]> granicus.if.org Git - libjpeg-turbo/commitdiff
64-bit VEX.128 implementation of fast integer FDCT
authorDRC <information@libjpeg-turbo.org>
Wed, 31 Jan 2018 17:08:20 +0000 (11:08 -0600)
committerDRC <information@libjpeg-turbo.org>
Tue, 27 Feb 2018 16:38:58 +0000 (10:38 -0600)
simd/CMakeLists.txt
simd/jsimd.h
simd/x86_64/jfdctfst-avx2.asm [new file with mode: 0644]
simd/x86_64/jsimd.c

index 82e14ce84931ee0ce743bf97effdf179034a23bc..5ea3c0d00f1bdf82a82d4c4f1df5f70bd1bf1968 100755 (executable)
@@ -114,7 +114,8 @@ if(CPU_TYPE STREQUAL "x86_64")
     x86_64/jidctred-sse2.asm x86_64/jquantf-sse2.asm x86_64/jquanti-sse2.asm
     x86_64/jccolor-avx2.asm x86_64/jcgray-avx2.asm x86_64/jcsample-avx2.asm
     x86_64/jdcolor-avx2.asm x86_64/jdmerge-avx2.asm x86_64/jdsample-avx2.asm
-    x86_64/jfdctint-avx2.asm x86_64/jidctint-avx2.asm x86_64/jquanti-avx2.asm)
+    x86_64/jfdctfst-avx2.asm x86_64/jfdctint-avx2.asm x86_64/jidctint-avx2.asm
+    x86_64/jquanti-avx2.asm)
 else()
   set(SIMD_SOURCES i386/jsimdcpu.asm i386/jfdctflt-3dn.asm
     i386/jidctflt-3dn.asm i386/jquant-3dn.asm
index da152eb6bd5daa5c2fefc14b6aa07e2cc680d0b9..f8ab572156a272fe35ac30b540df6ac25da7f545 100644 (file)
@@ -862,6 +862,9 @@ EXTERN(void) jsimd_fdct_ifast_mmx (DCTELEM *data);
 extern const int jconst_fdct_ifast_sse2[];
 EXTERN(void) jsimd_fdct_ifast_sse2 (DCTELEM *data);
 
+extern const int jconst_fdct_ifast_avx2[];
+EXTERN(void) jsimd_fdct_ifast_avx2 (DCTELEM *data);
+
 EXTERN(void) jsimd_fdct_ifast_neon (DCTELEM *data);
 
 EXTERN(void) jsimd_fdct_ifast_mips_dspr2 (DCTELEM *data);
diff --git a/simd/x86_64/jfdctfst-avx2.asm b/simd/x86_64/jfdctfst-avx2.asm
new file mode 100644 (file)
index 0000000..3b881ea
--- /dev/null
@@ -0,0 +1,297 @@
+;
+; jfdctfst.asm - fast integer FDCT (64-bit AVX2)
+;
+; Copyright 2009 Pierre Ossman <ossman@cendio.se> for Cendio AB
+; Copyright (C) 2009, 2016, 2018, D. R. Commander.
+;
+; Based on the x86 SIMD extension for IJG JPEG library
+; Copyright (C) 1999-2006, MIYASAKA Masaru.
+; For conditions of distribution and use, see copyright notice in jsimdext.inc
+;
+; This file should be assembled with NASM (Netwide Assembler),
+; can *not* be assembled with Microsoft's MASM or any compatible
+; assembler (including Borland's Turbo Assembler).
+; NASM is available from http://nasm.sourceforge.net/ or
+; http://sourceforge.net/project/showfiles.php?group_id=6208
+;
+; This file contains a fast, not so accurate integer implementation of
+; the forward DCT (Discrete Cosine Transform). The following code is
+; based directly on the IJG's original jfdctfst.c; see the jfdctfst.c
+; for more details.
+;
+; [TAB8]
+
+%include "jsimdext.inc"
+%include "jdct.inc"
+
+; --------------------------------------------------------------------------
+
+%define CONST_BITS  8  ; 14 is also OK.
