simd/jidctint-sse2-64.asm

   1 ;
   2 ; jidctint.asm - accurate integer IDCT (64-bit SSE2)
   3 ;
   4 ; Copyright 2009 Pierre Ossman <ossman@cendio.se> for Cendio AB
   5 ; Copyright (C) 2009, D. R. Commander.
   6 ;
   7 ; Based on the x86 SIMD extension for IJG JPEG library
   8 ; Copyright (C) 1999-2006, MIYASAKA Masaru.
   9 ; For conditions of distribution and use, see copyright notice in jsimdext.inc
  10 ;
  11 ; This file should be assembled with NASM (Netwide Assembler),
  12 ; can *not* be assembled with Microsoft's MASM or any compatible
  13 ; assembler (including Borland's Turbo Assembler).
  14 ; NASM is available from http://nasm.sourceforge.net/ or
  15 ; http://sourceforge.net/project/showfiles.php?group_id=6208
  16 ;
  17 ; This file contains a slow-but-accurate integer implementation of the
  18 ; inverse DCT (Discrete Cosine Transform). The following code is based
  19 ; directly on the IJG's original jidctint.c; see the jidctint.c for
  20 ; more details.
  21 ;
  22 ; [TAB8]
  23
  24 %include "jsimdext.inc"
  25 %include "jdct.inc"
  26
  27 ; --------------------------------------------------------------------------
  28
  29 %define CONST_BITS      13
  30 %define PASS1_BITS      2
  31
  32 %define DESCALE_P1      (CONST_BITS-PASS1_BITS)
  33 %define DESCALE_P2      (CONST_BITS+PASS1_BITS+3)
  34
  35 %if CONST_BITS == 13
  36 F_0_298 equ      2446           ; FIX(0.298631336)
  37 F_0_390 equ      3196           ; FIX(0.390180644)
  38 F_0_541 equ      4433           ; FIX(0.541196100)
  39 F_0_765 equ      6270           ; FIX(0.765366865)
  40 F_0_899 equ      7373           ; FIX(0.899976223)
  41 F_1_175 equ      9633           ; FIX(1.175875602)
  42 F_1_501 equ     12299           ; FIX(1.501321110)
  43 F_1_847 equ     15137           ; FIX(1.847759065)
  44 F_1_961 equ     16069           ; FIX(1.961570560)
  45 F_2_053 equ     16819           ; FIX(2.053119869)
  46 F_2_562 equ     20995           ; FIX(2.562915447)
  47 F_3_072 equ     25172           ; FIX(3.072711026)
  48 %else
  49 ; NASM cannot do compile-time arithmetic on floating-point constants.
  50 %define DESCALE(x,n)  (((x)+(1<<((n)-1)))>>(n))
  51 F_0_298 equ     DESCALE( 320652955,30-CONST_BITS)       ; FIX(0.298631336)
  52 F_0_390 equ     DESCALE( 418953276,30-CONST_BITS)       ; FIX(0.390180644)
  53 F_0_541 equ     DESCALE( 581104887,30-CONST_BITS)       ; FIX(0.541196100)
  54 F_0_765 equ     DESCALE( 821806413,30-CONST_BITS)       ; FIX(0.765366865)
  55 F_0_899 equ     DESCALE( 966342111,30-CONST_BITS)       ; FIX(0.899976223)
  56 F_1_175 equ     DESCALE(1262586813,30-CONST_BITS)       ; FIX(1.175875602)
  57 F_1_501 equ     DESCALE(1612031267,30-CONST_BITS)       ; FIX(1.501321110)
  58 F_1_847 equ     DESCALE(1984016188,30-CONST_BITS)       ; FIX(1.847759065)
  59 F_1_961 equ     DESCALE(2106220350,30-CONST_BITS)       ; FIX(1.961570560)
  60 F_2_053 equ     DESCALE(2204520673,30-CONST_BITS)       ; FIX(2.053119869)
  61 F_2_562 equ     DESCALE(2751909506,30-CONST_BITS)       ; FIX(2.562915447)
  62 F_3_072 equ     DESCALE(3299298341,30-CONST_BITS)       ; FIX(3.072711026)
  63 %endif
  64
  65 ; --------------------------------------------------------------------------
  66         SECTION SEG_CONST
  67
  68         alignz  16
  69         global  EXTN(jconst_idct_islow_sse2)
  70
  71 EXTN(jconst_idct_islow_sse2):
  72
  73 PW_F130_F054    times 4 dw  (F_0_541+F_0_765), F_0_541
  74 PW_F054_MF130   times 4 dw  F_0_541, (F_0_541-F_1_847)
  75 PW_MF078_F117   times 4 dw  (F_1_175-F_1_961), F_1_175
  76 PW_F117_F078    times 4 dw  F_1_175, (F_1_175-F_0_390)
  77 PW_MF060_MF089  times 4 dw  (F_0_298-F_0_899),-F_0_899
  78 PW_MF089_F060   times 4 dw -F_0_899, (F_1_501-F_0_899)
  79 PW_MF050_MF256  times 4 dw  (F_2_053-F_2_562),-F_2_562
  80 PW_MF256_F050   times 4 dw -F_2_562, (F_3_072-F_2_562)
  81 PD_DESCALE_P1   times 4 dd  1 << (DESCALE_P1-1)
  82 PD_DESCALE_P2   times 4 dd  1 << (DESCALE_P2-1)
  83 PB_CENTERJSAMP  times 16 db CENTERJSAMPLE
  84
  85         alignz  16
  86
  87 ; --------------------------------------------------------------------------
  88         SECTION SEG_TEXT
  89         BITS    64
  90 ;
  91 ; Perform dequantization and inverse DCT on one block of coefficients.
  92 ;
  93 ; GLOBAL(void)
  94 ; jsimd_idct_islow_sse2 (void *dct_table, JCOEFPTR coef_block,
  95 ;                        JSAMPARRAY output_buf, JDIMENSION output_col)
  96 ;
  97
  98 ; r10 = jpeg_component_info *compptr
  99 ; r11 = JCOEFPTR coef_block
 100 ; r12 = JSAMPARRAY output_buf
 101 ; r13 = JDIMENSION output_col
 102
 103 %define original_rbp    rbp+0
 104 %define wk(i)           rbp-(WK_NUM-(i))*SIZEOF_XMMWORD ; xmmword wk[WK_NUM]
 105 %define WK_NUM          12
 106
 107         align   16
 108         global  EXTN(jsimd_idct_islow_sse2)
 109
 110 EXTN(jsimd_idct_islow_sse2):
 111         push    rbp
 112         mov     rax,rsp                         ; rax = original rbp
 113         sub     rsp, byte 4
 114         and     rsp, byte (-SIZEOF_XMMWORD)     ; align to 128 bits
 115         mov     [rsp],rax
 116         mov     rbp,rsp                         ; rbp = aligned rbp
 117         lea     rsp, [wk(0)]
 118         collect_args
 119
 120         ; ---- Pass 1: process columns from input.
