1 ;*****************************************************************************
2 ;* x86util.asm: x86 utility macros
3 ;*****************************************************************************
4 ;* Copyright (C) 2008-2013 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 PSHUFLW %1, %2, (%3)*q1111
278 pshufd %1, %2, (%3)*q1111
280 pshufw %1, %2, (%3)*q0101 + ((%3)+1)*q1010
284 %macro CLIPW 3 ;(dst, min, max)
289 %macro HADDD 2 ; sum junk
292 vextracti128 %2, %1, 1
300 PSHUFLW %2, %1, q0032
306 %macro HADDW 2 ; reg, tmp
307 %if cpuflag(xop) && sizeof%1 == 16
318 %if cpuflag(xop) && sizeof%1 == 16
329 %if cpuflag(xop) && sizeof%1 == 16
339 %macro PALIGNR 4-5 ; [dst,] src1, src2, imm, tmp
342 palignr %1, %2, %3, %4
358 psllq %%dst, (8-%3)*8
376 ; shift a mmxreg by n bytes, or a xmmreg by 2*n bytes
377 ; values shifted in are undefined
379 %define PSLLPIX PSXLPIX l, -1, ;dst, src, shift
380 %define PSRLPIX PSXLPIX r, 1, ;dst, src, shift
386 pshufw %3, %4, (q3210<<8>>(8+%2*%5))&0xff
393 %macro DEINTB 5 ; mask, reg1, mask, reg2, optional src to fill masks from
395 pand m%3, m%5, m%4 ; src .. y6 .. y4
396 pand m%1, m%5, m%2 ; dst .. y6 .. y4
399 pand m%3, m%1, m%4 ; src .. y6 .. y4
400 pand m%1, m%1, m%2 ; dst .. y6 .. y4
402 psrlw m%2, 8 ; dst .. y7 .. y5
403 psrlw m%4, 8 ; src .. y7 .. y5
422 %macro SUMSUB_BADC 5-6
424 SUMSUB_BA %1, %2, %3, %6
425 SUMSUB_BA %1, %4, %5, %6
436 %macro HADAMARD4_V 4+
437 SUMSUB_BADC w, %1, %2, %3, %4
438 SUMSUB_BADC w, %1, %3, %2, %4
441 %macro HADAMARD8_V 8+
442 SUMSUB_BADC w, %1, %2, %3, %4
443 SUMSUB_BADC w, %5, %6, %7, %8
444 SUMSUB_BADC w, %1, %3, %2, %4
445 SUMSUB_BADC w, %5, %7, %6, %8
446 SUMSUB_BADC w, %1, %5, %2, %6
447 SUMSUB_BADC w, %3, %7, %4, %8
450 %macro TRANS_SSE2 5-6
452 ; %1: transpose width (d/q) - use SBUTTERFLY qdq for dq
453 ; %2: ord/unord (for compat with sse4, unused)
457 %define mask [mask_10]
460 %define mask [mask_1100]
463 %if %0==6 ; less dependency if we have two tmp
464 mova m%5, mask ; ff00
466 psll%1 m%4, shift ; x4..
468 pandn m%5, m%3 ; ..x0
469 psrl%1 m%3, shift ; ..x1
472 %else ; more dependency, one insn less. sometimes faster, sometimes not
474 psll%1 m%4, shift ; x4..
475 pxor m%4, m%3 ; (x4^x1)x0
476 pand m%4, mask ; (x4^x1)..