+
+%if CONST_BITS == 8
+F_0_382 equ  98  ; FIX(0.382683433)
+F_0_541 equ 139  ; FIX(0.541196100)
+F_0_707 equ 181  ; FIX(0.707106781)
+F_1_306 equ 334  ; FIX(1.306562965)
+%else
+; NASM cannot do compile-time arithmetic on floating-point constants.
+%define DESCALE(x,n)  (((x)+(1<<((n)-1)))>>(n))
+F_0_382 equ DESCALE( 410903207, 30-CONST_BITS)  ; FIX(0.382683433)
+F_0_541 equ DESCALE( 581104887, 30-CONST_BITS)  ; FIX(0.541196100)
+F_0_707 equ DESCALE( 759250124, 30-CONST_BITS)  ; FIX(0.707106781)
+F_1_306 equ DESCALE(1402911301, 30-CONST_BITS)  ; FIX(1.306562965)
+%endif
+
+; --------------------------------------------------------------------------
+    SECTION     SEG_CONST
+
+; PRE_MULTIPLY_SCALE_BITS <= 2 (to avoid overflow)
+; CONST_BITS + CONST_SHIFT + PRE_MULTIPLY_SCALE_BITS == 16 (for pmulhw)
+
+%define PRE_MULTIPLY_SCALE_BITS  2
+%define CONST_SHIFT              (16 - PRE_MULTIPLY_SCALE_BITS - CONST_BITS)
+
+    alignz      32
+    global      EXTN(jconst_fdct_ifast_avx2)
+
+EXTN(jconst_fdct_ifast_avx2):
+
+PW_F0707 times 8 dw F_0_707 << CONST_SHIFT
+PW_F0382 times 8 dw F_0_382 << CONST_SHIFT
+PW_F0541 times 8 dw F_0_541 << CONST_SHIFT
+PW_F1306 times 8 dw F_1_306 << CONST_SHIFT
+
+    alignz      32
+
+; --------------------------------------------------------------------------
+    SECTION     SEG_TEXT
+    BITS        64
+;
+; Perform the forward DCT on one block of samples.
+;
+; GLOBAL(void)
+; jsimd_fdct_ifast_avx2 (DCTELEM *data)
+;
+
+; r10 = DCTELEM *data
+
+    align       32
+    global      EXTN(jsimd_fdct_ifast_avx2)
+
+EXTN(jsimd_fdct_ifast_avx2):
+    push        rbp
+    mov         rax, rsp
+    mov         rbp, rsp
+    collect_args 1
+
+    ; ---- Pass 1: process rows.
+
+    mov         rdx, r10                ; (DCTELEM *)
+
+    movdqa      xmm0, XMMWORD [XMMBLOCK(0,0,rdx,SIZEOF_DCTELEM)]
+    movdqa      xmm1, XMMWORD [XMMBLOCK(1,0,rdx,SIZEOF_DCTELEM)]
+    movdqa      xmm2, XMMWORD [XMMBLOCK(2,0,rdx,SIZEOF_DCTELEM)]
+    movdqa      xmm3, XMMWORD [XMMBLOCK(3,0,rdx,SIZEOF_DCTELEM)]
+
+    ; xmm0=(00 01 02 03 04 05 06 07), xmm2=(20 21 22 23 24 25 26 27)
+    ; xmm1=(10 11 12 13 14 15 16 17), xmm3=(30 31 32 33 34 35 36 37)
+
+    vpunpckhwd  xmm4, xmm0, xmm1        ; xmm4=(04 14 05 15 06 16 07 17)
+    vpunpcklwd  xmm0, xmm0, xmm1        ; xmm0=(00 10 01 11 02 12 03 13)
+    vpunpckhwd  xmm8, xmm2, xmm3        ; xmm8=(24 34 25 35 26 36 27 37)
+    vpunpcklwd  xmm9, xmm2, xmm3        ; xmm9=(20 30 21 31 22 32 23 33)