 121
 122         mov     rdx, r10                ; quantptr
 123         mov     rsi, r11                ; inptr
 124
 125 %ifndef NO_ZERO_COLUMN_TEST_ISLOW_SSE2
 126         mov     eax, DWORD [DWBLOCK(1,0,rsi,SIZEOF_JCOEF)]
 127         or      eax, DWORD [DWBLOCK(2,0,rsi,SIZEOF_JCOEF)]
 128         jnz     near .columnDCT
 129
 130         movdqa  xmm0, XMMWORD [XMMBLOCK(1,0,rsi,SIZEOF_JCOEF)]
 131         movdqa  xmm1, XMMWORD [XMMBLOCK(2,0,rsi,SIZEOF_JCOEF)]
 132         por     xmm0, XMMWORD [XMMBLOCK(3,0,rsi,SIZEOF_JCOEF)]
 133         por     xmm1, XMMWORD [XMMBLOCK(4,0,rsi,SIZEOF_JCOEF)]
 134         por     xmm0, XMMWORD [XMMBLOCK(5,0,rsi,SIZEOF_JCOEF)]
 135         por     xmm1, XMMWORD [XMMBLOCK(6,0,rsi,SIZEOF_JCOEF)]
 136         por     xmm0, XMMWORD [XMMBLOCK(7,0,rsi,SIZEOF_JCOEF)]
 137         por     xmm1,xmm0
 138         packsswb xmm1,xmm1
 139         packsswb xmm1,xmm1
 140         movd    eax,xmm1
 141         test    rax,rax
 142         jnz     short .columnDCT
 143
 144         ; -- AC terms all zero
 145
 146         movdqa  xmm5, XMMWORD [XMMBLOCK(0,0,rsi,SIZEOF_JCOEF)]
 147         pmullw  xmm5, XMMWORD [XMMBLOCK(0,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 148
 149         psllw   xmm5,PASS1_BITS
 150
 151         movdqa    xmm4,xmm5             ; xmm5=in0=(00 01 02 03 04 05 06 07)
 152         punpcklwd xmm5,xmm5             ; xmm5=(00 00 01 01 02 02 03 03)
 153         punpckhwd xmm4,xmm4             ; xmm4=(04 04 05 05 06 06 07 07)
 154
 155         pshufd  xmm7,xmm5,0x00          ; xmm7=col0=(00 00 00 00 00 00 00 00)
 156         pshufd  xmm6,xmm5,0x55          ; xmm6=col1=(01 01 01 01 01 01 01 01)
 157         pshufd  xmm1,xmm5,0xAA          ; xmm1=col2=(02 02 02 02 02 02 02 02)
 158         pshufd  xmm5,xmm5,0xFF          ; xmm5=col3=(03 03 03 03 03 03 03 03)
 159         pshufd  xmm0,xmm4,0x00          ; xmm0=col4=(04 04 04 04 04 04 04 04)
 160         pshufd  xmm3,xmm4,0x55          ; xmm3=col5=(05 05 05 05 05 05 05 05)
 161         pshufd  xmm2,xmm4,0xAA          ; xmm2=col6=(06 06 06 06 06 06 06 06)
 162         pshufd  xmm4,xmm4,0xFF          ; xmm4=col7=(07 07 07 07 07 07 07 07)
 163
 164         movdqa  XMMWORD [wk(8)], xmm6   ; wk(8)=col1
 165         movdqa  XMMWORD [wk(9)], xmm5   ; wk(9)=col3
 166         movdqa  XMMWORD [wk(10)], xmm3  ; wk(10)=col5
 167         movdqa  XMMWORD [wk(11)], xmm4  ; wk(11)=col7
 168         jmp     near .column_end
 169 %endif
 170 .columnDCT:
 171
 172         ; -- Even part
 173
 174         movdqa  xmm0, XMMWORD [XMMBLOCK(0,0,rsi,SIZEOF_JCOEF)]
 175         movdqa  xmm1, XMMWORD [XMMBLOCK(2,0,rsi,SIZEOF_JCOEF)]
 176         pmullw  xmm0, XMMWORD [XMMBLOCK(0,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 177         pmullw  xmm1, XMMWORD [XMMBLOCK(2,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 178         movdqa  xmm2, XMMWORD [XMMBLOCK(4,0,rsi,SIZEOF_JCOEF)]
 179         movdqa  xmm3, XMMWORD [XMMBLOCK(6,0,rsi,SIZEOF_JCOEF)]
 180         pmullw  xmm2, XMMWORD [XMMBLOCK(4,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 181         pmullw  xmm3, XMMWORD [XMMBLOCK(6,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 182
 183         ; (Original)
 184         ; z1 = (z2 + z3) * 0.541196100;
 185         ; tmp2 = z1 + z3 * -1.847759065;
 186         ; tmp3 = z1 + z2 * 0.765366865;
 187         ;
 188         ; (This implementation)
 189         ; tmp2 = z2 * 0.541196100 + z3 * (0.541196100 - 1.847759065);
 190         ; tmp3 = z2 * (0.541196100 + 0.765366865) + z3 * 0.541196100;
 191
 192         movdqa    xmm4,xmm1             ; xmm1=in2=z2
 193         movdqa    xmm5,xmm1
 194         punpcklwd xmm4,xmm3             ; xmm3=in6=z3
 195         punpckhwd xmm5,xmm3
 196         movdqa    xmm1,xmm4
 197         movdqa    xmm3,xmm5
 198         pmaddwd   xmm4,[rel PW_F130_F054]       ; xmm4=tmp3L
 199         pmaddwd   xmm5,[rel PW_F130_F054]       ; xmm5=tmp3H
 200         pmaddwd   xmm1,[rel PW_F054_MF130]      ; xmm1=tmp2L
 201         pmaddwd   xmm3,[rel PW_F054_MF130]      ; xmm3=tmp2H
 202
 203         movdqa    xmm6,xmm0
 204         paddw     xmm0,xmm2             ; xmm0=in0+in4
 205         psubw     xmm6,xmm2             ; xmm6=in0-in4
 206
 207         pxor      xmm7,xmm7
 208         pxor      xmm2,xmm2
 209         punpcklwd xmm7,xmm0             ; xmm7=tmp0L
 210         punpckhwd xmm2,xmm0             ; xmm2=tmp0H
 211         psrad     xmm7,(16-CONST_BITS)  ; psrad xmm7,16 & pslld xmm7,CONST_BITS
 212         psrad     xmm2,(16-CONST_BITS)  ; psrad xmm2,16 & pslld xmm2,CONST_BITS
 213
 214         movdqa  xmm0,xmm7
 215         paddd   xmm7,xmm4               ; xmm7=tmp10L
 216         psubd   xmm0,xmm4               ; xmm0=tmp13L
