SkPx: new approach to fixed-point SIMD
authormtklein <mtklein@chromium.org>
Fri, 6 Nov 2015 22:10:48 +0000 (14:10 -0800)
committerCommit bot <commit-bot@chromium.org>
Fri, 6 Nov 2015 22:10:48 +0000 (14:10 -0800)
SkPx is like Sk4px, except each platform implementation of SkPx can declare
a different sweet spot of N pixels, with extra loads and stores to handle the
ragged edge of 0<n<N pixels.

In this case, _sse's sweet spot remains 4 pixels.   _neon jumps up to 8 so
we can now use NEON's transposing loads and stores, and _none is just 1.
This makes operations involving alpha considerably more efficient on NEON,
as alpha is its own distinct 8x8 bit plane that's easy to toss around.

This incorporates a few other improvements I've been wanting:
  - no requirement that we're dealing with SkPMColor.  SkColor works too.
  - no anonymous namespace hack to differentiate implementations.

Codegen and perf look good on Clang/x86-64 and GCC/ARMv7.
The NEON code looks very similar to the old NEON code, as intended.
No .skp or GM diffs on my laptop.  Don't expect any.

I intend this to replace Sk4px.  Plan after landing:
  - port SkXfermode_opts.h
  - port Color32 in SkBlitRow_D32.cpp (and move to SkBlitRow_opts.h like other
    SkOpts code)
  - delete all Sk4px-related code
  - clean up evolutionary dead ends in SkNx (Sk16b, Sk16h, Sk4i, Sk4d, etc.)
    leaving Sk2f, Sk4f (and Sk2s, Sk4s).
  - find a machine with AVX2 to work on, write SkPx_avx2.h handling 8 pixels
    at a time.

In the end we'll have Sk4f for float pixels, SkPx for fixed-point pixels.

BUG=skia:4117

Committed: https://skia.googlesource.com/skia/+/82c93b45ed6ac0b628adb8375389c202d1f586f9

CQ_EXTRA_TRYBOTS=client.skia:Test-Ubuntu-GCC-GCE-CPU-AVX2-x86_64-Release-SKNX_NO_SIMD-Trybot;client.skia.compile:Build-Mac10.8-Clang-Arm7-Debug-Android-Trybot

Committed: https://skia.googlesource.com/skia/+/a7627dc5cc2bf5d9a95d883d20c40d477ecadadf

Review URL: https://codereview.chromium.org/1317233005

src/core/SkPx.h [new file with mode: 0644]
src/opts/SkBlitMask_opts.h
src/opts/SkPx_neon.h [new file with mode: 0644]
src/opts/SkPx_none.h [new file with mode: 0644]
src/opts/SkPx_sse.h [new file with mode: 0644]

diff --git a/src/core/SkPx.h b/src/core/SkPx.h
new file mode 100644 (file)
index 0000000..62ec598
--- /dev/null
@@ -0,0 +1,89 @@
+/*
+ * Copyright 2015 Google Inc.
+ *
+ * Use of this source code is governed by a BSD-style license that can be
+ * found in the LICENSE file.
+ */
+
+#ifndef SkPx_DEFINED
+#define SkPx_DEFINED
+
+#include "SkTypes.h"
+#include "SkColorPriv.h"
+
+// We'll include one of src/opts/SkPx_{sse,neon,none}.h to define a type SkPx.
+//
+// SkPx represents up to SkPx::N 8888 pixels.  It's agnostic to whether these
+// are SkColors or SkPMColors; it only assumes that alpha is the high byte.
+static_assert(SK_A32_SHIFT == 24, "For both SkColor and SkPMColor, alpha is always the high byte.");
+//
+// SkPx::Alpha represents up to SkPx::N 8-bit values, usually coverage or alpha.
+// SkPx::Wide represents up to SkPx::N pixels with 16 bits per component.
+//
+// SkPx supports the following methods:
+//    static SkPx Dup(uint32_t);
+//    static SkPx Load(const uint32_t*);
+//    static SkPx Load(const uint32_t*, int n);  // where 0<n<SkPx::N
+//    void store(uint32_t*) const;
+//    void store(uint32_t*, int n) const;        // where 0<n<SkPx::N
+//
+//    Alpha alpha() const;    // argb -> a
+//    Wide widenLo() const;   // argb -> 0a0r0g0b
+//    Wide widenHi() const;   // argb -> a0r0g0b0
+//    Wide widenLoHi() const; // argb -> aarrggbb
+//
+//    SkPx    operator+(const SkPx&) const;
+//    SkPx    operator-(const SkPx&) const;
+//    SkPx saturatedAdd(const SkPx&) const;
+//
+//    Wide operator*(const Alpha&) const;  // argb * A -> (a*A)(r*A)(g*A)(b*A)
+//
+//    // Fast approximate (px*a+127)/255.
+//    // Never off by more than 1, and always correct when px or a is 0 or 255.
+//    // We use the approximation (px*a+px)/256.
+//    SkPx approxMulDiv255(const Alpha&) const;
+//
+//    SkPx addAlpha(const Alpha&) const;  // argb + A -> (a+A)rgb
+//
+// SkPx::Alpha supports the following methods:
+//    static Alpha Dup(uint8_t);
+//    static Alpha Load(const uint8_t*);
+//    static Alpha Load(const uint8_t*, int n);  // where 0<n<SkPx::N
+//
+//    Alpha inv() const;  // a -> 255-a
+//
+// SkPx::Wide supports the following methods:
+//    Wide operator+(const Wide&);
+//    Wide operator-(const Wide&);
+//    Wide shl<int bits>();
+//    Wide shr<int bits>();
+//
+//    // Return the high byte of each component of (*this + o.widenLo()).
+//    SkPx addNarrowHi(const SkPx& o);
+//
+// Methods left unwritten, but certainly to come:
+//    SkPx SkPx::operator<(const SkPx&) const;
+//    SkPx SkPx::thenElse(const SkPx& then, const SkPx& else) const;
+//    Wide Wide::operator<(const Wide&) const;
+//    Wide Wide::thenElse(const Wide& then, const Wide& else) const;
+//
+//    SkPx Wide::div255() const;  // Rounds, think (*this + 127) / 255.
+//
+//  The different implementations of SkPx have complete freedom to choose
+//  SkPx::N and how they represent SkPx, SkPx::Alpha, and SkPx::Wide.
+//
+//  All observable math must remain identical.
+
+#if defined(SKNX_NO_SIMD)
+    #include "../opts/SkPx_none.h"
+#else
+    #if SK_CPU_SSE_LEVEL >= SK_CPU_SSE_LEVEL_SSE2
+        #include "../opts/SkPx_sse.h"
+    #elif defined(SK_ARM_HAS_NEON)
+        #include "../opts/SkPx_neon.h"
+    #else
+        #include "../opts/SkPx_none.h"
+    #endif
+#endif
+
+#endif//SkPx_DEFINED
index 2f4fe6f..f4d7e79 100644 (file)
 #define SkBlitMask_opts_DEFINED
 