+
+    movdqa      xmm6, XMMWORD [XMMBLOCK(4,0,rdx,SIZEOF_DCTELEM)]
+    movdqa      xmm7, XMMWORD [XMMBLOCK(5,0,rdx,SIZEOF_DCTELEM)]
+    movdqa      xmm1, XMMWORD [XMMBLOCK(6,0,rdx,SIZEOF_DCTELEM)]
+    movdqa      xmm3, XMMWORD [XMMBLOCK(7,0,rdx,SIZEOF_DCTELEM)]
+
+    ; xmm6=(40 41 42 43 44 45 46 47), xmm1=(60 61 62 63 64 65 66 67)
+    ; xmm7=(50 51 52 53 54 55 56 57), xmm3=(70 71 72 73 74 75 76 77)
+
+    vpunpckhwd  xmm2, xmm6, xmm7        ; xmm2=(44 54 45 55 46 56 47 57)
+    vpunpcklwd  xmm6, xmm6, xmm7        ; xmm6=(40 50 41 51 42 52 43 53)
+    vpunpckhwd  xmm5, xmm1, xmm3        ; xmm5=(64 74 65 75 66 76 67 77)
+    vpunpcklwd  xmm1, xmm1, xmm3        ; xmm1=(60 70 61 71 62 72 63 73)
+
+    vpunpckhdq  xmm10, xmm6, xmm1       ; xmm10=(42 52 62 72 43 53 63 73)
+    vpunpckldq  xmm6, xmm6, xmm1        ; xmm6=(40 50 60 70 41 51 61 71)
+    vpunpckhdq  xmm3, xmm2, xmm5        ; xmm3=(46 56 66 76 47 57 67 77)
+    vpunpckldq  xmm11, xmm2, xmm5       ; xmm11=(44 54 64 74 45 55 65 75)
+
+    vpunpckhdq  xmm7, xmm0, xmm9        ; xmm7=(02 12 22 32 03 13 23 33)
+    vpunpckldq  xmm0, xmm0, xmm9        ; xmm0=(00 10 20 30 01 11 21 31)
+    vpunpckhdq  xmm2, xmm4, xmm8        ; xmm2=(06 16 26 36 07 17 27 37)
+    vpunpckldq  xmm4, xmm4, xmm8        ; xmm4=(04 14 24 34 05 15 25 35)
+
+    vpunpckhqdq xmm1, xmm0, xmm6        ; xmm1=(01 11 21 31 41 51 61 71)=data1
+    vpunpcklqdq xmm0, xmm0, xmm6        ; xmm0=(00 10 20 30 40 50 60 70)=data0
+    vpunpckhqdq xmm5, xmm2, xmm3        ; xmm5=(07 17 27 37 47 57 67 77)=data7
+    vpunpcklqdq xmm2, xmm2, xmm3        ; xmm2=(06 16 26 36 46 56 66 76)=data6
+
+    vpaddw      xmm6, xmm1, xmm2        ; xmm6=data1+data6=tmp1
+    vpaddw      xmm3, xmm0, xmm5        ; xmm3=data0+data7=tmp0
+    vpsubw      xmm8, xmm1, xmm2        ; xmm8=data1-data6=tmp6
+    vpsubw      xmm9, xmm0, xmm5        ; xmm9=data0-data7=tmp7
+
+    vpunpckhqdq xmm1, xmm7, xmm10       ; xmm1=(03 13 23 33 43 53 63 73)=data3
+    vpunpcklqdq xmm7, xmm7, xmm10       ; xmm7=(02 12 22 32 42 52 62 72)=data2
+    vpunpckhqdq xmm0, xmm4, xmm11       ; xmm0=(05 15 25 35 45 55 65 75)=data5
+    vpunpcklqdq xmm4, xmm4, xmm11       ; xmm4=(04 14 24 34 44 54 64 74)=data4
+
+    vpsubw      xmm2, xmm1, xmm4        ; xmm2=data3-data4=tmp4
+    vpsubw      xmm5, xmm7, xmm0        ; xmm5=data2-data5=tmp5
+    vpaddw      xmm1, xmm1, xmm4        ; xmm1=data3+data4=tmp3
+    vpaddw      xmm7, xmm7, xmm0        ; xmm7=data2+data5=tmp2
