq_s16(s4[0], s4[3]);
 205   s5[1] = vaddq_s16(s4[0], s4[2]);
 206   s5[2] = vsubq_s16(s4[0], s4[2]);
 207   s5[3] = vsubq_s16(s4[0], s4[3]);
 208
 209   s5[5] = sub_multiply_shift_and_narrow_s16(s3[7], s3[4], cospi_16_64);
 210   s5[6] = add_multiply_shift_and_narrow_s16(s3[4], s3[7], cospi_16_64);
 211
 212   s5[8] = vaddq_s16(s2[8], s3[11]);
 213   s5[9] = vaddq_s16(s4[9], s4[10]);
 214   s5[10] = vsubq_s16(s4[9], s4[10]);
 215   s5[11] = vsubq_s16(s2[8], s3[11]);
 216   s5[12] = vsubq_s16(s2[15], s3[12]);
 217   s5[13] = vsubq_s16(s4[14], s4[13]);
 218   s5[14] = vaddq_s16(s4[13], s4[14]);
 219   s5[15] = vaddq_s16(s2[15], s3[12]);
 220
 221   s5[18] = multiply_accumulate_shift_and_narrow_s16(s4[18], -cospi_8_64, s4[29],
 222                                                     cospi_24_64);
 223   s5[29] = multiply_accumulate_shift_and_narrow_s16(s4[18], cospi_24_64, s4[29],
 224                                                     cospi_8_64);
 225
 226   s5[19] = multiply_accumulate_shift_and_narrow_s16(s4[19], -cospi_8_64, s4[28],
 227                                                     cospi_24_64);
 228   s5[28] = multiply_accumulate_shift_and_narrow_s16(s4[19], cospi_24_64, s4[28],
 229                                                     cospi_8_64);
 230
 231   s5[20] = multiply_accumulate_shift_and_narrow_s16(s4[20], -cospi_24_64,
 232                                                     s4[27], -cospi_8_64);
 233   s5[27] = multiply_accumulate_shift_and_narrow_s16(s4[20], -cospi_8_64, s4[27],
 234                                                     cospi_24_64);
 235
 236   s5[21] = multiply_accumulate_shift_and_narrow_s16(s4[21], -cospi_24_64,
 237                                                     s4[26], -cospi_8_64);
 238   s5[26] = multiply_accumulate_shift_and_narrow_s16(s4[21], -cospi_8_64, s4[26],
 239                                                     cospi_24_64);
 240
 241   // stage 6
 242   s6[0] = vaddq_s16(s5[0], s3[7]);
 243   s6[1] = vaddq_s16(s5[1], s5[6]);
 244   s6[2] = vaddq_s16(s5[2], s5[5]);
 245   s6[3] = vaddq_s16(s5[3], s3[4]);
 246   s6[4] = vsubq_s16(s5[3], s3[4]);
 247   s6[5] = vsubq_s16(s5[2], s5[5]);
 248   s6[6] = vsubq_s16(s5[1], s5[6]);
 249   s6[7] = vsubq_s16(s5[0], s3[7]);
 250
 251   s6[10] = sub_multiply_shift_and_narrow_s16(s5[13], s5[10], cospi_16_64);
 252   s6[13] = add_multiply_shift_and_narrow_s16(s5[10], s5[13], cospi_16_64);
 253
 254   s6[11] = sub_multiply_shift_and_narrow_s16(s5[12], s5[11], cospi_16_64);
 255   s6[12] = add_multiply_shift_and_narrow_s16(s5[11], s5[12], cospi_16_64);
 256
 257   s6[16] = vaddq_s16(s4[16], s4[23]);
 258   s6[17] = vaddq_s16(s4[17], s4[22]);
 259   s6[18] = vaddq_s16(s5[18], s5[21]);
 260   s6[19] = vaddq_s16(s5[19], s5[20]);
 261   s6[20] = vsubq_s16(s5[19], s5[20]);
 262   s6[21] = vsubq_s16(s5[18], s5[21]);
 263   s6[22] = vsubq_s16(s4[17], s4[22]);
 264   s6[23] = vsubq_s16(s4[16], s4[23]);
 265
 266   s6[24] = vsubq_s16(s4[31], s4[24]);