 #include "Sk4px.h"
+#include "SkPx.h"
 
 namespace SK_OPTS_NS {
 
-#if defined(SK_ARM_HAS_NEON)
-    // The Sk4px versions below will work fine with NEON, but we have had many indications
-    // that it doesn't perform as well as this NEON-specific code.  TODO(mtklein): why?
-    #include "SkColor_opts_neon.h"
-
-    template <bool isColor>
-    static void D32_A8_Opaque_Color_neon(void* SK_RESTRICT dst, size_t dstRB,
-                                         const void* SK_RESTRICT maskPtr, size_t maskRB,
-                                         SkColor color, int width, int height) {
-        SkPMColor pmc = SkPreMultiplyColor(color);
-        SkPMColor* SK_RESTRICT device = (SkPMColor*)dst;
-        const uint8_t* SK_RESTRICT mask = (const uint8_t*)maskPtr;
-        uint8x8x4_t vpmc;
-
-        maskRB -= width;
-        dstRB -= (width << 2);
-
-        if (width >= 8) {
-            vpmc.val[NEON_A] = vdup_n_u8(SkGetPackedA32(pmc));
-            vpmc.val[NEON_R] = vdup_n_u8(SkGetPackedR32(pmc));
-            vpmc.val[NEON_G] = vdup_n_u8(SkGetPackedG32(pmc));
-            vpmc.val[NEON_B] = vdup_n_u8(SkGetPackedB32(pmc));
+template <typename Fn>
+static void blit_mask_d32_a8(const Fn& fn, SkPMColor* dst, size_t dstRB,
+                                           const SkAlpha* mask, size_t maskRB,
+                                           int w, int h) {
+    while (h --> 0) {
+        int n = w;
+        while (n >= SkPx::N) {
+            fn(SkPx::Load(dst), SkPx::Alpha::Load(mask)).store(dst);
+            dst += SkPx::N; mask += SkPx::N; n -= SkPx::N;
         }
-        do {
-            int w = width;
-            while (w >= 8) {
-                uint8x8_t vmask = vld1_u8(mask);
-                uint16x8_t vscale, vmask256 = SkAlpha255To256_neon8(vmask);
-                if (isColor) {
-                    vscale = vsubw_u8(vdupq_n_u16(256),
-                            SkAlphaMul_neon8(vpmc.val[NEON_A], vmask256));
-                } else {
-                    vscale = vsubw_u8(vdupq_n_u16(256), vmask);
-                }
-                uint8x8x4_t vdev = vld4_u8((uint8_t*)device);
-
-                vdev.val[NEON_A] =   SkAlphaMul_neon8(vpmc.val[NEON_A], vmask256)
-                    + SkAlphaMul_neon8(vdev.val[NEON_A], vscale);
-                vdev.val[NEON_R] =   SkAlphaMul_neon8(vpmc.val[NEON_R], vmask256)
-                    + SkAlphaMul_neon8(vdev.val[NEON_R], vscale);
-                vdev.val[NEON_G] =   SkAlphaMul_neon8(vpmc.val[NEON_G], vmask256)
-                    + SkAlphaMul_neon8(vdev.val[NEON_G], vscale);
-                vdev.val[NEON_B] =   SkAlphaMul_neon8(vpmc.val[NEON_B], vmask256)
-                    + SkAlphaMul_neon8(vdev.val[NEON_B], vscale);
-
-                vst4_u8((uint8_t*)device, vdev);
-
-                mask += 8;
-                device += 8;
-                w -= 8;
-            }
-
-            while (w--) {
-                unsigned aa = *mask++;
-                if (isColor) {
-                    *device = SkBlendARGB32(pmc, *device, aa);
-                } else {
-                    *device = SkAlphaMulQ(pmc, SkAlpha255To256(aa))
-                        + SkAlphaMulQ(*device, SkAlpha255To256(255 - aa));
-                }
-                device += 1;
-            };
-
-            device = (uint32_t*)((char*)device + dstRB);
-            mask += maskRB;
-
-        } while (--height != 0);
-    }
-
-    static void blit_mask_d32_a8_general(SkPMColor* dst, size_t dstRB,
-                                         const SkAlpha* mask, size_t maskRB,
-                                         SkColor color, int w, int h) {
-        D32_A8_Opaque_Color_neon<true>(dst, dstRB, mask, maskRB, color, w, h);
-    }
-
-    // As above, but made slightly simpler by requiring that color is opaque.
-    static void blit_mask_d32_a8_opaque(SkPMColor* dst, size_t dstRB,