+
+    ; -- Even part
+
+    vpaddw      xmm4, xmm3, xmm1        ; xmm4=tmp10
+    vpaddw      xmm0, xmm6, xmm7        ; xmm0=tmp11
+    vpsubw      xmm3, xmm3, xmm1        ; xmm3=tmp13
+    vpsubw      xmm6, xmm6, xmm7        ; xmm6=tmp12
+
+    vpaddw      xmm6, xmm6, xmm3
+    vpsllw      xmm6, xmm6, PRE_MULTIPLY_SCALE_BITS
+    vpmulhw     xmm6, xmm6, [rel PW_F0707]  ; xmm6=z1
+
+    vpaddw      xmm1, xmm4, xmm0        ; xmm1=data0
+    vpaddw      xmm7, xmm3, xmm6        ; xmm7=data2
+    vpsubw      xmm10, xmm4, xmm0       ; xmm10=data4
+    vpsubw      xmm11, xmm3, xmm6       ; xmm11=data6
+
+    ; -- Odd part
+
+    vpaddw      xmm2, xmm2, xmm5        ; xmm2=tmp10
+    vpaddw      xmm5, xmm5, xmm8        ; xmm5=tmp11
+    vpaddw      xmm0, xmm8, xmm9        ; xmm0=tmp12, xmm9=tmp7
+
+    vpsllw      xmm2, xmm2, PRE_MULTIPLY_SCALE_BITS
+    vpsllw      xmm0, xmm0, PRE_MULTIPLY_SCALE_BITS
+
+    vpsllw      xmm5, xmm5, PRE_MULTIPLY_SCALE_BITS
+    vpmulhw     xmm5, xmm5, [rel PW_F0707]  ; xmm5=z3
+
+    vpmulhw     xmm4, xmm2, [rel PW_F0541]  ; xmm4=MULTIPLY(tmp10,FIX_0_541196)
+    vpsubw      xmm2, xmm2, xmm0
+    vpmulhw     xmm2, xmm2, [rel PW_F0382]  ; xmm2=z5
+    vpmulhw     xmm0, xmm0, [rel PW_F1306]  ; xmm0=MULTIPLY(tmp12,FIX_1_306562)
+    vpaddw      xmm4, xmm4, xmm2        ; xmm4=z2
+    vpaddw      xmm0, xmm0, xmm2        ; xmm0=z4
+
+    vpsubw      xmm6, xmm9, xmm5        ; xmm6=z13
+    vpaddw      xmm3, xmm9, xmm5        ; xmm3=z11
+
+    vpaddw      xmm2, xmm6, xmm4        ; xmm2=data5
+    vpaddw      xmm5, xmm3, xmm0        ; xmm5=data1
+    vpsubw      xmm6, xmm6, xmm4        ; xmm6=data3
+    vpsubw      xmm3, xmm3, xmm0        ; xmm3=data7
+
+    ; ---- Pass 2: process columns.
+
+    ; xmm1=(00 10 20 30 40 50 60 70), xmm7=(02 12 22 32 42 52 62 72)
+    ; xmm5=(01 11 21 31 41 51 61 71), xmm6=(03 13 23 33 43 53 63 73)
+
+    vpunpckhwd  xmm4, xmm1, xmm5        ; xmm4=(40 41 50 51 60 61 70 71)
+    vpunpcklwd  xmm1, xmm1, xmm5        ; xmm1=(00 01 10 11 20 21 30 31)
+    vpunpckhwd  xmm9, xmm7, xmm6        ; xmm9=(42 43 52 53 62 63 72 73)
+    vpunpcklwd  xmm8, xmm7, xmm6        ; xmm8=(02 03 12 13 22 23 32 33)
+
+    ; xmm5=(04 14 24 34 44 54 64 74), xmm6=(06 16 26 36 46 56 66 76)
+    ; xmm2=(05 15 25 35 45 55 65 75), xmm3=(07 17 27 37 47 57 67 77)
+
+    vpunpcklwd  xmm5, xmm10, xmm2       ; xmm5=(04 05 14 15 24 25 34 35)
+    vpunpckhwd  xmm7, xmm10, xmm2       ; xmm7=(44 45 54 55 64 65 74 75)
