neon指令进行yuv420到rgb24转换效率
从网上找到了一个用neon指令优化yuv420转换成rgb24的代码， 在cortex-A8架构、主频1G的cpu下进行对一帧qcif(176x144)数据测试，另外用网上很流行的用C写的算法做比较，发现前者的速度是后者的700多倍：前者循环1000次用时112ms，后者88645ms。相关代码如下：
汇编代码
AREA |.text|, CODE, READONLY ; name this block of code
EXPORT ImgYUV2RGB24_neon
ALIGN
;void ImgYUV2RGB24_neon(u8 *pu8RgbBuffer, u8 *pu8SrcYUV, l32 l32Width, l32 l32Height)
ImgYUV2RGB24_neon
;push {r4, r5, r6, r7, r8, r9, r10, lr}
stmfd sp!, {r4-r10,lr}
add r4, r2, r2
add r4, r4, r2 ;r4 : DstStride = 3 * l32Width
mul r5, r4, r3
sub r5, r5, r4
add r0, r0, r5 ;r0: pu8Dst = pu8Dst + l32DstStride * (l32Height - 1)
mul r5, r2, r3
add r6, r1, r5 ;r6 : pu8SrcU = pu8SrcYUV + l32Width * l32Height
add r7, r6, r5, lsr #2 ;r7 : pu8SrcV = pu8SrcU + ((l32Width * l32Height)>>2)
;lsr r8, r2, #3 ;r8 记录了col的循环次数， r2记录了YUV图像宽度
mov r8, r2, lsr #3
;lsr lr, r3, #1 ;lr 记录了Row的循环次数， r3记录了YUV图像高度
mov lr, r3, lsr #1
add r3, r1, r2 ;r1, pu8Src1; r3 : pu8Src2, r2 : l32Width
sub r5, r0, r4 ;r5 : pu8Dst2 = pu8Dst - l32DstStride
mov r9, #16
vdup.8 d8, r9
mov r10, #128
vdup.8 d9, r10
mov r9, #75
vdup.16 q5, r9 ;q5: 75
mov r10, #102
vdup.16 q6, r10 ;q6: 102
mov r9, #25
vdup.16 q7, r9 ;q7: 25
mov r10, #52
vdup.16 q8, r10 ;q8: 52
mov r9, #129
vdup.16 q9, r9 ;q9: 129
loop_row
loop_col
subs r8, r8, #1
vld1.u8 d0, [r1]! ;YLine1
vld1.u8 d2, [r3]! ;YLine2
vld1.32 {d4[0]}, [r6]! ;U
vld1.32 {d4[1]}, [r7]! ;V
vsubl.u8 q0, d0, d8 ;YLine2 - 16
vsubl.u8 q1, d2, d8 ;YLine1 - 16
vsubl.u8 q2, d4, d9
vmov q3, q2
vzip.s16 q2, q3 ;q2:U - 128 q3: V-128
;开始计算乘法部分
vmul.s16 q10, q3, q8
vmla.s16 q10, q2, q7 ;得到计算G分量所需要的后半部分U、V之和
vmul.s16 q11, q2, q9 ;得到计算B分量的后半部分所需要的U
vmul.s16 q12, q3, q6 ;得到计算R分量的后半部分所需要的V
;计算Y的部分乘积
vmul.s16 q0, q0, q5 ;q0、q1得到第一行Y的共8点乘积
vmul.s16 q1, q1, q5 ;q2、q3得到第二行Y的共8点乘积
;得到两行的G分量
vqsub.s16 q13, q0, q10
vqsub.s16 q14, q1, q10
vqrshrun.s16 d27, q13, #6 ;;;;;;;;;;;;;;;;;;第一行的G
vqrshrun.s16 d30, q14, #6 ;;;;;;;;;;;;;;;;;;第二行的G
;得到两行的B分量
vqadd.s16 q10, q0, q11
vqadd.s16 q11, q1, q11
vqrshrun.s16 d26, q10, #6 ;;;;;;;;;;;;;;;;;;第一行的B
vqrshrun.s16 d29, q11, #6 ;;;;;;;;;;;;;;;;;;第二行的B
;得到两行的R分量
vqadd.s16 q11, q0, q12
vqadd.s16 q12, q1, q12
vqrshrun.s16 d28, q11, #6 ;;;;;;;;;;;;;;;;;;第一行的R
vqrshrun.s16 d31, q12, #6 ;;;;;;;;;;;;;;;;;;第二行的R
;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;做interleave操作，形成RGB形式，然后存入目标buffer
vst3.8 {d26, d27, d28}, [r0]!
vst3.8 {d29, d30, d31}, [r5]!
bgt loop_col
subs lr, lr, #1
sub r0, r5, r4, lsl #1
sub r5, r0, r4
add r1, r1, r2
add r3, r3, r2
;lsr r8, r2, #3
mov r8, r2, lsr #3
bgt loop_row
;pop {r4, r5, r6, r7, r8, r9, r10, lr}
ldmfd sp!, {r4-r10,lr}
bx lr
END
C代码
void YUV420p_to_RGB24(unsigned char *yuv420[3], unsigned char *rgb24, int width, int height)
{
// int begin = GetTickCount();
int R,G,B,Y,U,V;
int x,y;
int nWidth = width>>1; //色度信号宽度
for (y=0;y<height;y++)
{
for (x=0;x<width;x++)
{
Y = *(yuv420[0] + y*width + x);
U = *(yuv420[1] + ((y>>1)*nWidth) + (x>>1));
V = *(yuv420[2] + ((y>>1)*nWidth) + (x>>1));
R = Y + 1.402*(V-128);
G = Y - 0.34414*(U-128) - 0.71414*(V-128);
B = Y + 1.772*(U-128);
//防止越界
if (R>255)R=255;
if (R<0)R=0;
if (G>255)G=255;
if (G<0)G=0;
if (B>255)B=255;
if (B<0)B=0;
*(rgb24 + ((height-y-1)*width + x)*3) = B;
*(rgb24 + ((height-y-1)*width + x)*3 + 1) = G;
*(rgb24 + ((height-y-1)*width + x)*3 + 2) = R;
// *(rgb24 + (y*width + x)*3) = B;
// *(rgb24 + (y*width + x)*3 + 1) = G;
// *(rgb24 + (y*width + x)*3 + 2) = R;
}
}
}