1 ;*****************************************************************************
2 ;* x86util.asm: x86 utility macros
3 ;*****************************************************************************
4 ;* Copyright (C) 2008-2015 x264 project
6 ;* Authors: Holger Lubitz <holger@lubitz.org>
7 ;* Loren Merritt <lorenm@u.washington.edu>
9 ;* This program is free software; you can redistribute it and/or modify
10 ;* it under the terms of the GNU General Public License as published by
11 ;* the Free Software Foundation; either version 2 of the License, or
12 ;* (at your option) any later version.
14 ;* This program is distributed in the hope that it will be useful,
15 ;* but WITHOUT ANY WARRANTY; without even the implied warranty of
16 ;* MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
17 ;* GNU General Public License for more details.
19 ;* You should have received a copy of the GNU General Public License
20 ;* along with this program; if not, write to the Free Software
21 ;* Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02111, USA.
23 ;* This program is also available under a commercial proprietary license.
24 ;* For more information, contact us at licensing@x264.com.
25 ;*****************************************************************************
27 %assign FENC_STRIDE 16
28 %assign FDEC_STRIDE 32
30 %assign SIZEOF_PIXEL 1
31 %assign SIZEOF_DCTCOEF 2
33 %define vpbroadcastdct vpbroadcastw
34 %define vpbroadcastpix vpbroadcastb
36 %assign SIZEOF_PIXEL 2
37 %assign SIZEOF_DCTCOEF 4
39 %define vpbroadcastdct vpbroadcastd
40 %define vpbroadcastpix vpbroadcastw
43 %assign FENC_STRIDEB SIZEOF_PIXEL*FENC_STRIDE
44 %assign FDEC_STRIDEB SIZEOF_PIXEL*FDEC_STRIDE
46 %assign PIXEL_MAX ((1 << BIT_DEPTH)-1)
48 %macro FIX_STRIDES 1-*
60 vperm2i128 m%4, m%2, m%3, q0301 ; punpckh
61 vinserti128 m%2, m%2, xm%3, 1 ; punpckl
62 %elif avx_enabled && mmsize >= 16
63 punpckh%1 m%4, m%2, m%3
74 punpckl%1 m%4, m%2, m%3
75 punpckh%1 m%2, m%2, m%3
79 %macro TRANSPOSE4x4W 5
80 SBUTTERFLY wd, %1, %2, %5
81 SBUTTERFLY wd, %3, %4, %5
82 SBUTTERFLY dq, %1, %3, %5
83 SBUTTERFLY dq, %2, %4, %5
87 %macro TRANSPOSE2x4x4W 5
88 SBUTTERFLY wd, %1, %2, %5
89 SBUTTERFLY wd, %3, %4, %5
90 SBUTTERFLY dq, %1, %3, %5
91 SBUTTERFLY dq, %2, %4, %5
92 SBUTTERFLY qdq, %1, %2, %5
93 SBUTTERFLY qdq, %3, %4, %5
96 %macro TRANSPOSE4x4D 5
97 SBUTTERFLY dq, %1, %2, %5
98 SBUTTERFLY dq, %3, %4, %5
99 SBUTTERFLY qdq, %1, %3, %5
100 SBUTTERFLY qdq, %2, %4, %5
104 %macro TRANSPOSE8x8W 9-11
106 SBUTTERFLY wd, %1, %2, %9
107 SBUTTERFLY wd, %3, %4, %9
108 SBUTTERFLY wd, %5, %6, %9
109 SBUTTERFLY wd, %7, %8, %9
110 SBUTTERFLY dq, %1, %3, %9
111 SBUTTERFLY dq, %2, %4, %9
112 SBUTTERFLY dq, %5, %7, %9
113 SBUTTERFLY dq, %6, %8, %9
114 SBUTTERFLY qdq, %1, %5, %9
115 SBUTTERFLY qdq, %2, %6, %9
116 SBUTTERFLY qdq, %3, %7, %9
117 SBUTTERFLY qdq, %4, %8, %9
121 ; in: m0..m7, unless %11 in which case m6 is in %9
122 ; out: m0..m7, unless %11 in which case m4 is in %10