 217         movdqa  xmm4,xmm2
 218         paddd   xmm2,xmm5               ; xmm2=tmp10H
 219         psubd   xmm4,xmm5               ; xmm4=tmp13H
 220
 221         movdqa  XMMWORD [wk(0)], xmm7   ; wk(0)=tmp10L
 222         movdqa  XMMWORD [wk(1)], xmm2   ; wk(1)=tmp10H
 223         movdqa  XMMWORD [wk(2)], xmm0   ; wk(2)=tmp13L
 224         movdqa  XMMWORD [wk(3)], xmm4   ; wk(3)=tmp13H
 225
 226         pxor      xmm5,xmm5
 227         pxor      xmm7,xmm7
 228         punpcklwd xmm5,xmm6             ; xmm5=tmp1L
 229         punpckhwd xmm7,xmm6             ; xmm7=tmp1H
 230         psrad     xmm5,(16-CONST_BITS)  ; psrad xmm5,16 & pslld xmm5,CONST_BITS
 231         psrad     xmm7,(16-CONST_BITS)  ; psrad xmm7,16 & pslld xmm7,CONST_BITS
 232
 233         movdqa  xmm2,xmm5
 234         paddd   xmm5,xmm1               ; xmm5=tmp11L
 235         psubd   xmm2,xmm1               ; xmm2=tmp12L
 236         movdqa  xmm0,xmm7
 237         paddd   xmm7,xmm3               ; xmm7=tmp11H
 238         psubd   xmm0,xmm3               ; xmm0=tmp12H
 239
 240         movdqa  XMMWORD [wk(4)], xmm5   ; wk(4)=tmp11L
 241         movdqa  XMMWORD [wk(5)], xmm7   ; wk(5)=tmp11H
 242         movdqa  XMMWORD [wk(6)], xmm2   ; wk(6)=tmp12L
 243         movdqa  XMMWORD [wk(7)], xmm0   ; wk(7)=tmp12H
 244
 245         ; -- Odd part
 246
 247         movdqa  xmm4, XMMWORD [XMMBLOCK(1,0,rsi,SIZEOF_JCOEF)]
 248         movdqa  xmm6, XMMWORD [XMMBLOCK(3,0,rsi,SIZEOF_JCOEF)]
 249         pmullw  xmm4, XMMWORD [XMMBLOCK(1,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 250         pmullw  xmm6, XMMWORD [XMMBLOCK(3,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 251         movdqa  xmm1, XMMWORD [XMMBLOCK(5,0,rsi,SIZEOF_JCOEF)]
 252         movdqa  xmm3, XMMWORD [XMMBLOCK(7,0,rsi,SIZEOF_JCOEF)]
 253         pmullw  xmm1, XMMWORD [XMMBLOCK(5,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 254         pmullw  xmm3, XMMWORD [XMMBLOCK(7,0,rdx,SIZEOF_ISLOW_MULT_TYPE)]
 255
 256         movdqa  xmm5,xmm6
 257         movdqa  xmm7,xmm4
 258         paddw   xmm5,xmm3               ; xmm5=z3
 259         paddw   xmm7,xmm1               ; xmm7=z4
 260
 261         ; (Original)
 262         ; z5 = (z3 + z4) * 1.175875602;
 263         ; z3 = z3 * -1.961570560;  z4 = z4 * -0.390180644;
 264         ; z3 += z5;  z4 += z5;
 265         ;
 266         ; (This implementation)
 267         ; z3 = z3 * (1.175875602 - 1.961570560) + z4 * 1.175875602;
 268         ; z4 = z3 * 1.175875602 + z4 * (1.175875602 - 0.390180644);
 269
 270         movdqa    xmm2,xmm5
 271         movdqa    xmm0,xmm5
 272         punpcklwd xmm2,xmm7
 273         punpckhwd xmm0,xmm7
 274         movdqa    xmm5,xmm2
 275         movdqa    xmm7,xmm0
 276         pmaddwd   xmm2,[rel PW_MF078_F117]      ; xmm2=z3L
 277         pmaddwd   xmm0,[rel PW_MF078_F117]      ; xmm0=z3H
 278         pmaddwd   xmm5,[rel PW_F117_F078]       ; xmm5=z4L
 279         pmaddwd   xmm7,[rel PW_F117_F078]       ; xmm7=z4H
 280
 281         movdqa  XMMWORD [wk(10)], xmm2  ; wk(10)=z3L
 282         movdqa  XMMWORD [wk(11)], xmm0  ; wk(11)=z3H
 283
 284         ; (Original)
 285         ; z1 = tmp0 + tmp3;  z2 = tmp1 + tmp2;
 286         ; tmp0 = tmp0 * 0.298631336;  tmp1 = tmp1 * 2.053119869;
 287         ; tmp2 = tmp2 * 3.072711026;  tmp3 = tmp3 * 1.501321110;
 288         ; z1 = z1 * -0.899976223;  z2 = z2 * -2.562915447;
 289         ; tmp0 += z1 + z3;  tmp1 += z2 + z4;
 290         ; tmp2 += z2 + z3;  tmp3 += z1 + z4;
 291         ;
 292         ; (This implementation)
 293         ; tmp0 = tmp0 * (0.298631336 - 0.899976223) + tmp3 * -0.899976223;
 294         ; tmp1 = tmp1 * (2.053119869 - 2.562915447) + tmp2 * -2.562915447;
 295         ; tmp2 = tmp1 * -2.562915447 + tmp2 * (3.072711026 - 2.562915447);
 296         ; tmp3 = tmp0 * -0.899976223 + tmp3 * (1.501321110 - 0.899976223);
 297         ; tmp0 += z3;  tmp1 += z4;
 298         ; tmp2 += z3;  tmp3 += z4;
 299
 300         movdqa    xmm2,xmm3
 301         movdqa    xmm0,xmm3
 302         punpcklwd xmm2,xmm4
 303         punpckhwd xmm0,xmm4
 304         movdqa    xmm3,xmm2
 305         movdqa    xmm4,xmm0
 306         pmaddwd   xmm2,[rel PW_MF060_MF089]     ; xmm2=tmp0L
 307         pmaddwd   xmm0,[rel PW_MF060_MF089]     ; xmm0=tmp0H
 308         pmaddwd   xmm3,[rel PW_MF089_F060]      ; xmm3=tmp3L
 309         pmaddwd   xmm4,[rel PW_MF089_F060]      ; xmm4=tmp3H
 310
 311         paddd   xmm2, XMMWORD [wk(10)]  ; xmm2=tmp0L
 312         paddd   xmm0, XMMWORD [wk(11)]  ; xmm0=tmp0H
 313         paddd   xmm3,xmm5               ; xmm3=tmp3L
 314         paddd   xmm4,xmm7               ; xmm4=tmp3H
 315
 316         movdqa  XMMWORD [wk(8)], xmm2   ; wk(8)=tmp0L