-                                        const SkAlpha* mask, size_t maskRB,
-                                        SkColor color, int w, int h) {
-        D32_A8_Opaque_Color_neon<false>(dst, dstRB, mask, maskRB, color, w, h);
-    }
-
-    // Same as _opaque, but assumes color == SK_ColorBLACK, a very common and even simpler case.
-    static void blit_mask_d32_a8_black(SkPMColor* dst, size_t dstRB,
-                                       const SkAlpha* maskPtr, size_t maskRB,
-                                       int width, int height) {
-        SkPMColor* SK_RESTRICT device = (SkPMColor*)dst;
-        const uint8_t* SK_RESTRICT mask = (const uint8_t*)maskPtr;
-
-        maskRB -= width;
-        dstRB -= (width << 2);
-        do {
-            int w = width;
-            while (w >= 8) {
-                uint8x8_t vmask = vld1_u8(mask);
-                uint16x8_t vscale = vsubw_u8(vdupq_n_u16(256), vmask);
-                uint8x8x4_t vdevice = vld4_u8((uint8_t*)device);
-
-                vdevice = SkAlphaMulQ_neon8(vdevice, vscale);
-                vdevice.val[NEON_A] += vmask;
-
-                vst4_u8((uint8_t*)device, vdevice);
-
-                mask += 8;
-                device += 8;
-                w -= 8;
-            }
-            while (w-- > 0) {
-                unsigned aa = *mask++;
-                *device = (aa << SK_A32_SHIFT)
-                            + SkAlphaMulQ(*device, SkAlpha255To256(255 - aa));
-                device += 1;
-            };
-            device = (uint32_t*)((char*)device + dstRB);
-            mask += maskRB;
-        } while (--height != 0);
-    }
-
-#else
-    static void blit_mask_d32_a8_general(SkPMColor* dst, size_t dstRB,
-                                         const SkAlpha* mask, size_t maskRB,
-                                         SkColor color, int w, int h) {
-        auto s = Sk4px::DupPMColor(SkPreMultiplyColor(color));
-        auto fn = [&](const Sk4px& d, const Sk4px& aa) {
-            //  = (s + d(1-sa))aa + d(1-aa)
-            //  = s*aa + d(1-sa*aa)
-            auto left  = s.approxMulDiv255(aa),
-                 right = d.approxMulDiv255(left.alphas().inv());
-            return left + right;  // This does not overflow (exhaustively checked).
-        };
-        while (h --> 0) {
-            Sk4px::MapDstAlpha(w, dst, mask, fn);
-            dst  +=  dstRB / sizeof(*dst);
-            mask += maskRB / sizeof(*mask);
+        if (n > 0) {
+            fn(SkPx::Load(dst, n), SkPx::Alpha::Load(mask, n)).store(dst, n);
+            dst += n; mask += n;
         }
+        dst  +=  dstRB / sizeof(*dst)  - w;
+        mask += maskRB / sizeof(*mask) - w;
     }
+}
 
-    // As above, but made slightly simpler by requiring that color is opaque.
-    static void blit_mask_d32_a8_opaque(SkPMColor* dst, size_t dstRB,
-                                        const SkAlpha* mask, size_t maskRB,
-                                        SkColor color, int w, int h) {
-        SkASSERT(SkColorGetA(color) == 0xFF);
-        auto s = Sk4px::DupPMColor(SkPreMultiplyColor(color));
-        auto fn = [&](const Sk4px& d, const Sk4px& aa) {
-            //  = (s + d(1-sa))aa + d(1-aa)
-            //  = s*aa + d(1-sa*aa)
-            //   ~~~>
-            //  = s*aa + d(1-aa)
-            return s.approxMulDiv255(aa) + d.approxMulDiv255(aa.inv());
-        };
-        while (h --> 0) {
-            Sk4px::MapDstAlpha(w, dst, mask, fn);
-            dst  +=  dstRB / sizeof(*dst);
-            mask += maskRB / sizeof(*mask);
-        }
-    }
+static void blit_mask_d32_a8(SkPMColor* dst, size_t dstRB,
+                             const SkAlpha* mask, size_t maskRB,
+                             SkColor color, int w, int h) {
+    auto s = SkPx::Dup(SkPreMultiplyColor(color));
 