123 ; spills into %9 and %10
127 SBUTTERFLY wd, %1, %2, %7
130 SBUTTERFLY wd, %3, %4, %2
131 SBUTTERFLY wd, %5, %6, %2
132 SBUTTERFLY wd, %7, %8, %2
133 SBUTTERFLY dq, %1, %3, %2
136 SBUTTERFLY dq, %2, %4, %3
137 SBUTTERFLY dq, %5, %7, %3
138 SBUTTERFLY dq, %6, %8, %3
139 SBUTTERFLY qdq, %1, %5, %3
140 SBUTTERFLY qdq, %2, %6, %3
143 SBUTTERFLY qdq, %3, %7, %2
144 SBUTTERFLY qdq, %4, %8, %2
164 %macro ABSW 2-3 ; dst, src, tmp (tmp used only if dst==src)
167 %elifidn %3, sign ; version for pairing with PSIGNW: modifies src
193 %macro ABSW2 6 ; dst1, dst2, src1, src2, tmp, tmp
242 %if cpuflag(ssse3) && %0 == 4
255 %define PSIGNW PSIGN w,
256 %define PSIGND PSIGN d,
263 movd %1, [%2-3] ;to avoid crossing a cacheline
270 %if cpuflag(avx2) && %3 == 0
273 PSHUFLW %1, %2, (%3)*q1111
282 pshufd %1, %2, (%3)*q1111
284 pshufw %1, %2, (%3)*q0101 + ((%3)+1)*q1010
288 %macro CLIPW 3 ;(dst, min, max)
293 %macro HADDD 2 ; sum junk
296 vextracti128 %2, %1, 1
301 %if cpuflag(xop) && sizeof%1 == 16
307 %if notcpuflag(xop) || sizeof%1 != 16
308 PSHUFLW %2, %1, q0032
315 %macro HADDW 2 ; reg, tmp
316 %if cpuflag(xop) && sizeof%1 == 16
327 %if cpuflag(xop) && sizeof%1 == 16
338 %if cpuflag(xop) && sizeof%1 == 16
348 %macro PALIGNR 4-5 ; [dst,] src1, src2, imm, tmp
349 ; AVX2 version uses a precalculated extra input that
350 ; can be re-used across calls
352 ; %3 = abcdefgh ijklmnop (lower address)
353 ; %2 = ABCDEFGH IJKLMNOP (higher address)
354 ; vperm2i128 %5, %2, %3, q0003 ; %5 = ijklmnop ABCDEFGH
356 palignr %1, %5, %3, %4 ; %1 = bcdefghi jklmnopA
358 palignr %1, %2, %5, %4-16 ; %1 = pABCDEFG HIJKLMNO
362 palignr %1, %2, %3, %4
378 psllq %%dst, (8-%3)*8
396 ; shift a mmxreg by n bytes, or a xmmreg by 2*n bytes
397 ; values shifted in are undefined
399 %define PSLLPIX PSXLPIX l, -1, ;dst, src, shift
400 %define PSRLPIX PSXLPIX r, 1, ;dst, src, shift
406 pshufw %3, %4, (q3210<<8>>(8+%2*%5))&0xff
413 %macro DEINTB 5 ; mask, reg1, mask, reg2, optional src to fill masks from
415 pand m%3, m%5, m%4 ; src .. y6 .. y4
416 pand m%1, m%5, m%2 ; dst .. y6 .. y4
419 pand m%3, m%1, m%4 ; src .. y6 .. y4
420 pand m%1, m%1, m%2 ; dst .. y6 .. y4
422 psrlw m%2, 8 ; dst .. y7 .. y5
423 psrlw m%4, 8 ; src .. y7 .. y5
442 %macro SUMSUB_BADC 5-6
444 SUMSUB_BA %1, %2, %3, %6
445 SUMSUB_BA %1, %4, %5, %6
456 %macro HADAMARD4_V 4+
457 SUMSUB_BADC w, %1, %2, %3, %4
458 SUMSUB_BADC w, %1, %3, %2, %4
461 %macro HADAMARD8_V 8+
462 SUMSUB_BADC w, %1, %2, %3, %4
463 SUMSUB_BADC w, %5, %6, %7, %8
464 SUMSUB_BADC w, %1, %3, %2, %4
465 SUMSUB_BADC w, %5, %7, %6, %8
466 SUMSUB_BADC w, %1, %5, %2, %6
467 SUMSUB_BADC w, %3, %7, %4, %8
470 %macro TRANS_SSE2 5-6
472 ; %1: transpose width (d/q) - use SBUTTERFLY qdq for dq
473 ; %2: ord/unord (for compat with sse4, unused)
477 %define mask [mask_10]
480 %define mask [mask_1100]
483 %if %0==6 ; less dependency if we have two tmp
484 mova m%5, mask ; ff00
486 psll%1 m%4, shift ; x4..