 317         movdqa  XMMWORD [wk(9)], xmm0   ; wk(9)=tmp0H
 318
 319         movdqa    xmm2,xmm1
 320         movdqa    xmm0,xmm1
 321         punpcklwd xmm2,xmm6
 322         punpckhwd xmm0,xmm6
 323         movdqa    xmm1,xmm2
 324         movdqa    xmm6,xmm0
 325         pmaddwd   xmm2,[rel PW_MF050_MF256]     ; xmm2=tmp1L
 326         pmaddwd   xmm0,[rel PW_MF050_MF256]     ; xmm0=tmp1H
 327         pmaddwd   xmm1,[rel PW_MF256_F050]      ; xmm1=tmp2L
 328         pmaddwd   xmm6,[rel PW_MF256_F050]      ; xmm6=tmp2H
 329
 330         paddd   xmm2,xmm5               ; xmm2=tmp1L
 331         paddd   xmm0,xmm7               ; xmm0=tmp1H
 332         paddd   xmm1, XMMWORD [wk(10)]  ; xmm1=tmp2L
 333         paddd   xmm6, XMMWORD [wk(11)]  ; xmm6=tmp2H
 334
 335         movdqa  XMMWORD [wk(10)], xmm2  ; wk(10)=tmp1L
 336         movdqa  XMMWORD [wk(11)], xmm0  ; wk(11)=tmp1H
 337
 338         ; -- Final output stage
 339
 340         movdqa  xmm5, XMMWORD [wk(0)]   ; xmm5=tmp10L
 341         movdqa  xmm7, XMMWORD [wk(1)]   ; xmm7=tmp10H
 342
 343         movdqa  xmm2,xmm5
 344         movdqa  xmm0,xmm7
 345         paddd   xmm5,xmm3               ; xmm5=data0L
 346         paddd   xmm7,xmm4               ; xmm7=data0H
 347         psubd   xmm2,xmm3               ; xmm2=data7L
 348         psubd   xmm0,xmm4               ; xmm0=data7H
 349
 350         movdqa  xmm3,[rel PD_DESCALE_P1]        ; xmm3=[rel PD_DESCALE_P1]
 351
 352         paddd   xmm5,xmm3
 353         paddd   xmm7,xmm3
 354         psrad   xmm5,DESCALE_P1
 355         psrad   xmm7,DESCALE_P1
 356         paddd   xmm2,xmm3
 357         paddd   xmm0,xmm3
 358         psrad   xmm2,DESCALE_P1
 359         psrad   xmm0,DESCALE_P1
 360
 361         packssdw  xmm5,xmm7             ; xmm5=data0=(00 01 02 03 04 05 06 07)
 362         packssdw  xmm2,xmm0             ; xmm2=data7=(70 71 72 73 74 75 76 77)
 363
 364         movdqa  xmm4, XMMWORD [wk(4)]   ; xmm4=tmp11L
 365         movdqa  xmm3, XMMWORD [wk(5)]   ; xmm3=tmp11H
 366
 367         movdqa  xmm7,xmm4
 368         movdqa  xmm0,xmm3
 369         paddd   xmm4,xmm1               ; xmm4=data1L
 370         paddd   xmm3,xmm6               ; xmm3=data1H
 371         psubd   xmm7,xmm1               ; xmm7=data6L
 372         psubd   xmm0,xmm6               ; xmm0=data6H
 373
 374         movdqa  xmm1,[rel PD_DESCALE_P1]        ; xmm1=[rel PD_DESCALE_P1]
 375
 376         paddd   xmm4,xmm1
 377         paddd   xmm3,xmm1
 378         psrad   xmm4,DESCALE_P1
 379         psrad   xmm3,DESCALE_P1
 380         paddd   xmm7,xmm1
 381         paddd   xmm0,xmm1
 382         psrad   xmm7,DESCALE_P1
 383         psrad   xmm0,DESCALE_P1
 384
 385         packssdw  xmm4,xmm3             ; xmm4=data1=(10 11 12 13 14 15 16 17)
 386         packssdw  xmm7,xmm0             ; xmm7=data6=(60 61 62 63 64 65 66 67)
 387
 388         movdqa    xmm6,xmm5             ; transpose coefficients(phase 1)
 389         punpcklwd xmm5,xmm4             ; xmm5=(00 10 01 11 02 12 03 13)
 390         punpckhwd xmm6,xmm4             ; xmm6=(04 14 05 15 06 16 07 17)
 391         movdqa    xmm1,xmm7             ; transpose coefficients(phase 1)
 392         punpcklwd xmm7,xmm2             ; xmm7=(60 70 61 71 62 72 63 73)
 393         punpckhwd xmm1,xmm2             ; xmm1=(64 74 65 75 66 76 67 77)
 394
 395         movdqa  xmm3, XMMWORD [wk(6)]   ; xmm3=tmp12L
 396         movdqa  xmm0, XMMWORD [wk(7)]   ; xmm0=tmp12H
 397         movdqa  xmm4, XMMWORD [wk(10)]  ; xmm4=tmp1L
 398         movdqa  xmm2, XMMWORD [wk(11)]  ; xmm2=tmp1H
 399
 400         movdqa  XMMWORD [wk(0)], xmm5   ; wk(0)=(00 10 01 11 02 12 03 13)
 401         movdqa  XMMWORD [wk(1)], xmm6   ; wk(1)=(04 14 05 15 06 16 07 17)
 402         movdqa  XMMWORD [wk(4)], xmm7   ; wk(4)=(60 70 61 71 62 72 63 73)
 403         movdqa  XMMWORD [wk(5)], xmm1   ; wk(5)=(64 74 65 75 66 76 67 77)
 404
 405         movdqa  xmm5,xmm3
 406         movdqa  xmm6,xmm0
 407         paddd   xmm3,xmm4               ; xmm3=data2L
 408         paddd   xmm0,xmm2               ; xmm0=data2H
 409         psubd   xmm5,xmm4               ; xmm5=data5L
 410         psubd   xmm6,xmm2               ; xmm6=data5H
 411
 412         movdqa  xmm7,[rel PD_DESCALE_P1]        ; xmm7=[rel PD_DESCALE_P1]
 413
 414         paddd   xmm3,xmm7
 415         paddd   xmm0,xmm7
 416         psrad   xmm3,DESCALE_P1
 417         psrad   xmm0,DESCALE_P1
 418         paddd   xmm5,xmm7
 419         paddd   xmm6,xmm7
 420         psrad   xmm5,DESCALE_P1
 421         psrad   xmm6,DESCALE_P1
 422
 423         packssdw  xmm3,xmm0             ; xmm3=data2=(20 21 22 23 24 25 26 27)
 424         packssdw  xmm5,xmm6             ; xmm5=data5=(50 51 52 53 54 55 56 57)
 425
 426         movdqa  xmm1, XMMWORD [wk(2)]   ; xmm1=tmp13L