-    // Same as _opaque, but assumes color == SK_ColorBLACK, a very common and even simpler case.
-    static void blit_mask_d32_a8_black(SkPMColor* dst, size_t dstRB,
-                                       const SkAlpha* mask, size_t maskRB,
-                                       int w, int h) {
-        auto fn = [](const Sk4px& d, const Sk4px& aa) {
+    if (color == SK_ColorBLACK) {
+        auto fn = [](const SkPx& d, const SkPx::Alpha& aa) {
             //   = (s + d(1-sa))aa + d(1-aa)
             //   = s*aa + d(1-sa*aa)
             //   ~~~>
             // a = 1*aa + d(1-1*aa) = aa + d(1-aa)
             // c = 0*aa + d(1-1*aa) =      d(1-aa)
-            return aa.zeroColors() + d.approxMulDiv255(aa.inv());
+            return d.approxMulDiv255(aa.inv()).addAlpha(aa);
         };
-        while (h --> 0) {
-            Sk4px::MapDstAlpha(w, dst, mask, fn);
-            dst  +=  dstRB / sizeof(*dst);
-            mask += maskRB / sizeof(*mask);
-        }
-    }
-#endif
-
-static void blit_mask_d32_a8(SkPMColor* dst, size_t dstRB,
-                             const SkAlpha* mask, size_t maskRB,
-                             SkColor color, int w, int h) {
-    if (color == SK_ColorBLACK) {
-        blit_mask_d32_a8_black(dst, dstRB, mask, maskRB, w, h);
+        blit_mask_d32_a8(fn, dst, dstRB, mask, maskRB, w, h);
     } else if (SkColorGetA(color) == 0xFF) {
-        blit_mask_d32_a8_opaque(dst, dstRB, mask, maskRB, color, w, h);
+        auto fn = [&](const SkPx& d, const SkPx::Alpha& aa) {
+            //  = (s + d(1-sa))aa + d(1-aa)
+            //  = s*aa + d(1-sa*aa)
+            //   ~~~>
+            //  = s*aa + d(1-aa)
+            return s.approxMulDiv255(aa) + d.approxMulDiv255(aa.inv());
+        };
+        blit_mask_d32_a8(fn, dst, dstRB, mask, maskRB, w, h);
     } else {
-        blit_mask_d32_a8_general(dst, dstRB, mask, maskRB, color, w, h);
+        auto fn = [&](const SkPx& d, const SkPx::Alpha& aa) {
+            //  = (s + d(1-sa))aa + d(1-aa)
+            //  = s*aa + d(1-sa*aa)
+            auto left  = s.approxMulDiv255(aa),
+                 right = d.approxMulDiv255(left.alpha().inv());
+            return left + right;  // This does not overflow (exhaustively checked).
+        };
+        blit_mask_d32_a8(fn, dst, dstRB, mask, maskRB, w, h);
     }
 }
 