 267   s6[25] = vsubq_s16(s4[30], s4[25]);
 268   s6[26] = vsubq_s16(s5[29], s5[26]);
 269   s6[27] = vsubq_s16(s5[28], s5[27]);
 270   s6[28] = vaddq_s16(s5[27], s5[28]);
 271   s6[29] = vaddq_s16(s5[26], s5[29]);
 272   s6[30] = vaddq_s16(s4[25], s4[30]);
 273   s6[31] = vaddq_s16(s4[24], s4[31]);
 274
 275   // stage 7
 276   s7[0] = vaddq_s16(s6[0], s5[15]);
 277   s7[1] = vaddq_s16(s6[1], s5[14]);
 278   s7[2] = vaddq_s16(s6[2], s6[13]);
 279   s7[3] = vaddq_s16(s6[3], s6[12]);
 280   s7[4] = vaddq_s16(s6[4], s6[11]);
 281   s7[5] = vaddq_s16(s6[5], s6[10]);
 282   s7[6] = vaddq_s16(s6[6], s5[9]);
 283   s7[7] = vaddq_s16(s6[7], s5[8]);
 284   s7[8] = vsubq_s16(s6[7], s5[8]);
 285   s7[9] = vsubq_s16(s6[6], s5[9]);
 286   s7[10] = vsubq_s16(s6[5], s6[10]);
 287   s7[11] = vsubq_s16(s6[4], s6[11]);
 288   s7[12] = vsubq_s16(s6[3], s6[12]);
 289   s7[13] = vsubq_s16(s6[2], s6[13]);
 290   s7[14] = vsubq_s16(s6[1], s5[14]);
 291   s7[15] = vsubq_s16(s6[0], s5[15]);
 292
 293   s7[20] = sub_multiply_shift_and_narrow_s16(s6[27], s6[20], cospi_16_64);
 294   s7[27] = add_multiply_shift_and_narrow_s16(s6[20], s6[27], cospi_16_64);
 295
 296   s7[21] = sub_multiply_shift_and_narrow_s16(s6[26], s6[21], cospi_16_64);
 297   s7[26] = add_multiply_shift_and_narrow_s16(s6[21], s6[26], cospi_16_64);
 298
 299   s7[22] = sub_multiply_shift_and_narrow_s16(s6[25], s6[22], cospi_16_64);
 300   s7[25] = add_multiply_shift_and_narrow_s16(s6[22], s6[25], cospi_16_64);
 301
 302   s7[23] = sub_multiply_shift_and_narrow_s16(s6[24], s6[23], cospi_16_64);
 303   s7[24] = add_multiply_shift_and_narrow_s16(s6[23], s6[24], cospi_16_64);
 304
 305   // final stage
 306   vst1q_s16(output, vaddq_s16(s7[0], s6[31]));
 307   output += 16;
 308   vst1q_s16(output, vaddq_s16(s7[1], s6[30]));
 309   output += 16;
 310   vst1q_s16(output, vaddq_s16(s7[2], s6[29]));
 311   output += 16;
 312   vst1q_s16(output, vaddq_s16(s7[3], s6[28]));
 313   output += 16;
 314   vst1q_s16(output, vaddq_s16(s7[4], s7[27]));
 315   output += 16;
 316   vst1q_s16(output, vaddq_s16(s7[5], s7[26]));
 317   output += 16;
 318   vst1q_s16(output, vaddq_s16(s7[6], s7[25]));
 319   output += 16;
 320   vst1q_s16(output, vaddq_s16(s7[7], s7[24]));
 321   output += 16;
 322
 323   vst1q_s16(output, vaddq_s16(s7[8], s7[23]));
 324   output += 16;
 325   vst1q_s16(output, vaddq_s16(s7[9], s7[22]));
 326   output += 16;
 327   vst1q_s16(output, vaddq_s16(s7[10], s7[21]));
 328   output += 16;
 329   vst1q_s16(output, vaddq_s16(s7[11], s7[20]));
 330   output += 16;
 331   vst1q_s16(output, vaddq_s16(s7[12], s6[19]));
 332   output += 16;
 333   vst1q_s16(output, vaddq_s16(s7[13], s6[18]));
 334   output += 16;
 335   vst1q_s16(output, vaddq_s16(s7[14], s6[17]));
 336   output += 16;
 337   vst1q_s16(output, vaddq_s16(s7[15], s6[16]));
 338   output += 16;
 339
 340   vst1q_s16(output, vsubq_s16(s7[15], s6[16]));
 341   output += 16;
 342   vst1q_s16(output, vsubq_s16(s7[14], s6[17]));
 343   output += 16;