 427         movdqa  xmm4, XMMWORD [wk(3)]   ; xmm4=tmp13H
 428         movdqa  xmm2, XMMWORD [wk(8)]   ; xmm2=tmp0L
 429         movdqa  xmm7, XMMWORD [wk(9)]   ; xmm7=tmp0H
 430
 431         movdqa  xmm0,xmm1
 432         movdqa  xmm6,xmm4
 433         paddd   xmm1,xmm2               ; xmm1=data3L
 434         paddd   xmm4,xmm7               ; xmm4=data3H
 435         psubd   xmm0,xmm2               ; xmm0=data4L
 436         psubd   xmm6,xmm7               ; xmm6=data4H
 437
 438         movdqa  xmm2,[rel PD_DESCALE_P1]        ; xmm2=[rel PD_DESCALE_P1]
 439
 440         paddd   xmm1,xmm2
 441         paddd   xmm4,xmm2
 442         psrad   xmm1,DESCALE_P1
 443         psrad   xmm4,DESCALE_P1
 444         paddd   xmm0,xmm2
 445         paddd   xmm6,xmm2
 446         psrad   xmm0,DESCALE_P1
 447         psrad   xmm6,DESCALE_P1
 448
 449         packssdw  xmm1,xmm4             ; xmm1=data3=(30 31 32 33 34 35 36 37)
 450         packssdw  xmm0,xmm6             ; xmm0=data4=(40 41 42 43 44 45 46 47)
 451
 452         movdqa  xmm7, XMMWORD [wk(0)]   ; xmm7=(00 10 01 11 02 12 03 13)
 453         movdqa  xmm2, XMMWORD [wk(1)]   ; xmm2=(04 14 05 15 06 16 07 17)
 454
 455         movdqa    xmm4,xmm3             ; transpose coefficients(phase 1)
 456         punpcklwd xmm3,xmm1             ; xmm3=(20 30 21 31 22 32 23 33)
 457         punpckhwd xmm4,xmm1             ; xmm4=(24 34 25 35 26 36 27 37)
 458         movdqa    xmm6,xmm0             ; transpose coefficients(phase 1)
 459         punpcklwd xmm0,xmm5             ; xmm0=(40 50 41 51 42 52 43 53)
 460         punpckhwd xmm6,xmm5             ; xmm6=(44 54 45 55 46 56 47 57)
 461
 462         movdqa    xmm1,xmm7             ; transpose coefficients(phase 2)
 463         punpckldq xmm7,xmm3             ; xmm7=(00 10 20 30 01 11 21 31)
 464         punpckhdq xmm1,xmm3             ; xmm1=(02 12 22 32 03 13 23 33)
 465         movdqa    xmm5,xmm2             ; transpose coefficients(phase 2)
 466         punpckldq xmm2,xmm4             ; xmm2=(04 14 24 34 05 15 25 35)
 467         punpckhdq xmm5,xmm4             ; xmm5=(06 16 26 36 07 17 27 37)
 468
 469         movdqa  xmm3, XMMWORD [wk(4)]   ; xmm3=(60 70 61 71 62 72 63 73)
 470         movdqa  xmm4, XMMWORD [wk(5)]   ; xmm4=(64 74 65 75 66 76 67 77)
 471
 472         movdqa  XMMWORD [wk(6)], xmm2   ; wk(6)=(04 14 24 34 05 15 25 35)
 473         movdqa  XMMWORD [wk(7)], xmm5   ; wk(7)=(06 16 26 36 07 17 27 37)
 474
 475         movdqa    xmm2,xmm0             ; transpose coefficients(phase 2)
 476         punpckldq xmm0,xmm3             ; xmm0=(40 50 60 70 41 51 61 71)
 477         punpckhdq xmm2,xmm3             ; xmm2=(42 52 62 72 43 53 63 73)
 478         movdqa    xmm5,xmm6             ; transpose coefficients(phase 2)
 479         punpckldq xmm6,xmm4             ; xmm6=(44 54 64 74 45 55 65 75)
 480         punpckhdq xmm5,xmm4             ; xmm5=(46 56 66 76 47 57 67 77)
 481
 482         movdqa     xmm3,xmm7            ; transpose coefficients(phase 3)
 483         punpcklqdq xmm7,xmm0            ; xmm7=col0=(00 10 20 30 40 50 60 70)
 484         punpckhqdq xmm3,xmm0            ; xmm3=col1=(01 11 21 31 41 51 61 71)
 485         movdqa     xmm4,xmm1            ; transpose coefficients(phase 3)
 486         punpcklqdq xmm1,xmm2            ; xmm1=col2=(02 12 22 32 42 52 62 72)
 487         punpckhqdq xmm4,xmm2            ; xmm4=col3=(03 13 23 33 43 53 63 73)
 488
 489         movdqa  xmm0, XMMWORD [wk(6)]   ; xmm0=(04 14 24 34 05 15 25 35)
 490         movdqa  xmm2, XMMWORD [wk(7)]   ; xmm2=(06 16 26 36 07 17 27 37)
 491
 492         movdqa  XMMWORD [wk(8)], xmm3   ; wk(8)=col1
 493         movdqa  XMMWORD [wk(9)], xmm4   ; wk(9)=col3
 494
 495         movdqa     xmm3,xmm0            ; transpose coefficients(phase 3)
 496         punpcklqdq xmm0,xmm6            ; xmm0=col4=(04 14 24 34 44 54 64 74)
 497         punpckhqdq xmm3,xmm6            ; xmm3=col5=(05 15 25 35 45 55 65 75)
 498         movdqa     xmm4,xmm2            ; transpose coefficients(phase 3)
 499         punpcklqdq xmm2,xmm5            ; xmm2=col6=(06 16 26 36 46 56 66 76)
 500         punpckhqdq xmm4,xmm5            ; xmm4=col7=(07 17 27 37 47 57 67 77)
 501
 502         movdqa  XMMWORD [wk(10)], xmm3  ; wk(10)=col5
 503         movdqa  XMMWORD [wk(11)], xmm4  ; wk(11)=col7
 504 .column_end:
 505
 506         ; -- Prefetch the next coefficient block
 507
 508         prefetchnta [rsi + DCTSIZE2*SIZEOF_JCOEF + 0*32]
 509         prefetchnta [rsi + DCTSIZE2*SIZEOF_JCOEF + 1*32]
 510         prefetchnta [rsi + DCTSIZE2*SIZEOF_JCOEF + 2*32]
 511         prefetchnta [rsi + DCTSIZE2*SIZEOF_JCOEF + 3*32]
 512
 513         ; ---- Pass 2: process rows from work array, store into output array.