diff --git a/src/opts/SkPx_neon.h b/src/opts/SkPx_neon.h
new file mode 100644 (file)
index 0000000..d529dd4
--- /dev/null
@@ -0,0 +1,183 @@
+/*
+ * Copyright 2015 Google Inc.
+ *
+ * Use of this source code is governed by a BSD-style license that can be
+ * found in the LICENSE file.
+ */
+
+#ifndef SkPx_neon_DEFINED
+#define SkPx_neon_DEFINED
+
+// When we have NEON, we like to work 8 pixels at a time.
+// This lets us exploit vld4/vst4 and represent SkPx as planar uint8x8x4_t,
+// Wide as planar uint16x8x4_t, and Alpha as a single uint8x8_t plane.
+
+struct SkPx_neon {
+    static const int N = 8;
+
+    uint8x8x4_t fVec;
+    SkPx_neon(uint8x8x4_t vec) : fVec(vec) {}
+
+    static SkPx_neon Dup(uint32_t px) { return vld4_dup_u8((const uint8_t*)&px); }
+    static SkPx_neon Load(const uint32_t* px) { return vld4_u8((const uint8_t*)px); }
+    static SkPx_neon Load(const uint32_t* px, int n) {
+        SkASSERT(0 < n && n < 8);
+        uint8x8x4_t v = vld4_dup_u8((const uint8_t*)px);  // n>=1, so start all lanes with pixel 0.
+        switch (n) {
+            case 7: v = vld4_lane_u8((const uint8_t*)(px+6), v, 6);  // fall through
+            case 6: v = vld4_lane_u8((const uint8_t*)(px+5), v, 5);  // fall through
+            case 5: v = vld4_lane_u8((const uint8_t*)(px+4), v, 4);  // fall through
+            case 4: v = vld4_lane_u8((const uint8_t*)(px+3), v, 3);  // fall through
+            case 3: v = vld4_lane_u8((const uint8_t*)(px+2), v, 2);  // fall through
+            case 2: v = vld4_lane_u8((const uint8_t*)(px+1), v, 1);
+        }
+        return v;
+    }
+
+    void store(uint32_t* px) const { vst4_u8((uint8_t*)px, fVec); }
+    void store(uint32_t* px, int n) const {
+        SkASSERT(0 < n && n < 8);
+        switch (n) {
+            case 7: vst4_lane_u8((uint8_t*)(px+6), fVec, 6);
+            case 6: vst4_lane_u8((uint8_t*)(px+5), fVec, 5);
+            case 5: vst4_lane_u8((uint8_t*)(px+4), fVec, 4);
+            case 4: vst4_lane_u8((uint8_t*)(px+3), fVec, 3);
+            case 3: vst4_lane_u8((uint8_t*)(px+2), fVec, 2);
+            case 2: vst4_lane_u8((uint8_t*)(px+1), fVec, 1);
+            case 1: vst4_lane_u8((uint8_t*)(px+0), fVec, 0);
+        }
+    }
+
+    struct Alpha {
+        uint8x8_t fA;
+        Alpha(uint8x8_t a) : fA(a) {}
+
+        static Alpha Dup(uint8_t a) { return vdup_n_u8(a); }
+        static Alpha Load(const uint8_t* a) { return vld1_u8(a); }
+        static Alpha Load(const uint8_t* a, int n) {
+            SkASSERT(0 < n && n < 8);
+            uint8x8_t v = vld1_dup_u8(a);  // n>=1, so start all lanes with alpha 0.
+            switch (n) {
+                case 7: v = vld1_lane_u8(a+6, v, 6);  // fall through
+                case 6: v = vld1_lane_u8(a+5, v, 5);  // fall through
+                case 5: v = vld1_lane_u8(a+4, v, 4);  // fall through
+                case 4: v = vld1_lane_u8(a+3, v, 3);  // fall through
+                case 3: v = vld1_lane_u8(a+2, v, 2);  // fall through
+                case 2: v = vld1_lane_u8(a+1, v, 1);
+            }
+            return v;
+        }
+        Alpha inv() const { return vsub_u8(vdup_n_u8(255), fA); }
+    };
+
+    struct Wide {
+        uint16x8x4_t fVec;
+        Wide(uint16x8x4_t vec) : fVec(vec) {}
+
+        Wide operator+(const Wide& o) const {
+            return (uint16x8x4_t) {{
+                vaddq_u16(fVec.val[0], o.fVec.val[0]),
+                vaddq_u16(fVec.val[1], o.fVec.val[1]),
+                vaddq_u16(fVec.val[2], o.fVec.val[2]),
+                vaddq_u16(fVec.val[3], o.fVec.val[3]),
+            }};
+        }
+        Wide operator-(const Wide& o) const {
+            return (uint16x8x4_t) {{
+                vsubq_u16(fVec.val[0], o.fVec.val[0]),
+                vsubq_u16(fVec.val[1], o.fVec.val[1]),
+                vsubq_u16(fVec.val[2], o.fVec.val[2]),
+                vsubq_u16(fVec.val[3], o.fVec.val[3]),
+            }};
+        }
+
+        template <int bits> Wide shl() const {
+            return (uint16x8x4_t) {{
+                vshlq_n_u16(fVec.val[0], bits),
+                vshlq_n_u16(fVec.val[1], bits),
+                vshlq_n_u16(fVec.val[2], bits),
+                vshlq_n_u16(fVec.val[3], bits),