 344   vst1q_s16(output, vsubq_s16(s7[13], s6[18]));
 345   output += 16;
 346   vst1q_s16(output, vsubq_s16(s7[12], s6[19]));
 347   output += 16;
 348   vst1q_s16(output, vsubq_s16(s7[11], s7[20]));
 349   output += 16;
 350   vst1q_s16(output, vsubq_s16(s7[10], s7[21]));
 351   output += 16;
 352   vst1q_s16(output, vsubq_s16(s7[9], s7[22]));
 353   output += 16;
 354   vst1q_s16(output, vsubq_s16(s7[8], s7[23]));
 355   output += 16;
 356
 357   vst1q_s16(output, vsubq_s16(s7[7], s7[24]));
 358   output += 16;
 359   vst1q_s16(output, vsubq_s16(s7[6], s7[25]));
 360   output += 16;
 361   vst1q_s16(output, vsubq_s16(s7[5], s7[26]));
 362   output += 16;
 363   vst1q_s16(output, vsubq_s16(s7[4], s7[27]));
 364   output += 16;
 365   vst1q_s16(output, vsubq_s16(s7[3], s6[28]));
 366   output += 16;
 367   vst1q_s16(output, vsubq_s16(s7[2], s6[29]));
 368   output += 16;
 369   vst1q_s16(output, vsubq_s16(s7[1], s6[30]));
 370   output += 16;
 371   vst1q_s16(output, vsubq_s16(s7[0], s6[31]));
 372 }
 373
 374 void vpx_idct32_16_neon(const int16_t *const input, void *const output,
 375                         const int stride, const int highbd_flag) {
 376   int16x8_t in[16], s1[32], s2[32], s3[32], s4[32], s5[32], s6[32], s7[32],
 377       out[32];
 378
 379   load_and_transpose_s16_8x8(input, 16, &in[0], &in[1], &in[2], &in[3], &in[4],
 380                              &in[5], &in[6], &in[7]);
 381
 382   load_and_transpose_s16_8x8(input + 8, 16, &in[8], &in[9], &in[10], &in[11],
 383                              &in[12], &in[13], &in[14], &in[15]);
 384
 385   // stage 1
 386   s1[16] = multiply_shift_and_narrow_s16(in[1], cospi_31_64);
 387   s1[31] = multiply_shift_and_narrow_s16(in[1], cospi_1_64);
 388
 389   s1[17] = multiply_shift_and_narrow_s16(in[15], -cospi_17_64);
 390   s1[30] = multiply_shift_and_narrow_s16(in[15], cospi_15_64);
 391
 392   s1[18] = multiply_shift_and_narrow_s16(in[9], cospi_23_64);
 393   s1[29] = multiply_shift_and_narrow_s16(in[9], cospi_9_64);
 394
 395   s1[19] = multiply_shift_and_narrow_s16(in[7], -cospi_25_64);
 396   s1[28] = multiply_shift_and_narrow_s16(in[7], cospi_7_64);
 397
 398   s1[20] = multiply_shift_and_narrow_s16(in[5], cospi_27_64);
 399   s1[27] = multiply_shift_and_narrow_s16(in[5], cospi_5_64);
 400
 401   s1[21] = multiply_shift_and_narrow_s16(in[11], -cospi_21_64);
 402   s1[26] = multiply_shift_and_narrow_s16(in[11], cospi_11_64);
 403
 404   s1[22] = multiply_shift_and_narrow_s16(in[13], cospi_19_64);
 405   s1[25] = multiply_shift_and_narrow_s16(in[13], cospi_13_64);
 406
 407   s1[23] = multiply_shift_and_narrow_s16(in[3], -cospi_29_64);
 408   s1[24] = multiply_shift_and_narrow_s16(in[3], cospi_3_64);
 409
 410   // stage 2
 411   s2[8] = multiply_shift_and_narrow_s16(in[2], cospi_30_64);
 412   s2[15] = multiply_shift_and_narrow_s16(in[2], cospi_2_64);
 413
 414   s2[9] = multiply_shift_and_narrow_s16(in[14], -cospi_18_64);
 415   s2[14] = multiply_shift_and_narrow_s16(in[14], cospi_14_64);