 514
 515         mov     rax, [original_rbp]
 516         mov     rdi, r12        ; (JSAMPROW *)
 517         mov     eax, r13d
 518
 519         ; -- Even part
 520
 521         ; xmm7=col0, xmm1=col2, xmm0=col4, xmm2=col6
 522
 523         ; (Original)
 524         ; z1 = (z2 + z3) * 0.541196100;
 525         ; tmp2 = z1 + z3 * -1.847759065;
 526         ; tmp3 = z1 + z2 * 0.765366865;
 527         ;
 528         ; (This implementation)
 529         ; tmp2 = z2 * 0.541196100 + z3 * (0.541196100 - 1.847759065);
 530         ; tmp3 = z2 * (0.541196100 + 0.765366865) + z3 * 0.541196100;
 531
 532         movdqa    xmm6,xmm1             ; xmm1=in2=z2
 533         movdqa    xmm5,xmm1
 534         punpcklwd xmm6,xmm2             ; xmm2=in6=z3
 535         punpckhwd xmm5,xmm2
 536         movdqa    xmm1,xmm6
 537         movdqa    xmm2,xmm5
 538         pmaddwd   xmm6,[rel PW_F130_F054]       ; xmm6=tmp3L
 539         pmaddwd   xmm5,[rel PW_F130_F054]       ; xmm5=tmp3H
 540         pmaddwd   xmm1,[rel PW_F054_MF130]      ; xmm1=tmp2L
 541         pmaddwd   xmm2,[rel PW_F054_MF130]      ; xmm2=tmp2H
 542
 543         movdqa    xmm3,xmm7
 544         paddw     xmm7,xmm0             ; xmm7=in0+in4
 545         psubw     xmm3,xmm0             ; xmm3=in0-in4
 546
 547         pxor      xmm4,xmm4
 548         pxor      xmm0,xmm0
 549         punpcklwd xmm4,xmm7             ; xmm4=tmp0L
 550         punpckhwd xmm0,xmm7             ; xmm0=tmp0H
 551         psrad     xmm4,(16-CONST_BITS)  ; psrad xmm4,16 & pslld xmm4,CONST_BITS
 552         psrad     xmm0,(16-CONST_BITS)  ; psrad xmm0,16 & pslld xmm0,CONST_BITS
 553
 554         movdqa  xmm7,xmm4
 555         paddd   xmm4,xmm6               ; xmm4=tmp10L
 556         psubd   xmm7,xmm6               ; xmm7=tmp13L
 557         movdqa  xmm6,xmm0
 558         paddd   xmm0,xmm5               ; xmm0=tmp10H
 559         psubd   xmm6,xmm5               ; xmm6=tmp13H
 560
 561         movdqa  XMMWORD [wk(0)], xmm4   ; wk(0)=tmp10L
 562         movdqa  XMMWORD [wk(1)], xmm0   ; wk(1)=tmp10H
 563         movdqa  XMMWORD [wk(2)], xmm7   ; wk(2)=tmp13L
 564         movdqa  XMMWORD [wk(3)], xmm6   ; wk(3)=tmp13H
 565
 566         pxor      xmm5,xmm5
 567         pxor      xmm4,xmm4
 568         punpcklwd xmm5,xmm3             ; xmm5=tmp1L
 569         punpckhwd xmm4,xmm3             ; xmm4=tmp1H
 570         psrad     xmm5,(16-CONST_BITS)  ; psrad xmm5,16 & pslld xmm5,CONST_BITS
 571         psrad     xmm4,(16-CONST_BITS)  ; psrad xmm4,16 & pslld xmm4,CONST_BITS
 572
 573         movdqa  xmm0,xmm5
 574         paddd   xmm5,xmm1               ; xmm5=tmp11L
 575         psubd   xmm0,xmm1               ; xmm0=tmp12L
 576         movdqa  xmm7,xmm4
 577         paddd   xmm4,xmm2               ; xmm4=tmp11H
 578         psubd   xmm7,xmm2               ; xmm7=tmp12H
 579
 580         movdqa  XMMWORD [wk(4)], xmm5   ; wk(4)=tmp11L
 581         movdqa  XMMWORD [wk(5)], xmm4   ; wk(5)=tmp11H
 582         movdqa  XMMWORD [wk(6)], xmm0   ; wk(6)=tmp12L
 583         movdqa  XMMWORD [wk(7)], xmm7   ; wk(7)=tmp12H
 584
 585         ; -- Odd part
 586
 587         movdqa  xmm6, XMMWORD [wk(9)]   ; xmm6=col3
 588         movdqa  xmm3, XMMWORD [wk(8)]   ; xmm3=col1
 589         movdqa  xmm1, XMMWORD [wk(11)]  ; xmm1=col7
 590         movdqa  xmm2, XMMWORD [wk(10)]  ; xmm2=col5
 591
 592         movdqa  xmm5,xmm6
 593         movdqa  xmm4,xmm3
 594         paddw   xmm5,xmm1               ; xmm5=z3
 595         paddw   xmm4,xmm2               ; xmm4=z4
 596
 597         ; (Original)
 598         ; z5 = (z3 + z4) * 1.175875602;
 599         ; z3 = z3 * -1.961570560;  z4 = z4 * -0.390180644;
 600         ; z3 += z5;  z4 += z5;
 601         ;
 602         ; (This implementation)
 603         ; z3 = z3 * (1.175875602 - 1.961570560) + z4 * 1.175875602;
 604         ; z4 = z3 * 1.175875602 + z4 * (1.175875602 - 0.390180644);
 605
 606         movdqa    xmm0,xmm5
 607         movdqa    xmm7,xmm5
 608         punpcklwd xmm0,xmm4
 609         punpckhwd xmm7,xmm4
 610         movdqa    xmm5,xmm0
 611         movdqa    xmm4,xmm7
 612         pmaddwd   xmm0,[rel PW_MF078_F117]      ; xmm0=z3L
 613         pmaddwd   xmm7,[rel PW_MF078_F117]      ; xmm7=z3H
 614         pmaddwd   xmm5,[rel PW_F117_F078]       ; xmm5=z4L
 615         pmaddwd   xmm4,[rel PW_F117_F078]       ; xmm4=z4H
 616
 617         movdqa  XMMWORD [wk(10)], xmm0  ; wk(10)=z3L
 618         movdqa  XMMWORD [wk(11)], xmm7  ; wk(11)=z3H
 619
 620         ; (Original)
 621         ; z1 = tmp0 + tmp3;  z2 = tmp1 + tmp2;
 622         ; tmp0 = tmp0 * 0.298631336;  tmp1 = tmp1 * 2.053119869;
 623         ; tmp2 = tmp2 * 3.072711026;  tmp3 = tmp3 * 1.501321110;
 624         ; z1 = z1 * -0.899976223;  z2 = z2 * -2.562915447;
 625         ; tmp0 += z1 + z3;  tmp1 += z2 + z4;
 626         ; tmp2 += z2 + z3;  tmp3 += z1 + z4;
 627         ;
 628         ; (This implementation)
 629         ; tmp0 = tmp0 * (0.298631336 - 0.899976223) + tmp3 * -0.899976223;
 630         ; tmp1 = tmp1 * (2.053119869 - 2.562915447) + tmp2 * -2.562915447;
 631         ; tmp2 = tmp1 * -2.562915447 + tmp2 * (3.072711026 - 2.562915447);