488 pandn m%5, m%3 ; ..x0
489 psrl%1 m%3, shift ; ..x1
492 %else ; more dependency, one insn less. sometimes faster, sometimes not
494 psll%1 m%4, shift ; x4..
495 pxor m%4, m%3 ; (x4^x1)x0
496 pand m%4, mask ; (x4^x1)..
498 psrl%1 m%4, shift ; ..(x1^x4)
504 %macro TRANS_SSE4 5-6 ; see above
508 pblendw m%5, m%4, q2222
510 pblendw m%4, m%3, q1111
514 pblendw m%5, m%3, m%4, q2222
518 pblendw m%3, m%4, q2222
525 shufps m%5, m%3, m%4, q3131
526 shufps m%3, m%3, m%4, q2020
533 vpperm m%5, m%3, m%4, [transd_shuf1]
534 vpperm m%3, m%3, m%4, [transd_shuf2]
536 shufps m%5, m%3, m%4, q3131
537 shufps m%3, m%4, q2020
543 ; %1=distance in words (0 for vertical pass, 1/2/4 for horizontal passes)
544 ; %2=sumsub/max/amax (sum and diff / maximum / maximum of absolutes)
547 %if %1!=0 ; have to reorder stuff for horizontal op
550 ; sumsub needs order because a-b != b-a unless a=b
553 ; if we just max, order doesn't matter (allows pblendw+or in sse4)
556 TRANS d, ORDER, %3, %4, %5, %6
559 SBUTTERFLY dq, %3, %4, %5
561 TRANS q, ORDER, %3, %4, %5, %6
564 SBUTTERFLY qdq, %3, %4, %5
566 SBUTTERFLY dqqq, %3, %4, %5
570 SUMSUB_BA w, %3, %4, %5
574 ABSW2 m%3, m%4, m%3, m%4, m%5, m%6
585 %macro HADAMARD2_2D 6-7 sumsub
586 HADAMARD 0, sumsub, %1, %2, %5
587 HADAMARD 0, sumsub, %3, %4, %5
588 SBUTTERFLY %6, %1, %2, %5
590 HADAMARD 0, amax, %1, %2, %5, %7
592 HADAMARD 0, %7, %1, %2, %5
594 SBUTTERFLY %6, %3, %4, %5
596 HADAMARD 0, amax, %3, %4, %5, %7
598 HADAMARD 0, %7, %3, %4, %5
602 %macro HADAMARD4_2D 5-6 sumsub
603 HADAMARD2_2D %1, %2, %3, %4, %5, wd
604 HADAMARD2_2D %1, %3, %2, %4, %5, dq, %6
608 %macro HADAMARD4_2D_SSE 5-6 sumsub
609 HADAMARD 0, sumsub, %1, %2, %5 ; 1st V row 0 + 1
610 HADAMARD 0, sumsub, %3, %4, %5 ; 1st V row 2 + 3
611 SBUTTERFLY wd, %1, %2, %5 ; %1: m0 1+0 %2: m1 1+0
612 SBUTTERFLY wd, %3, %4, %5 ; %3: m0 3+2 %4: m1 3+2
613 HADAMARD2_2D %1, %3, %2, %4, %5, dq
614 SBUTTERFLY qdq, %1, %2, %5