 416
 417   s2[10] = multiply_shift_and_narrow_s16(in[10], cospi_22_64);
 418   s2[13] = multiply_shift_and_narrow_s16(in[10], cospi_10_64);
 419
 420   s2[11] = multiply_shift_and_narrow_s16(in[6], -cospi_26_64);
 421   s2[12] = multiply_shift_and_narrow_s16(in[6], cospi_6_64);
 422
 423   s2[16] = vaddq_s16(s1[16], s1[17]);
 424   s2[17] = vsubq_s16(s1[16], s1[17]);
 425   s2[18] = vsubq_s16(s1[19], s1[18]);
 426   s2[19] = vaddq_s16(s1[18], s1[19]);
 427   s2[20] = vaddq_s16(s1[20], s1[21]);
 428   s2[21] = vsubq_s16(s1[20], s1[21]);
 429   s2[22] = vsubq_s16(s1[23], s1[22]);
 430   s2[23] = vaddq_s16(s1[22], s1[23]);
 431   s2[24] = vaddq_s16(s1[24], s1[25]);
 432   s2[25] = vsubq_s16(s1[24], s1[25]);
 433   s2[26] = vsubq_s16(s1[27], s1[26]);
 434   s2[27] = vaddq_s16(s1[26], s1[27]);
 435   s2[28] = vaddq_s16(s1[28], s1[29]);
 436   s2[29] = vsubq_s16(s1[28], s1[29]);
 437   s2[30] = vsubq_s16(s1[31], s1[30]);
 438   s2[31] = vaddq_s16(s1[30], s1[31]);
 439
 440   // stage 3
 441   s3[4] = multiply_shift_and_narrow_s16(in[4], cospi_28_64);
 442   s3[7] = multiply_shift_and_narrow_s16(in[4], cospi_4_64);
 443
 444   s3[5] = multiply_shift_and_narrow_s16(in[12], -cospi_20_64);
 445   s3[6] = multiply_shift_and_narrow_s16(in[12], cospi_12_64);
 446
 447   s3[8] = vaddq_s16(s2[8], s2[9]);
 448   s3[9] = vsubq_s16(s2[8], s2[9]);
 449   s3[10] = vsubq_s16(s2[11], s2[10]);
 450   s3[11] = vaddq_s16(s2[10], s2[11]);
 451   s3[12] = vaddq_s16(s2[12], s2[13]);
 452   s3[13] = vsubq_s16(s2[12], s2[13]);
 453   s3[14] = vsubq_s16(s2[15], s2[14]);
 454   s3[15] = vaddq_s16(s2[14], s2[15]);
 455
 456   s3[17] = multiply_accumulate_shift_and_narrow_s16(s2[17], -cospi_4_64, s2[30],
 457                                                     cospi_28_64);
 458   s3[30] = multiply_accumulate_shift_and_narrow_s16(s2[17], cospi_28_64, s2[30],
 459                                                     cospi_4_64);
 460
 461   s3[18] = multiply_accumulate_shift_and_narrow_s16(s2[18], -cospi_28_64,
 462                                                     s2[29], -cospi_4_64);
 463   s3[29] = multiply_accumulate_shift_and_narrow_s16(s2[18], -cospi_4_64, s2[29],
 464                                                     cospi_28_64);
 465
 466   s3[21] = multiply_accumulate_shift_and_narrow_s16(s2[21], -cospi_20_64,
 467                                                     s2[26], cospi_12_64);
 468   s3[26] = multiply_accumulate_shift_and_narrow_s16(s2[21], cospi_12_64, s2[26],
 469                                                     cospi_20_64);
 470
 471   s3[22] = multiply_accumulate_shift_and_narrow_s16(s2[22], -cospi_12_64,
 472                                                     s2[25], -cospi_20_64);
 473   s3[25] = multiply_accumulate_shift_and_narrow_s16(s2[22], -cospi_20_64,
 474                                                     s2[25], cospi_12_64);
 475
 476   // stage 4
 477   s4[0] = multiply_shift_and_narrow_s16(in[0], cospi_16_64);
