video - 未对齐的内存访问

Question

我正在开发不支持未对齐内存访问的嵌入式设备。

对于视频解码器，我必须处理 8x8 像素 block 中的像素(每个像素一个字节)。该设备具有一些 SIMD 处理功能，使我能够并行处理 4 个字节。

问题是，不能保证 8x8 像素 block 从对齐地址开始，函数需要读取/写入这些 8x8 block 中的最多三个。

如果你想要非常好的性能，你会如何处理这个问题？经过一番思考，我提出了以下三个想法:

1. 以字节形式进行所有内存访问。这是最简单的方法，但速度很慢，而且不能很好地与 SIMD 功能配合使用(这是我目前在引用 C 代码中所做的)。

2. 编写四个复制函数(每个对齐情况一个)，通过两次 32 位读取加载像素数据，将位移动到正确的位置并将数据写入一些对齐的临时内存块。然后视频处理功能可以使用 32 位访问和 SIMD。缺点:CPU 将没有机会隐藏处理背后的内存延迟。

3. 与上述想法相同，但不是将像素写入暂存存储器，而是在适当的位置进行视频处理。这可能是最快的方法，但我必须为此方法编写的函数数量很多(我猜大约有 60 个)。

顺便说一句:我将不得不在汇编程序中编写所有函数，因为编译器在涉及 SIMD 扩展时会生成可怕的代码。

你会走哪条路，或者你有其他想法如何解决这个问题？

Answer 1

您可以使用 memcpy(如果我记得它可以优化以执行单词复制，如果可能)复制到对齐的数据结构(例如，分配在堆栈上或从 malloc)。然后对该对齐的数据结构执行处理。

不过，您很可能希望在处理器的寄存器中处理事情，而不是在内存中。你如何处理你的任务取决于硬件的能力(例如，一个 32 位寄存器可以分成四个 8 位寄存器吗？SIMD 操作对哪些寄存器进行操作？)如果你走简单的路线，您可以调用一个小型加载程序函数来为您执行未对齐读取。