615 HADAMARD 0, %6, %1, %2, %5 ; 2nd H m1/m0 row 0+1
616 SBUTTERFLY qdq, %3, %4, %5
617 HADAMARD 0, %6, %3, %4, %5 ; 2nd H m1/m0 row 2+3
620 %macro HADAMARD8_2D 9-10 sumsub
621 HADAMARD2_2D %1, %2, %3, %4, %9, wd
622 HADAMARD2_2D %5, %6, %7, %8, %9, wd
623 HADAMARD2_2D %1, %3, %2, %4, %9, dq
624 HADAMARD2_2D %5, %7, %6, %8, %9, dq
625 HADAMARD2_2D %1, %5, %3, %7, %9, qdq, %10
626 HADAMARD2_2D %2, %6, %4, %8, %9, qdq, %10
633 ; doesn't include the "pmaddubsw hmul_8p" pass
634 %macro HADAMARD8_2D_HMUL 10
635 HADAMARD4_V %1, %2, %3, %4, %9
636 HADAMARD4_V %5, %6, %7, %8, %9
637 SUMSUB_BADC w, %1, %5, %2, %6, %9
638 HADAMARD 2, sumsub, %1, %5, %9, %10
639 HADAMARD 2, sumsub, %2, %6, %9, %10
640 SUMSUB_BADC w, %3, %7, %4, %8, %9
641 HADAMARD 2, sumsub, %3, %7, %9, %10
642 HADAMARD 2, sumsub, %4, %8, %9, %10
643 HADAMARD 1, amax, %1, %5, %9, %10
644 HADAMARD 1, amax, %2, %6, %9, %5
645 HADAMARD 1, amax, %3, %7, %9, %5
646 HADAMARD 1, amax, %4, %8, %9, %5
651 pmacs%1%1 m%4, m%3, [p%1_m2], m%2
652 pmacs%1%1 m%2, m%2, [p%1_2], m%3
669 psra%1 m%5, m%2, 1 ; %3: %3>>1
670 psra%1 m%4, m%3, 1 ; %2: %2>>1
671 padd%1 m%4, m%2 ; %3: %3>>1+%2
672 psub%1 m%5, m%3 ; %2: %2>>1-%3
678 psra%1 m%3, 1 ; %3: %3>>1
679 psra%1 m%2, 1 ; %2: %2>>1
680 padd%1 m%3, %5 ; %3: %3>>1+%2
681 psub%1 m%2, %4 ; %2: %2>>1-%3
687 SUMSUB_BADC w, %4, %1, %3, %2, %5
688 SUMSUB_BA w, %3, %4, %5
689 SUMSUB2_AB w, %1, %2, %5
690 SWAP %1, %3, %4, %5, %2
692 SUMSUB_BADC w, %4, %1, %3, %2
695 SUMSUB2_AB w, %1, [%5], %2
702 SUMSUBD2_AB %1, %3, %5, %7, %6
703 ; %3: %3>>1-%5 %5: %3+%5>>1
704 SUMSUB_BA %1, %4, %2, %7
705 ; %4: %2+%4 %2: %2-%4
706 SUMSUB_BADC %1, %5, %4, %3, %2, %7
707 ; %5: %2+%4 + (%3+%5>>1)
708 ; %4: %2+%4 - (%3+%5>>1)
709 ; %3: %2-%4 + (%3>>1-%5)
710 ; %2: %2-%4 - (%3>>1-%5)
713 SUMSUBD2_AB %1, %3, %5, [%6], [%6+16]
715 SUMSUBD2_AB %1, %3, %5, [%6], [%6+32]
718 SUMSUB_BADC %1, %5, %4, %3, %2
721 ; %2: %2+%4 + (%3+%5>>1) row0
722 ; %3: %2-%4 + (%3>>1-%5) row1