 478   s4[2] = multiply_shift_and_narrow_s16(in[8], cospi_24_64);
 479   s4[3] = multiply_shift_and_narrow_s16(in[8], cospi_8_64);
 480
 481   s4[4] = vaddq_s16(s3[4], s3[5]);
 482   s4[5] = vsubq_s16(s3[4], s3[5]);
 483   s4[6] = vsubq_s16(s3[7], s3[6]);
 484   s4[7] = vaddq_s16(s3[6], s3[7]);
 485
 486   s4[9] = multiply_accumulate_shift_and_narrow_s16(s3[9], -cospi_8_64, s3[14],
 487                                                    cospi_24_64);
 488   s4[14] = multiply_accumulate_shift_and_narrow_s16(s3[9], cospi_24_64, s3[14],
 489                                                     cospi_8_64);
 490
 491   s4[10] = multiply_accumulate_shift_and_narrow_s16(s3[10], -cospi_24_64,
 492                                                     s3[13], -cospi_8_64);
 493   s4[13] = multiply_accumulate_shift_and_narrow_s16(s3[10], -cospi_8_64, s3[13],
 494                                                     cospi_24_64);
 495
 496   s4[16] = vaddq_s16(s2[16], s2[19]);
 497   s4[17] = vaddq_s16(s3[17], s3[18]);
 498   s4[18] = vsubq_s16(s3[17], s3[18]);
 499   s4[19] = vsubq_s16(s2[16], s2[19]);
 500   s4[20] = vsubq_s16(s2[23], s2[20]);
 501   s4[21] = vsubq_s16(s3[22], s3[21]);
 502   s4[22] = vaddq_s16(s3[21], s3[22]);
 503   s4[23] = vaddq_s16(s2[20], s2[23]);
 504   s4[24] = vaddq_s16(s2[24], s2[27]);
 505   s4[25] = vaddq_s16(s3[25], s3[26]);
 506   s4[26] = vsubq_s16(s3[25], s3[26]);
 507   s4[27] = vsubq_s16(s2[24], s2[27]);
 508   s4[28] = vsubq_s16(s2[31], s2[28]);
 509   s4[29] = vsubq_s16(s3[30], s3[29]);
 510   s4[30] = vaddq_s16(s3[29], s3[30]);
 511   s4[31] = vaddq_s16(s2[28], s2[31]);
 512
 513   // stage 5
 514   s5[0] = vaddq_s16(s4[0], s4[3]);
 515   s5[1] = vaddq_s16(s4[0], s4[2]);
 516   s5[2] = vsubq_s16(s4[0], s4[2]);
 517   s5[3] = vsubq_s16(s4[0], s4[3]);
 518
 519   s5[5] = sub_multiply_shift_and_narrow_s16(s4[6], s4[5], cospi_16_64);
 520   s5[6] = add_multiply_shift_and_narrow_s16(s4[5], s4[6], cospi_16_64);
 521
 522   s5[8] = vaddq_s16(s3[8], s3[11]);
 523   s5[9] = vaddq_s16(s4[9], s4[10]);
 524   s5[10] = vsubq_s16(s4[9], s4[10]);
 525   s5[11] = vsubq_s16(s3[8], s3[11]);
 526   s5[12] = vsubq_s16(s3[15], s3[12]);
 527   s5[13] = vsubq_s16(s4[14], s4[13]);
 528   s5[14] = vaddq_s16(s4[13], s4[14]);
 529   s5[15] = vaddq_s16(s3[15], s3[12]);
 530
 531   s5[18] = multiply_accumulate_shift_and_narrow_s16(s4[18], -cospi_8_64, s4[29],
 532                                                     cospi_24_64);
 533   s5[29] = multiply_accumulate_shift_and_narrow_s16(s4[18], cospi_24_64, s4[29],
 534                                                     cospi_8_64);
 535
 536   s5[19] = multiply_accumulate_shift_and_narrow_s16(s4[19], -cospi_8_64, s4[28],
 537                                                     cospi_24_64);
 538   s5[28] = multiply_accumulate_shift_and_narrow_s16(s4[19], cospi_24_64, s4[28],
 539                                                     cospi_8_64);
 540