 632         ; tmp3 = tmp0 * -0.899976223 + tmp3 * (1.501321110 - 0.899976223);
 633         ; tmp0 += z3;  tmp1 += z4;
 634         ; tmp2 += z3;  tmp3 += z4;
 635
 636         movdqa    xmm0,xmm1
 637         movdqa    xmm7,xmm1
 638         punpcklwd xmm0,xmm3
 639         punpckhwd xmm7,xmm3
 640         movdqa    xmm1,xmm0
 641         movdqa    xmm3,xmm7
 642         pmaddwd   xmm0,[rel PW_MF060_MF089]     ; xmm0=tmp0L
 643         pmaddwd   xmm7,[rel PW_MF060_MF089]     ; xmm7=tmp0H
 644         pmaddwd   xmm1,[rel PW_MF089_F060]      ; xmm1=tmp3L
 645         pmaddwd   xmm3,[rel PW_MF089_F060]      ; xmm3=tmp3H
 646
 647         paddd   xmm0, XMMWORD [wk(10)]  ; xmm0=tmp0L
 648         paddd   xmm7, XMMWORD [wk(11)]  ; xmm7=tmp0H
 649         paddd   xmm1,xmm5               ; xmm1=tmp3L
 650         paddd   xmm3,xmm4               ; xmm3=tmp3H
 651
 652         movdqa  XMMWORD [wk(8)], xmm0   ; wk(8)=tmp0L
 653         movdqa  XMMWORD [wk(9)], xmm7   ; wk(9)=tmp0H
 654
 655         movdqa    xmm0,xmm2
 656         movdqa    xmm7,xmm2
 657         punpcklwd xmm0,xmm6
 658         punpckhwd xmm7,xmm6
 659         movdqa    xmm2,xmm0
 660         movdqa    xmm6,xmm7
 661         pmaddwd   xmm0,[rel PW_MF050_MF256]     ; xmm0=tmp1L
 662         pmaddwd   xmm7,[rel PW_MF050_MF256]     ; xmm7=tmp1H
 663         pmaddwd   xmm2,[rel PW_MF256_F050]      ; xmm2=tmp2L
 664         pmaddwd   xmm6,[rel PW_MF256_F050]      ; xmm6=tmp2H
 665
 666         paddd   xmm0,xmm5               ; xmm0=tmp1L
 667         paddd   xmm7,xmm4               ; xmm7=tmp1H
 668         paddd   xmm2, XMMWORD [wk(10)]  ; xmm2=tmp2L
 669         paddd   xmm6, XMMWORD [wk(11)]  ; xmm6=tmp2H
 670
 671         movdqa  XMMWORD [wk(10)], xmm0  ; wk(10)=tmp1L
 672         movdqa  XMMWORD [wk(11)], xmm7  ; wk(11)=tmp1H
 673
 674         ; -- Final output stage
 675
 676         movdqa  xmm5, XMMWORD [wk(0)]   ; xmm5=tmp10L
 677         movdqa  xmm4, XMMWORD [wk(1)]   ; xmm4=tmp10H
 678
 679         movdqa  xmm0,xmm5
 680         movdqa  xmm7,xmm4
 681         paddd   xmm5,xmm1               ; xmm5=data0L
 682         paddd   xmm4,xmm3               ; xmm4=data0H
 683         psubd   xmm0,xmm1               ; xmm0=data7L
 684         psubd   xmm7,xmm3               ; xmm7=data7H
 685
 686         movdqa  xmm1,[rel PD_DESCALE_P2]        ; xmm1=[rel PD_DESCALE_P2]
 687
 688         paddd   xmm5,xmm1
 689         paddd   xmm4,xmm1
 690         psrad   xmm5,DESCALE_P2
 691         psrad   xmm4,DESCALE_P2
 692         paddd   xmm0,xmm1
 693         paddd   xmm7,xmm1
 694         psrad   xmm0,DESCALE_P2
 695         psrad   xmm7,DESCALE_P2
 696
 697         packssdw  xmm5,xmm4             ; xmm5=data0=(00 10 20 30 40 50 60 70)
 698         packssdw  xmm0,xmm7             ; xmm0=data7=(07 17 27 37 47 57 67 77)
 699
 700         movdqa  xmm3, XMMWORD [wk(4)]   ; xmm3=tmp11L
 701         movdqa  xmm1, XMMWORD [wk(5)]   ; xmm1=tmp11H
 702
 703         movdqa  xmm4,xmm3
 704         movdqa  xmm7,xmm1
 705         paddd   xmm3,xmm2               ; xmm3=data1L
 706         paddd   xmm1,xmm6               ; xmm1=data1H
 707         psubd   xmm4,xmm2               ; xmm4=data6L
 708         psubd   xmm7,xmm6               ; xmm7=data6H
 709
 710         movdqa  xmm2,[rel PD_DESCALE_P2]        ; xmm2=[rel PD_DESCALE_P2]
 711
 712         paddd   xmm3,xmm2
 713         paddd   xmm1,xmm2
 714         psrad   xmm3,DESCALE_P2
 715         psrad   xmm1,DESCALE_P2
 716         paddd   xmm4,xmm2
 717         paddd   xmm7,xmm2
 718         psrad   xmm4,DESCALE_P2
 719         psrad   xmm7,DESCALE_P2
 720
 721         packssdw  xmm3,xmm1             ; xmm3=data1=(01 11 21 31 41 51 61 71)
 722         packssdw  xmm4,xmm7             ; xmm4=data6=(06 16 26 36 46 56 66 76)
 723
 724         packsswb  xmm5,xmm4             ; xmm5=(00 10 20 30 40 50 60 70 06 16 26 36 46 56 66 76)
 725         packsswb  xmm3,xmm0             ; xmm3=(01 11 21 31 41 51 61 71 07 17 27 37 47 57 67 77)
 726
 727         movdqa  xmm6, XMMWORD [wk(6)]   ; xmm6=tmp12L
 728         movdqa  xmm2, XMMWORD [wk(7)]   ; xmm2=tmp12H
 729         movdqa  xmm1, XMMWORD [wk(10)]  ; xmm1=tmp1L
 730         movdqa  xmm7, XMMWORD [wk(11)]  ; xmm7=tmp1H
 731
 732         movdqa  XMMWORD [wk(0)], xmm5   ; wk(0)=(00 10 20 30 40 50 60 70 06 16 26 36 46 56 66 76)
 733         movdqa  XMMWORD [wk(1)], xmm3   ; wk(1)=(01 11 21 31 41 51 61 71 07 17 27 37 47 57 67 77)
 734
 735         movdqa  xmm4,xmm6
 736         movdqa  xmm0,xmm2
 737         paddd   xmm6,xmm1               ; xmm6=data2L
 738         paddd   xmm2,xmm7               ; xmm2=data2H
 739         psubd   xmm4,xmm1               ; xmm4=data5L
 740         psubd   xmm0,xmm7               ; xmm0=data5H
 741
 742         movdqa  xmm5,[rel PD_DESCALE_P2]        ; xmm5=[rel PD_DESCALE_P2]
 743
 744         paddd   xmm6,xmm5
 745         paddd   xmm2,xmm5
 746         psrad   xmm6,DESCALE_P2
 747         psrad   xmm2,DESCALE_P2
 748         paddd   xmm4,xmm5
 749         paddd   xmm0,xmm5
 750         psrad   xmm4,DESCALE_P2
 751         psrad   xmm0,DESCALE_P2
 752