+    vpunpcklwd  xmm6, xmm11, xmm3       ; xmm6=(06 07 16 17 26 27 36 37)
+    vpunpckhwd  xmm0, xmm11, xmm3       ; xmm0=(46 47 56 57 66 67 76 77)
+
+    vpunpckhdq  xmm10, xmm5, xmm6       ; xmm10=(24 25 26 27 34 35 36 37)
+    vpunpckldq  xmm5, xmm5, xmm6        ; xmm5=(04 05 06 07 14 15 16 17)
+    vpunpckhdq  xmm3, xmm7, xmm0        ; xmm3=(64 65 66 67 74 75 76 77)
+    vpunpckldq  xmm11, xmm7, xmm0       ; xmm11=(44 45 46 47 54 55 56 57)
+
+    vpunpckhdq  xmm2, xmm1, xmm8        ; xmm2=(20 21 22 23 30 31 32 33)
+    vpunpckldq  xmm1, xmm1, xmm8        ; xmm1=(00 01 02 03 10 11 12 13)
+    vpunpckhdq  xmm7, xmm4, xmm9        ; xmm7=(60 61 62 63 70 71 72 73)
+    vpunpckldq  xmm4, xmm4, xmm9        ; xmm4=(40 41 42 43 50 51 52 53)
+
+    vpunpckhqdq xmm6, xmm1, xmm5        ; xmm6=(10 11 12 13 14 15 16 17)=data1
+    vpunpcklqdq xmm1, xmm1, xmm5        ; xmm1=(00 01 02 03 04 05 06 07)=data0
+    vpunpckhqdq xmm0, xmm7, xmm3        ; xmm0=(70 71 72 73 74 75 76 77)=data7
+    vpunpcklqdq xmm7, xmm7, xmm3        ; xmm7=(60 61 62 63 64 65 66 67)=data6
+
+    vpaddw      xmm5, xmm6, xmm7        ; xmm5=data1+data6=tmp1
+    vpaddw      xmm3, xmm1, xmm0        ; xmm3=data0+data7=tmp0
+    vpsubw      xmm8, xmm6, xmm7        ; xmm6=data1-data6=tmp6
+    vpsubw      xmm9, xmm1, xmm0        ; xmm1=data0-data7=tmp7
+
+    vpunpckhqdq xmm6, xmm2, xmm10       ; xmm6=(30 31 32 33 34 35 36 37)=data3
+    vpunpcklqdq xmm2, xmm2, xmm10       ; xmm2=(20 21 22 23 24 25 26 27)=data2
+    vpunpckhqdq xmm1, xmm4, xmm11       ; xmm1=(50 51 52 53 54 55 56 57)=data5
+    vpunpcklqdq xmm4, xmm4, xmm11       ; xmm4=(40 41 42 43 44 45 46 47)=data4
+
+    vpsubw      xmm7, xmm6, xmm4        ; xmm7=data3-data4=tmp4
+    vpsubw      xmm0, xmm2, xmm1        ; xmm0=data2-data5=tmp5
+    vpaddw      xmm6, xmm6, xmm4        ; xmm6=data3+data4=tmp3
+    vpaddw      xmm2, xmm2, xmm1        ; xmm2=data2+data5=tmp2
+
+    ; -- Even part
+
+    vpaddw      xmm4, xmm3, xmm6        ; xmm4=tmp10
+    vpaddw      xmm1, xmm5, xmm2        ; xmm1=tmp11
+    vpsubw      xmm3, xmm3, xmm6        ; xmm3=tmp13
+    vpsubw      xmm5, xmm5, xmm2        ; xmm5=tmp12
+
+    vpaddw      xmm5, xmm5, xmm3
+    vpsllw      xmm5, xmm5, PRE_MULTIPLY_SCALE_BITS
+    vpmulhw     xmm5, xmm5, [rel PW_F0707]  ; xmm5=z1
+
+    vpaddw      xmm6, xmm4, xmm1        ; xmm6=data0
+    vpaddw      xmm2, xmm3, xmm5        ; xmm2=data2
+    vpsubw      xmm4, xmm4, xmm1        ; xmm4=data4
+    vpsubw      xmm3, xmm3, xmm5        ; xmm3=data6