 541   s5[20] = multiply_accumulate_shift_and_narrow_s16(s4[20], -cospi_24_64,
 542                                                     s4[27], -cospi_8_64);
 543   s5[27] = multiply_accumulate_shift_and_narrow_s16(s4[20], -cospi_8_64, s4[27],
 544                                                     cospi_24_64);
 545
 546   s5[21] = multiply_accumulate_shift_and_narrow_s16(s4[21], -cospi_24_64,
 547                                                     s4[26], -cospi_8_64);
 548   s5[26] = multiply_accumulate_shift_and_narrow_s16(s4[21], -cospi_8_64, s4[26],
 549                                                     cospi_24_64);
 550
 551   // stage 6
 552   s6[0] = vaddq_s16(s5[0], s4[7]);
 553   s6[1] = vaddq_s16(s5[1], s5[6]);
 554   s6[2] = vaddq_s16(s5[2], s5[5]);
 555   s6[3] = vaddq_s16(s5[3], s4[4]);
 556   s6[4] = vsubq_s16(s5[3], s4[4]);
 557   s6[5] = vsubq_s16(s5[2], s5[5]);
 558   s6[6] = vsubq_s16(s5[1], s5[6]);
 559   s6[7] = vsubq_s16(s5[0], s4[7]);
 560
 561   s6[10] = sub_multiply_shift_and_narrow_s16(s5[13], s5[10], cospi_16_64);
 562   s6[13] = add_multiply_shift_and_narrow_s16(s5[10], s5[13], cospi_16_64);
 563
 564   s6[11] = sub_multiply_shift_and_narrow_s16(s5[12], s5[11], cospi_16_64);
 565   s6[12] = add_multiply_shift_and_narrow_s16(s5[11], s5[12], cospi_16_64);
 566
 567   s6[16] = vaddq_s16(s4[16], s4[23]);
 568   s6[17] = vaddq_s16(s4[17], s4[22]);
 569   s6[18] = vaddq_s16(s5[18], s5[21]);
 570   s6[19] = vaddq_s16(s5[19], s5[20]);
 571   s6[20] = vsubq_s16(s5[19], s5[20]);
 572   s6[21] = vsubq_s16(s5[18], s5[21]);
 573   s6[22] = vsubq_s16(s4[17], s4[22]);
 574   s6[23] = vsubq_s16(s4[16], s4[23]);
 575   s6[24] = vsubq_s16(s4[31], s4[24]);
 576   s6[25] = vsubq_s16(s4[30], s4[25]);
 577   s6[26] = vsubq_s16(s5[29], s5[26]);
 578   s6[27] = vsubq_s16(s5[28], s5[27]);
 579   s6[28] = vaddq_s16(s5[27], s5[28]);
 580   s6[29] = vaddq_s16(s5[26], s5[29]);
 581   s6[30] = vaddq_s16(s4[25], s4[30]);
 582   s6[31] = vaddq_s16(s4[24], s4[31]);
 583
 584   // stage 7
 585   s7[0] = vaddq_s16(s6[0], s5[15]);
 586   s7[1] = vaddq_s16(s6[1], s5[14]);
 587   s7[2] = vaddq_s16(s6[2], s6[13]);
 588   s7[3] = vaddq_s16(s6[3], s6[12]);
 589   s7[4] = vaddq_s16(s6[4], s6[11]);
 590   s7[5] = vaddq_s16(s6[5], s6[10]);
 591   s7[6] = vaddq_s16(s6[6], s5[9]);
 592   s7[7] = vaddq_s16(s6[7], s5[8]);
 593   s7[8] = vsubq_s16(s6[7], s5[8]);
 594   s7[9] = vsubq_s16(s6[6], s5[9]);
 595   s7[10] = vsubq_s16(s6[5], s6[10]);
 596   s7[11] = vsubq_s16(s6[4], s6[11]);
 597   s7[12] = vsubq_s16(s6[3], s6[12]);
 598   s7[13] = vsubq_s16(s6[2], s6[13]);
 599   s7[14] = vsubq_s16(s6[1], s5[14]);
 600   s7[15] = vsubq_s16(s6[0], s5[15]);
 601
 602   s7[20] = sub_multiply_shift_and_narrow_s16(s6[27], s6[20], cospi_16_64);
 603   s7[27] = add_multiply_shift_and_narrow_s16(s6[20], s6[27], cospi_16_64);
 604
 605   s7[21] = sub_multiply_shift_and_narrow_s16(s6[26], s6[21], cospi_16_64);
 606   s7[26] = add_multiply_shift_and_narrow_s16(s6[21], s6[26], cospi_16_64);
 607