723 ; %4: %2-%4 - (%3>>1-%5) row2
724 ; %5: %2+%4 - (%3+%5>>1) row3
728 %macro LOAD_DIFF 5-6 1
738 %else ; !HIGH_BIT_DEPTH
752 %endif ; HIGH_BIT_DEPTH
755 %macro LOAD_DIFF8x4 8 ; 4x dst, 1x tmp, 1x mul, 2x ptr
756 %if BIT_DEPTH == 8 && cpuflag(ssse3)
757 movh m%2, [%8+%1*FDEC_STRIDE]
758 movh m%1, [%7+%1*FENC_STRIDE]
760 movh m%3, [%8+%2*FDEC_STRIDE]
761 movh m%2, [%7+%2*FENC_STRIDE]
763 movh m%4, [%8+%3*FDEC_STRIDE]
764 movh m%3, [%7+%3*FENC_STRIDE]
766 movh m%5, [%8+%4*FDEC_STRIDE]
767 movh m%4, [%7+%4*FENC_STRIDE]
774 LOAD_DIFF m%1, m%5, m%6, [%7+%1*FENC_STRIDEB], [%8+%1*FDEC_STRIDEB]
775 LOAD_DIFF m%2, m%5, m%6, [%7+%2*FENC_STRIDEB], [%8+%2*FDEC_STRIDEB]
776 LOAD_DIFF m%3, m%5, m%6, [%7+%3*FENC_STRIDEB], [%8+%3*FDEC_STRIDEB]
777 LOAD_DIFF m%4, m%5, m%6, [%7+%4*FENC_STRIDEB], [%8+%4*FDEC_STRIDEB]
786 movhps [%5+%6+32], m%1
787 movhps [%5+%6+40], m%2
788 movhps [%5+%6+48], m%3
789 movhps [%5+%6+56], m%4
793 movhps [r0-4*FDEC_STRIDE], %1
794 movh [r0-3*FDEC_STRIDE], %1
795 movhps [r0-2*FDEC_STRIDE], %2
796 movh [r0-1*FDEC_STRIDE], %2
797 movhps [r0+0*FDEC_STRIDE], %3
798 movh [r0+1*FDEC_STRIDE], %3
799 movhps [r0+2*FDEC_STRIDE], %4
800 movh [r0+3*FDEC_STRIDE], %4
803 %macro LOAD_DIFF_8x4P 7-11 r0,r2,0,1 ; 4x dest, 2x temp, 2x pointer, increment, aligned?
804 LOAD_DIFF m%1, m%5, m%7, [%8], [%9], %11
805 LOAD_DIFF m%2, m%6, m%7, [%8+r1], [%9+r3], %11
806 LOAD_DIFF m%3, m%5, m%7, [%8+2*r1], [%9+2*r3], %11
807 LOAD_DIFF m%4, m%6, m%7, [%8+r4], [%9+r5], %11
814 ; 2xdst, 2xtmp, 2xsrcrow
815 %macro LOAD_DIFF16x2_AVX2 6
816 pmovzxbw m%1, [r1+%5*FENC_STRIDE]
817 pmovzxbw m%2, [r1+%6*FENC_STRIDE]
818 pmovzxbw m%3, [r2+(%5-4)*FDEC_STRIDE]
819 pmovzxbw m%4, [r2+(%6-4)*FDEC_STRIDE]
836 ; (high depth) in: %1, %2, min to clip, max to clip, mem128
837 ; in: %1, tmp, %3, mem64
838 %macro STORE_DIFF 4-5
856 %macro SHUFFLE_MASK_W 8
868 ; instruction, accum, input, iteration (zero to swap, nonzero to add)