478 psrl%1 m%4, shift ; ..(x1^x4)
484 %macro TRANS_SSE4 5-6 ; see above
488 pblendw m%5, m%4, q2222
490 pblendw m%4, m%3, q1111
494 pblendw m%5, m%3, m%4, q2222
498 pblendw m%3, m%4, q2222
505 shufps m%5, m%3, m%4, q3131
506 shufps m%3, m%3, m%4, q2020
513 vpperm m%5, m%3, m%4, [transd_shuf1]
514 vpperm m%3, m%3, m%4, [transd_shuf2]
516 shufps m%5, m%3, m%4, q3131
517 shufps m%3, m%4, q2020
523 ; %1=distance in words (0 for vertical pass, 1/2/4 for horizontal passes)
524 ; %2=sumsub/max/amax (sum and diff / maximum / maximum of absolutes)
527 %if %1!=0 ; have to reorder stuff for horizontal op
530 ; sumsub needs order because a-b != b-a unless a=b
533 ; if we just max, order doesn't matter (allows pblendw+or in sse4)
536 TRANS d, ORDER, %3, %4, %5, %6
539 SBUTTERFLY dq, %3, %4, %5
541 TRANS q, ORDER, %3, %4, %5, %6
544 SBUTTERFLY qdq, %3, %4, %5
546 SBUTTERFLY dqqq, %3, %4, %5
550 SUMSUB_BA w, %3, %4, %5
554 ABSW2 m%3, m%4, m%3, m%4, m%5, m%6
565 %macro HADAMARD2_2D 6-7 sumsub
566 HADAMARD 0, sumsub, %1, %2, %5
567 HADAMARD 0, sumsub, %3, %4, %5
568 SBUTTERFLY %6, %1, %2, %5
570 HADAMARD 0, amax, %1, %2, %5, %7
572 HADAMARD 0, %7, %1, %2, %5
574 SBUTTERFLY %6, %3, %4, %5
576 HADAMARD 0, amax, %3, %4, %5, %7
578 HADAMARD 0, %7, %3, %4, %5
582 %macro HADAMARD4_2D 5-6 sumsub
583 HADAMARD2_2D %1, %2, %3, %4, %5, wd
584 HADAMARD2_2D %1, %3, %2, %4, %5, dq, %6
588 %macro HADAMARD4_2D_SSE 5-6 sumsub
589 HADAMARD 0, sumsub, %1, %2, %5 ; 1st V row 0 + 1
590 HADAMARD 0, sumsub, %3, %4, %5 ; 1st V row 2 + 3
591 SBUTTERFLY wd, %1, %2, %5 ; %1: m0 1+0 %2: m1 1+0
592 SBUTTERFLY wd, %3, %4, %5 ; %3: m0 3+2 %4: m1 3+2
593 HADAMARD2_2D %1, %3, %2, %4, %5, dq
594 SBUTTERFLY qdq, %1, %2, %5
595 HADAMARD 0, %6, %1, %2, %5 ; 2nd H m1/m0 row 0+1
596 SBUTTERFLY qdq, %3, %4, %5
597 HADAMARD 0, %6, %3, %4, %5 ; 2nd H m1/m0 row 2+3
600 %macro HADAMARD8_2D 9-10 sumsub
601 HADAMARD2_2D %1, %2, %3, %4, %9, wd
602 HADAMARD2_2D %5, %6, %7, %8, %9, wd
603 HADAMARD2_2D %1, %3, %2, %4, %9, dq
604 HADAMARD2_2D %5, %7, %6, %8, %9, dq
605 HADAMARD2_2D %1, %5, %3, %7, %9, qdq, %10
606 HADAMARD2_2D %2, %6, %4, %8, %9, qdq, %10
613 ; doesn't include the "pmaddubsw hmul_8p" pass
614 %macro HADAMARD8_2D_HMUL 10
615 HADAMARD4_V %1, %2, %3, %4, %9
616 HADAMARD4_V %5, %6, %7, %8, %9
617 SUMSUB_BADC w, %1, %5, %2, %6, %9
618 HADAMARD 2, sumsub, %1, %5, %9, %10
619 HADAMARD 2, sumsub, %2, %6, %9, %10
620 SUMSUB_BADC w, %3, %7, %4, %8, %9
621 HADAMARD 2, sumsub, %3, %7, %9, %10
622 HADAMARD 2, sumsub, %4, %8, %9, %10
623 HADAMARD 1, amax, %1, %5, %9, %10
624 HADAMARD 1, amax, %2, %6, %9, %5
625 HADAMARD 1, amax, %3, %7, %9, %5
626 HADAMARD 1, amax, %4, %8, %9, %5
631 pmacs%1%1 m%4, m%3, [p%1_m2], m%2
632 pmacs%1%1 m%2, m%2, [p%1_2], m%3
649 psra%1 m%5, m%2, 1 ; %3: %3>>1