 608   s7[22] = sub_multiply_shift_and_narrow_s16(s6[25], s6[22], cospi_16_64);
 609   s7[25] = add_multiply_shift_and_narrow_s16(s6[22], s6[25], cospi_16_64);
 610
 611   s7[23] = sub_multiply_shift_and_narrow_s16(s6[24], s6[23], cospi_16_64);
 612   s7[24] = add_multiply_shift_and_narrow_s16(s6[23], s6[24], cospi_16_64);
 613
 614   // final stage
 615   out[0] = final_add(s7[0], s6[31]);
 616   out[1] = final_add(s7[1], s6[30]);
 617   out[2] = final_add(s7[2], s6[29]);
 618   out[3] = final_add(s7[3], s6[28]);
 619   out[4] = final_add(s7[4], s7[27]);
 620   out[5] = final_add(s7[5], s7[26]);
 621   out[6] = final_add(s7[6], s7[25]);
 622   out[7] = final_add(s7[7], s7[24]);
 623   out[8] = final_add(s7[8], s7[23]);
 624   out[9] = final_add(s7[9], s7[22]);
 625   out[10] = final_add(s7[10], s7[21]);
 626   out[11] = final_add(s7[11], s7[20]);
 627   out[12] = final_add(s7[12], s6[19]);
 628   out[13] = final_add(s7[13], s6[18]);
 629   out[14] = final_add(s7[14], s6[17]);
 630   out[15] = final_add(s7[15], s6[16]);
 631   out[16] = final_sub(s7[15], s6[16]);
 632   out[17] = final_sub(s7[14], s6[17]);
 633   out[18] = final_sub(s7[13], s6[18]);
 634   out[19] = final_sub(s7[12], s6[19]);
 635   out[20] = final_sub(s7[11], s7[20]);
 636   out[21] = final_sub(s7[10], s7[21]);
 637   out[22] = final_sub(s7[9], s7[22]);
 638   out[23] = final_sub(s7[8], s7[23]);
 639   out[24] = final_sub(s7[7], s7[24]);
 640   out[25] = final_sub(s7[6], s7[25]);
 641   out[26] = final_sub(s7[5], s7[26]);
 642   out[27] = final_sub(s7[4], s7[27]);
 643   out[28] = final_sub(s7[3], s6[28]);
 644   out[29] = final_sub(s7[2], s6[29]);
 645   out[30] = final_sub(s7[1], s6[30]);
 646   out[31] = final_sub(s7[0], s6[31]);
 647
 648   if (highbd_flag) {
 649     highbd_add_and_store_bd8(out, output, stride);
 650   } else {
 651     uint8_t *const outputT = (uint8_t *)output;
 652     add_and_store_u8_s16(out[0], out[1], out[2], out[3], out[4], out[5], out[6],
 653                          out[7], outputT, stride);
 654     add_and_store_u8_s16(out[8], out[9], out[10], out[11], out[12], out[13],
 655                          out[14], out[15], outputT + (8 * stride), stride);
 656     add_and_store_u8_s16(out[16], out[17], out[18], out[19], out[20], out[21],
 657                          out[22], out[23], outputT + (16 * stride), stride);
 658     add_and_store_u8_s16(out[24], out[25], out[26], out[27], out[28], out[29],
 659                          out[30], out[31], outputT + (24 * stride), stride);
 660   }
 661 }
 662
 663 void vpx_idct32x32_135_add_neon(const tran_low_t *input, uint8_t *dest,
 664                                 int stride) {
 665   int i;
 666   int16_t temp[32 * 16];
 667   int16_t *t = temp;
 668
 669   vpx_idct32_12_neon(input, temp);
 670   vpx_idct32_12_neon(input + 32 * 8, temp + 8);
 671
 672   for (i = 0; i < 32; i += 8) {
 673     vpx_idct32_16_neon(t, dest, stride, 0);
 674     t += (16 * 8);
 675     dest += 8;
 676   }
 677 }