+
+    movdqa      XMMWORD [XMMBLOCK(4,0,rdx,SIZEOF_DCTELEM)], xmm4
+    movdqa      XMMWORD [XMMBLOCK(6,0,rdx,SIZEOF_DCTELEM)], xmm3
+    movdqa      XMMWORD [XMMBLOCK(0,0,rdx,SIZEOF_DCTELEM)], xmm6
+    movdqa      XMMWORD [XMMBLOCK(2,0,rdx,SIZEOF_DCTELEM)], xmm2
+
+    ; -- Odd part
+
+    vpaddw      xmm7, xmm7, xmm0        ; xmm7=tmp10
+    vpaddw      xmm0, xmm0, xmm8        ; xmm0=tmp11
+    vpaddw      xmm1, xmm8, xmm9        ; xmm1=tmp12, xmm5=tmp7
+
+    vpsllw      xmm7, xmm7, PRE_MULTIPLY_SCALE_BITS
+    vpsllw      xmm1, xmm1, PRE_MULTIPLY_SCALE_BITS
+
+    vpsllw      xmm0, xmm0, PRE_MULTIPLY_SCALE_BITS
+    vpmulhw     xmm0, xmm0, [rel PW_F0707]  ; xmm0=z3
+
+    vpmulhw     xmm4, xmm7, [rel PW_F0541]  ; xmm4=MULTIPLY(tmp10,FIX_0_541196)
+    vpsubw      xmm7, xmm7, xmm1
+    vpmulhw     xmm7, xmm7, [rel PW_F0382]  ; xmm7=z5
+    vpmulhw     xmm1, xmm1, [rel PW_F1306]  ; xmm1=MULTIPLY(tmp12,FIX_1_306562)
+    vpaddw      xmm4, xmm4, xmm7        ; xmm4=z2
+    vpaddw      xmm1, xmm1, xmm7        ; xmm1=z4
+
+    vpsubw      xmm5, xmm9, xmm0        ; xmm5=z13
+    vpaddw      xmm3, xmm9, xmm0        ; xmm3=z11
+
+    vpaddw      xmm6, xmm5, xmm4        ; xmm6=data5
+    vpaddw      xmm2, xmm3, xmm1        ; xmm2=data1
+    vpsubw      xmm5, xmm5, xmm4        ; xmm5=data3
+    vpsubw      xmm3, xmm3, xmm1        ; xmm3=data7
+
+    movdqa      XMMWORD [XMMBLOCK(3,0,rdx,SIZEOF_DCTELEM)], xmm5
+    movdqa      XMMWORD [XMMBLOCK(7,0,rdx,SIZEOF_DCTELEM)], xmm3
+    movdqa      XMMWORD [XMMBLOCK(5,0,rdx,SIZEOF_DCTELEM)], xmm6
+    movdqa      XMMWORD [XMMBLOCK(1,0,rdx,SIZEOF_DCTELEM)], xmm2
+
+    uncollect_args 1
+    pop         rbp
+    ret
+
+; For some reason, the OS X linker does not honor the request to align the
+; segment unless we do this.
+    align       32
index e5dbe5753ba709b9fe5e6f902d70f03d05be31ca..42827d85a63062cbbb3568027482f8950e7648f5 100644 (file)
@@ -736,6 +736,8 @@ jsimd_can_fdct_ifast (void)
   if (sizeof(DCTELEM) != 2)
     return 0;
 
+  if ((simd_support & JSIMD_AVX2) && IS_ALIGNED_AVX(jconst_fdct_ifast_avx2))
+    return 1;
   if ((simd_support & JSIMD_SSE2) && IS_ALIGNED_SSE(jconst_fdct_ifast_sse2))
     return 1;
 
@@ -771,7 +773,10 @@ jsimd_fdct_islow (DCTELEM *data)
 GLOBAL(void)
 jsimd_fdct_ifast (DCTELEM *data)
 {
-  jsimd_fdct_ifast_sse2(data);
+  if (simd_support & JSIMD_AVX2)
+    jsimd_fdct_ifast_avx2(data);
+  else
+    jsimd_fdct_ifast_sse2(data);
 }
 
 GLOBAL(void)