+            }};
+        }
+        template <int bits> Wide shr() const {
+            return (uint16x8x4_t) {{
+                vshrq_n_u16(fVec.val[0], bits),
+                vshrq_n_u16(fVec.val[1], bits),
+                vshrq_n_u16(fVec.val[2], bits),
+                vshrq_n_u16(fVec.val[3], bits),
+            }};
+        }
+
+        SkPx_neon addNarrowHi(const SkPx_neon& o) const {
+            return (uint8x8x4_t) {{
+                vshrn_n_u16(vaddw_u8(fVec.val[0], o.fVec.val[0]), 8),
+                vshrn_n_u16(vaddw_u8(fVec.val[1], o.fVec.val[1]), 8),
+                vshrn_n_u16(vaddw_u8(fVec.val[2], o.fVec.val[2]), 8),
+                vshrn_n_u16(vaddw_u8(fVec.val[3], o.fVec.val[3]), 8),
+            }};
+        }
+    };
+
+    Alpha alpha() const { return fVec.val[3]; }
+
+    Wide widenLo() const {
+        return (uint16x8x4_t) {{
+            vmovl_u8(fVec.val[0]),
+            vmovl_u8(fVec.val[1]),
+            vmovl_u8(fVec.val[2]),
+            vmovl_u8(fVec.val[3]),
+        }};
+    }
+    // TODO: these two can probably be done faster.
+    Wide widenHi() const { return this->widenLo().shl<8>(); }
+    Wide widenLoHi() const { return this->widenLo() + this->widenHi(); }
+
+    SkPx_neon operator+(const SkPx_neon& o) const {
+        return (uint8x8x4_t) {{
+            vadd_u8(fVec.val[0], o.fVec.val[0]),
+            vadd_u8(fVec.val[1], o.fVec.val[1]),
+            vadd_u8(fVec.val[2], o.fVec.val[2]),
+            vadd_u8(fVec.val[3], o.fVec.val[3]),
+        }};
+    }
+    SkPx_neon operator-(const SkPx_neon& o) const {
+        return (uint8x8x4_t) {{
+            vsub_u8(fVec.val[0], o.fVec.val[0]),
+            vsub_u8(fVec.val[1], o.fVec.val[1]),
+            vsub_u8(fVec.val[2], o.fVec.val[2]),
+            vsub_u8(fVec.val[3], o.fVec.val[3]),
+        }};
+    }
+    SkPx_neon saturatedAdd(const SkPx_neon& o) const {
+        return (uint8x8x4_t) {{
+            vqadd_u8(fVec.val[0], o.fVec.val[0]),
+            vqadd_u8(fVec.val[1], o.fVec.val[1]),
+            vqadd_u8(fVec.val[2], o.fVec.val[2]),
+            vqadd_u8(fVec.val[3], o.fVec.val[3]),
+        }};
+    }
+
+    Wide operator*(const Alpha& a) const {
+        return (uint16x8x4_t) {{
+            vmull_u8(fVec.val[0], a.fA),
+            vmull_u8(fVec.val[1], a.fA),
+            vmull_u8(fVec.val[2], a.fA),
+            vmull_u8(fVec.val[3], a.fA),
+        }};
+    }
+    SkPx_neon approxMulDiv255(const Alpha& a) const {
+        return (*this * a).addNarrowHi(*this);
+    }
+
+    SkPx_neon addAlpha(const Alpha& a) const {
+        return (uint8x8x4_t) {{
+            fVec.val[0],
+            fVec.val[1],
+            fVec.val[2],
+            vadd_u8(fVec.val[3], a.fA),
+        }};
+    }
+};
+typedef SkPx_neon SkPx;
+
+#endif//SkPx_neon_DEFINED
diff --git a/src/opts/SkPx_none.h b/src/opts/SkPx_none.h
new file mode 100644 (file)
index 0000000..bc4c6a3
--- /dev/null
@@ -0,0 +1,106 @@
+/*
+ * Copyright 2015 Google Inc.
+ *
+ * Use of this source code is governed by a BSD-style license that can be
+ * found in the LICENSE file.
+ */
+
+#ifndef SkPx_none_DEFINED
+#define SkPx_none_DEFINED
+
+// Nothing fancy here.  We're the backup _none case after all.
+// Our declared sweet spot is simply a single pixel at a time.
+
+struct SkPx_none {
+    static const int N = 1;
+    uint8_t f8[4];
+
+    SkPx_none(uint32_t px) { memcpy(f8, &px, 4); }
+    SkPx_none(uint8_t x, uint8_t y, uint8_t z, uint8_t a) {
+        f8[0] = x; f8[1] = y; f8[2] = z; f8[3] = a;
+    }
+
+    static SkPx_none Dup(uint32_t px) { return px; }
+    static SkPx_none Load(const uint32_t* px) { return *px; }
+    static SkPx_none Load(const uint32_t* px, int n) {
+        SkASSERT(false);  // There are no 0<n<1.
+        return 0;
+    }
+
+    void store(uint32_t* px) const { memcpy(px, f8, 4); }
+    void store(uint32_t* px, int n) const {
+        SkASSERT(false);  // There are no 0<n<1.
+    }
+
+    struct Alpha {
+        uint8_t fA;
+        Alpha(uint8_t a) : fA(a) {}
+
+        static Alpha Dup(uint8_t a) { return a; }
+        static Alpha Load(const uint8_t* a) { return *a; }
+        static Alpha Load(const uint8_t* a, int n) {