650 psra%1 m%4, m%3, 1 ; %2: %2>>1
651 padd%1 m%4, m%2 ; %3: %3>>1+%2
652 psub%1 m%5, m%3 ; %2: %2>>1-%3
658 psra%1 m%3, 1 ; %3: %3>>1
659 psra%1 m%2, 1 ; %2: %2>>1
660 padd%1 m%3, %5 ; %3: %3>>1+%2
661 psub%1 m%2, %4 ; %2: %2>>1-%3
667 SUMSUB_BADC w, %4, %1, %3, %2, %5
668 SUMSUB_BA w, %3, %4, %5
669 SUMSUB2_AB w, %1, %2, %5
670 SWAP %1, %3, %4, %5, %2
672 SUMSUB_BADC w, %4, %1, %3, %2
675 SUMSUB2_AB w, %1, [%5], %2
682 SUMSUBD2_AB %1, %3, %5, %7, %6
683 ; %3: %3>>1-%5 %5: %3+%5>>1
684 SUMSUB_BA %1, %4, %2, %7
685 ; %4: %2+%4 %2: %2-%4
686 SUMSUB_BADC %1, %5, %4, %3, %2, %7
687 ; %5: %2+%4 + (%3+%5>>1)
688 ; %4: %2+%4 - (%3+%5>>1)
689 ; %3: %2-%4 + (%3>>1-%5)
690 ; %2: %2-%4 - (%3>>1-%5)
693 SUMSUBD2_AB %1, %3, %5, [%6], [%6+16]
695 SUMSUBD2_AB %1, %3, %5, [%6], [%6+32]
698 SUMSUB_BADC %1, %5, %4, %3, %2
701 ; %2: %2+%4 + (%3+%5>>1) row0
702 ; %3: %2-%4 + (%3>>1-%5) row1
703 ; %4: %2-%4 - (%3>>1-%5) row2
704 ; %5: %2+%4 - (%3+%5>>1) row3
708 %macro LOAD_DIFF 5-6 1
718 %else ; !HIGH_BIT_DEPTH
732 %endif ; HIGH_BIT_DEPTH
735 %macro LOAD_DIFF8x4 8 ; 4x dst, 1x tmp, 1x mul, 2x ptr
736 %if BIT_DEPTH == 8 && cpuflag(ssse3)
737 movh m%2, [%8+%1*FDEC_STRIDE]
738 movh m%1, [%7+%1*FENC_STRIDE]
740 movh m%3, [%8+%2*FDEC_STRIDE]
741 movh m%2, [%7+%2*FENC_STRIDE]
743 movh m%4, [%8+%3*FDEC_STRIDE]
744 movh m%3, [%7+%3*FENC_STRIDE]
746 movh m%5, [%8+%4*FDEC_STRIDE]
747 movh m%4, [%7+%4*FENC_STRIDE]
754 LOAD_DIFF m%1, m%5, m%6, [%7+%1*FENC_STRIDEB], [%8+%1*FDEC_STRIDEB]
755 LOAD_DIFF m%2, m%5, m%6, [%7+%2*FENC_STRIDEB], [%8+%2*FDEC_STRIDEB]
756 LOAD_DIFF m%3, m%5, m%6, [%7+%3*FENC_STRIDEB], [%8+%3*FDEC_STRIDEB]
757 LOAD_DIFF m%4, m%5, m%6, [%7+%4*FENC_STRIDEB], [%8+%4*FDEC_STRIDEB]
766 movhps [%5+%6+32], m%1
767 movhps [%5+%6+40], m%2
768 movhps [%5+%6+48], m%3
769 movhps [%5+%6+56], m%4
773 movhps [r0-4*FDEC_STRIDE], %1
774 movh [r0-3*FDEC_STRIDE], %1
775 movhps [r0-2*FDEC_STRIDE], %2
776 movh [r0-1*FDEC_STRIDE], %2
777 movhps [r0+0*FDEC_STRIDE], %3
778 movh [r0+1*FDEC_STRIDE], %3
779 movhps [r0+2*FDEC_STRIDE], %4
780 movh [r0+3*FDEC_STRIDE], %4
783 %macro LOAD_DIFF_8x4P 7-11 r0,r2,0,1 ; 4x dest, 2x temp, 2x pointer, increment, aligned?
784 LOAD_DIFF m%1, m%5, m%7, [%8], [%9], %11
785 LOAD_DIFF m%2, m%6, m%7, [%8+r1], [%9+r3], %11
786 LOAD_DIFF m%3, m%5, m%7, [%8+2*r1], [%9+2*r3], %11
787 LOAD_DIFF m%4, m%6, m%7, [%8+r4], [%9+r5], %11
794 ; 2xdst, 2xtmp, 2xsrcrow
795 %macro LOAD_DIFF16x2_AVX2 6
796 pmovzxbw m%1, [r1+%5*FENC_STRIDE]
797 pmovzxbw m%2, [r1+%6*FENC_STRIDE]
798 pmovzxbw m%3, [r2+(%5-4)*FDEC_STRIDE]
799 pmovzxbw m%4, [r2+(%6-4)*FDEC_STRIDE]
816 ; (high depth) in: %1, %2, min to clip, max to clip, mem128
817 ; in: %1, tmp, %3, mem64
818 %macro STORE_DIFF 4-5
836 %macro SHUFFLE_MASK_W 8
848 ; instruction, accum, input, iteration (zero to swap, nonzero to add)