 753         packssdw  xmm6,xmm2             ; xmm6=data2=(02 12 22 32 42 52 62 72)
 754         packssdw  xmm4,xmm0             ; xmm4=data5=(05 15 25 35 45 55 65 75)
 755
 756         movdqa  xmm3, XMMWORD [wk(2)]   ; xmm3=tmp13L
 757         movdqa  xmm1, XMMWORD [wk(3)]   ; xmm1=tmp13H
 758         movdqa  xmm7, XMMWORD [wk(8)]   ; xmm7=tmp0L
 759         movdqa  xmm5, XMMWORD [wk(9)]   ; xmm5=tmp0H
 760
 761         movdqa  xmm2,xmm3
 762         movdqa  xmm0,xmm1
 763         paddd   xmm3,xmm7               ; xmm3=data3L
 764         paddd   xmm1,xmm5               ; xmm1=data3H
 765         psubd   xmm2,xmm7               ; xmm2=data4L
 766         psubd   xmm0,xmm5               ; xmm0=data4H
 767
 768         movdqa  xmm7,[rel PD_DESCALE_P2]        ; xmm7=[rel PD_DESCALE_P2]
 769
 770         paddd   xmm3,xmm7
 771         paddd   xmm1,xmm7
 772         psrad   xmm3,DESCALE_P2
 773         psrad   xmm1,DESCALE_P2
 774         paddd   xmm2,xmm7
 775         paddd   xmm0,xmm7
 776         psrad   xmm2,DESCALE_P2
 777         psrad   xmm0,DESCALE_P2
 778
 779         movdqa    xmm5,[rel PB_CENTERJSAMP]     ; xmm5=[rel PB_CENTERJSAMP]
 780
 781         packssdw  xmm3,xmm1             ; xmm3=data3=(03 13 23 33 43 53 63 73)
 782         packssdw  xmm2,xmm0             ; xmm2=data4=(04 14 24 34 44 54 64 74)
 783
 784         movdqa    xmm7, XMMWORD [wk(0)] ; xmm7=(00 10 20 30 40 50 60 70 06 16 26 36 46 56 66 76)
 785         movdqa    xmm1, XMMWORD [wk(1)] ; xmm1=(01 11 21 31 41 51 61 71 07 17 27 37 47 57 67 77)
 786
 787         packsswb  xmm6,xmm2             ; xmm6=(02 12 22 32 42 52 62 72 04 14 24 34 44 54 64 74)
 788         packsswb  xmm3,xmm4             ; xmm3=(03 13 23 33 43 53 63 73 05 15 25 35 45 55 65 75)
 789
 790         paddb     xmm7,xmm5
 791         paddb     xmm1,xmm5
 792         paddb     xmm6,xmm5
 793         paddb     xmm3,xmm5
 794
 795         movdqa    xmm0,xmm7     ; transpose coefficients(phase 1)
 796         punpcklbw xmm7,xmm1     ; xmm7=(00 01 10 11 20 21 30 31 40 41 50 51 60 61 70 71)
 797         punpckhbw xmm0,xmm1     ; xmm0=(06 07 16 17 26 27 36 37 46 47 56 57 66 67 76 77)
 798         movdqa    xmm2,xmm6     ; transpose coefficients(phase 1)
 799         punpcklbw xmm6,xmm3     ; xmm6=(02 03 12 13 22 23 32 33 42 43 52 53 62 63 72 73)
 800         punpckhbw xmm2,xmm3     ; xmm2=(04 05 14 15 24 25 34 35 44 45 54 55 64 65 74 75)
 801
 802         movdqa    xmm4,xmm7     ; transpose coefficients(phase 2)
 803         punpcklwd xmm7,xmm6     ; xmm7=(00 01 02 03 10 11 12 13 20 21 22 23 30 31 32 33)
 804         punpckhwd xmm4,xmm6     ; xmm4=(40 41 42 43 50 51 52 53 60 61 62 63 70 71 72 73)
 805         movdqa    xmm5,xmm2     ; transpose coefficients(phase 2)
 806         punpcklwd xmm2,xmm0     ; xmm2=(04 05 06 07 14 15 16 17 24 25 26 27 34 35 36 37)
 807         punpckhwd xmm5,xmm0     ; xmm5=(44 45 46 47 54 55 56 57 64 65 66 67 74 75 76 77)
 808
 809         movdqa    xmm1,xmm7     ; transpose coefficients(phase 3)
 810         punpckldq xmm7,xmm2     ; xmm7=(00 01 02 03 04 05 06 07 10 11 12 13 14 15 16 17)
 811         punpckhdq xmm1,xmm2     ; xmm1=(20 21 22 23 24 25 26 27 30 31 32 33 34 35 36 37)
 812         movdqa    xmm3,xmm4     ; transpose coefficients(phase 3)
 813         punpckldq xmm4,xmm5     ; xmm4=(40 41 42 43 44 45 46 47 50 51 52 53 54 55 56 57)
 814         punpckhdq xmm3,xmm5     ; xmm3=(60 61 62 63 64 65 66 67 70 71 72 73 74 75 76 77)
 815
 816         pshufd  xmm6,xmm7,0x4E  ; xmm6=(10 11 12 13 14 15 16 17 00 01 02 03 04 05 06 07)
 817         pshufd  xmm0,xmm1,0x4E  ; xmm0=(30 31 32 33 34 35 36 37 20 21 22 23 24 25 26 27)
 818         pshufd  xmm2,xmm4,0x4E  ; xmm2=(50 51 52 53 54 55 56 57 40 41 42 43 44 45 46 47)
 819         pshufd  xmm5,xmm3,0x4E  ; xmm5=(70 71 72 73 74 75 76 77 60 61 62 63 64 65 66 67)
 820
 821         mov     rdx, JSAMPROW [rdi+0*SIZEOF_JSAMPROW]
 822         mov     rsi, JSAMPROW [rdi+2*SIZEOF_JSAMPROW]
 823         movq    XMM_MMWORD [rdx+rax*SIZEOF_JSAMPLE], xmm7
 824         movq    XMM_MMWORD [rsi+rax*SIZEOF_JSAMPLE], xmm1
 825         mov     rdx, JSAMPROW [rdi+4*SIZEOF_JSAMPROW]
 826         mov     rsi, JSAMPROW [rdi+6*SIZEOF_JSAMPROW]
 827         movq    XMM_MMWORD [rdx+rax*SIZEOF_JSAMPLE], xmm4
 828         movq    XMM_MMWORD [rsi+rax*SIZEOF_JSAMPLE], xmm3
 829
 830         mov     rdx, JSAMPROW [rdi+1*SIZEOF_JSAMPROW]
 831         mov     rsi, JSAMPROW [rdi+3*SIZEOF_JSAMPROW]
 832         movq    XMM_MMWORD [rdx+rax*SIZEOF_JSAMPLE], xmm6
 833         movq    XMM_MMWORD [rsi+rax*SIZEOF_JSAMPLE], xmm0
 834         mov     rdx, JSAMPROW [rdi+5*SIZEOF_JSAMPROW]
 835         mov     rsi, JSAMPROW [rdi+7*SIZEOF_JSAMPROW]
 836         movq    XMM_MMWORD [rdx+rax*SIZEOF_JSAMPLE], xmm2
 837         movq    XMM_MMWORD [rsi+rax*SIZEOF_JSAMPLE], xmm5
 838
 839         uncollect_args
 840         mov     rsp,rbp         ; rsp <- aligned rbp
 841         pop     rsp             ; rsp <- original rbp
 842         pop     rbp
 843         ret
 844
 845 ; For some reason, the OS X linker does not honor the request to align the
 846 ; segment unless we do this.
 847         align   16