+            SkASSERT(false);  // There are no 0<n<1.
+            return 0;
+        }
+        Alpha inv() const { return 255 - fA; }
+    };
+
+    struct Wide {
+        uint16_t f16[4];
+
+        Wide(uint16_t x, uint16_t y, uint16_t z, uint16_t a) {
+            f16[0] = x; f16[1] = y; f16[2] = z; f16[3] = a;
+        }
+
+        Wide operator+(const Wide& o) const {
+            return Wide(f16[0]+o.f16[0], f16[1]+o.f16[1], f16[2]+o.f16[2], f16[3]+o.f16[3]);
+        }
+        Wide operator-(const Wide& o) const {
+            return Wide(f16[0]-o.f16[0], f16[1]-o.f16[1], f16[2]-o.f16[2], f16[3]-o.f16[3]);
+        }
+        template <int bits> Wide shl() const {
+            return Wide(f16[0]<<bits, f16[1]<<bits, f16[2]<<bits, f16[3]<<bits);
+        }
+        template <int bits> Wide shr() const {
+            return Wide(f16[0]>>bits, f16[1]>>bits, f16[2]>>bits, f16[3]>>bits);
+        }
+
+        SkPx_none addNarrowHi(const SkPx_none& o) const {
+            Wide sum = (*this + o.widenLo()).shr<8>();
+            return SkPx_none(sum.f16[0], sum.f16[1], sum.f16[2], sum.f16[3]);
+        }
+    };
+
+    Alpha alpha() const { return f8[3]; }
+
+    Wide widenLo() const { return Wide(f8[0], f8[1], f8[2], f8[3]); }
+    Wide widenHi() const { return this->widenLo().shl<8>(); }
+    Wide widenLoHi() const { return this->widenLo() + this->widenHi(); }
+
+    SkPx_none operator+(const SkPx_none& o) const {
+        return SkPx_none(f8[0]+o.f8[0], f8[1]+o.f8[1], f8[2]+o.f8[2], f8[3]+o.f8[3]);
+    }
+    SkPx_none operator-(const SkPx_none& o) const {
+        return SkPx_none(f8[0]-o.f8[0], f8[1]-o.f8[1], f8[2]-o.f8[2], f8[3]-o.f8[3]);
+    }
+    SkPx_none saturatedAdd(const SkPx_none& o) const {
+        return SkPx_none(SkTMax(0, SkTMin(255, f8[0]+o.f8[0])),
+                         SkTMax(0, SkTMin(255, f8[1]+o.f8[1])),
+                         SkTMax(0, SkTMin(255, f8[2]+o.f8[2])),
+                         SkTMax(0, SkTMin(255, f8[3]+o.f8[3])));
+    }
+
+    Wide operator*(const Alpha& a) const {
+        return Wide(f8[0]*a.fA, f8[1]*a.fA, f8[2]*a.fA, f8[3]*a.fA);
+    }
+    SkPx_none approxMulDiv255(const Alpha& a) const {
+        return (*this * a).addNarrowHi(*this);
+    }
+
+    SkPx_none addAlpha(const Alpha& a) const {
+        return SkPx_none(f8[0], f8[1], f8[2], f8[3]+a.fA);
+    }
+};
+typedef SkPx_none SkPx;
+
+#endif//SkPx_none_DEFINED
diff --git a/src/opts/SkPx_sse.h b/src/opts/SkPx_sse.h
new file mode 100644 (file)
index 0000000..dedf0b5
--- /dev/null
@@ -0,0 +1,150 @@
+/*
+ * Copyright 2015 Google Inc.
+ *
+ * Use of this source code is governed by a BSD-style license that can be
+ * found in the LICENSE file.
+ */
+
+#ifndef SkPx_sse_DEFINED
+#define SkPx_sse_DEFINED
+
+// SkPx_sse's sweet spot is to work with 4 pixels at a time,
+// stored interlaced, just as they sit in memory: rgba rgba rgba rgba.
+
+// SkPx_sse's best way to work with alphas is similar,
+// replicating the 4 alphas 4 times each across the pixel: aaaa aaaa aaaa aaaa.
+
+// When working with fewer than 4 pixels, we load the pixels in the low lanes,
+// usually filling the top lanes with zeros (but who cares, might be junk).
+
+struct SkPx_sse {
+    static const int N = 4;
+
+    __m128i fVec;
+    SkPx_sse(__m128i vec) : fVec(vec) {}
+
+    static SkPx_sse Dup(uint32_t px) { return _mm_set1_epi32(px); }
+    static SkPx_sse Load(const uint32_t* px) { return _mm_loadu_si128((const __m128i*)px); }
+    static SkPx_sse Load(const uint32_t* px, int n) {
+        SkASSERT(n > 0 && n < 4);
+        switch (n) {
+            case 1: return _mm_cvtsi32_si128(px[0]);
+            case 2: return _mm_loadl_epi64((const __m128i*)px);
+            case 3: return _mm_or_si128(_mm_loadl_epi64((const __m128i*)px),
+                                        _mm_slli_si128(_mm_cvtsi32_si128(px[2]), 8));
+        }
+        return _mm_setzero_si128();  // Not actually reachable.
+    }
+
+    void store(uint32_t* px) const { _mm_storeu_si128((__m128i*)px, fVec); }
+    void store(uint32_t* px, int n) const {
+        SkASSERT(n > 0 && n < 4);
+        __m128i v = fVec;
+        if (n & 1) {
+            *px++ = _mm_cvtsi128_si32(v);
