| /* |
| * 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; |
| } |
| } |
| } |