+            v = _mm_srli_si128(v, 4);
+        }
+        if (n & 2) {
+            _mm_storel_epi64((__m128i*)px, v);
+        }
+    }
+
+    struct Alpha {
+        __m128i fVec;
+        Alpha(__m128i vec) : fVec(vec) {}
+
+        static Alpha Dup(uint8_t a) { return _mm_set1_epi8(a); }
+        static Alpha Load(const uint8_t* a) {
+            __m128i as = _mm_cvtsi32_si128(*(const uint32_t*)a);    // ____ ____ ____ 3210
+        #if SK_CPU_SSE_LEVEL >= SK_CPU_SSE_LEVEL_SSSE3
+            return _mm_shuffle_epi8(as, _mm_set_epi8(3,3,3,3, 2,2,2,2, 1,1,1,1, 0,0,0,0));
+        #else
+            as   = _mm_unpacklo_epi8 (as, _mm_setzero_si128());     // ____ ____ _3_2 _1_0
+            as   = _mm_unpacklo_epi16(as, _mm_setzero_si128());     // ___3 ___2 ___1 ___0
+            as   = _mm_or_si128(as, _mm_slli_si128(as, 1));         // __33 __22 __11 __00
+            return _mm_or_si128(as, _mm_slli_si128(as, 2));         // 3333 2222 1111 0000
+        #endif
+        }
+        static Alpha Load(const uint8_t* a, int n) {
+            SkASSERT(n > 0 && n < 4);
+            uint8_t a4[] = { 0,0,0,0 };
+            switch (n) {
+                case 3: a4[2] = a[2];  // fall through
+                case 2: a4[1] = a[1];  // fall through
+                case 1: a4[0] = a[0];
+            }
+            return Load(a4);
+        }
+
+        Alpha inv() const { return _mm_sub_epi8(_mm_set1_epi8(~0), fVec); }
+    };
+
+    struct Wide {
+        __m128i fLo, fHi;
+        Wide(__m128i lo, __m128i hi) : fLo(lo), fHi(hi) {}
+
+        Wide operator+(const Wide& o) const {
+            return Wide(_mm_add_epi16(fLo, o.fLo), _mm_add_epi16(fHi, o.fHi));
+        }
+        Wide operator-(const Wide& o) const {
+            return Wide(_mm_sub_epi16(fLo, o.fLo), _mm_sub_epi16(fHi, o.fHi));
+        }
+        template <int bits> Wide shl() const {
+            return Wide(_mm_slli_epi16(fLo, bits), _mm_slli_epi16(fHi, bits));
+        }
+        template <int bits> Wide shr() const {
+            return Wide(_mm_srli_epi16(fLo, bits), _mm_srli_epi16(fHi, bits));
+        }
+
+        SkPx_sse addNarrowHi(const SkPx_sse& o) const {
+            Wide sum = (*this + o.widenLo()).shr<8>();
+            return _mm_packus_epi16(sum.fLo, sum.fHi);
+        }
+    };
+
+    Alpha alpha() const {
+    #if SK_CPU_SSE_LEVEL >= SK_CPU_SSE_LEVEL_SSSE3
+        return _mm_shuffle_epi8(fVec, _mm_set_epi8(15,15,15,15, 11,11,11,11, 7,7,7,7, 3,3,3,3));
+    #else
+        __m128i as = _mm_srli_epi32(fVec, 24);           // ___3 ___2 ___1 ___0
+        as   = _mm_or_si128(as, _mm_slli_si128(as, 1));  // __33 __22 __11 __00
+        return _mm_or_si128(as, _mm_slli_si128(as, 2));  // 3333 2222 1111 0000
+    #endif
+    }
+
+    Wide widenLo() const {
+        return Wide(_mm_unpacklo_epi8(fVec, _mm_setzero_si128()),
+                    _mm_unpackhi_epi8(fVec, _mm_setzero_si128()));
+    }
+    Wide widenHi() const {
+        return Wide(_mm_unpacklo_epi8(_mm_setzero_si128(), fVec),
+                    _mm_unpackhi_epi8(_mm_setzero_si128(), fVec));
+    }
+    Wide widenLoHi() const {
+        return Wide(_mm_unpacklo_epi8(fVec, fVec),
+                    _mm_unpackhi_epi8(fVec, fVec));
+    }
+
+    SkPx_sse    operator+(const SkPx_sse& o) const { return _mm_add_epi8(fVec, o.fVec); }
+    SkPx_sse    operator-(const SkPx_sse& o) const { return _mm_sub_epi8(fVec, o.fVec); }
+    SkPx_sse saturatedAdd(const SkPx_sse& o) const { return _mm_adds_epi8(fVec, o.fVec); }
+
+    Wide operator*(const Alpha& a) const {
+        __m128i pLo = _mm_unpacklo_epi8(  fVec, _mm_setzero_si128()),
+                aLo = _mm_unpacklo_epi8(a.fVec, _mm_setzero_si128()),
+                pHi = _mm_unpackhi_epi8(  fVec, _mm_setzero_si128()),
+                aHi = _mm_unpackhi_epi8(a.fVec, _mm_setzero_si128());
+        return Wide(_mm_mullo_epi16(pLo, aLo), _mm_mullo_epi16(pHi, aHi));
+    }
+    SkPx_sse approxMulDiv255(const Alpha& a) const {
+        return (*this * a).addNarrowHi(*this);
+    }
+
+    SkPx_sse addAlpha(const Alpha& a) const {
+        return _mm_add_epi8(fVec, _mm_and_si128(a.fVec, _mm_set1_epi32(0xFF000000)));
+    }
+};
+
+typedef SkPx_sse SkPx;
+
+#endif//SkPx_sse_DEFINED