Arm 运行长度编码-SIMD

我试图优化运行长度编码。我正在考虑在SIMD中实现它。我花了几个小时在algo上，但进展不大。值得一试吗？我正在制作霓虹灯

---

谢谢

我假设您的问题是JPEG中AC块系数编码中的RLE

在JPEG中使用的RLE变体非常具体。每个8x8像素的块用DCT变换并量化。然后针对第一个DC系数和63个AC系数分离DCT输出（64个系数）。8x8块AC coefs使用之字形模式转换为线性阵列，然后进行RLE编码

ZigZag通常与RLE run相结合，因此我们有具有非线性内存访问的RLE，并且应该优化这两个功能

警告！JPEG中的RLE仅用于零元素！，检查F.1.2.2.1和标准

一些实现：

有（主页是），其中一些分支是由Linaro在2010-2011年为ARM提供的

这个叉子里有：

• “前向离散余弦变换”中量化码的10臂霓虹灯优化（整数除法替换为浮点乘法）……此优化函数现在比原始C变量快近3倍-jcdctmgr.C-Siarhei Siamashka 2010-11-10
• 9-针对“encode_one_block”的ARM组件优化（针对“encode_one_block”的ARM组件优化。比原始C变体快近2倍）-jchuff.C-Siarhei Siamashka 2010-11-10
• 8臂霓虹灯“rgb_ycc_convert”的优化版本-Siarhei Siamashka 2010-11-10
• 7臂霓虹灯“ycc_rgb_convert”的优化版本-Siarhei Siamashka 2010-11-10
• 6.“convsamp”的小臂霓虹灯优化-Siarhei Siamashka 2010-11-10
• 5臂霓虹灯优化版“jpeg_fdct_ifast”-Siarhei Siamashka 2010-11-10
• 4臂霓虹灯“jpeg_idct_ifast”的优化版本-Siarhei Siamashka 2010-11-10
• 3臂霓虹灯优化版“jpeg_idct_4x4”-Siarhei Siamashka 2010-11-10

was ARM优化了

jchuff.c

文件，用于函数

encode_one_block

，该函数对块的AC和DC分量进行编码；但它是在不使用NEON的情况下完成的

/* Encode a single block's worth of coefficients */
LOCAL(boolean)   encode_one_block 

事实上，RLE并没有得到优化；但在ARM组件中的

find_last_nonzero_index

helper函数中实现了锯齿形和最后零coef检测。（它是使用生成的）或。它计划用于双重问题Cortex-A8：

* Find last nonzero coefficient and produce output in natural order,
* instructions are scheduled to make use of ARM Cortex-A8 dual-issue
* capability

这是相应的函数C代码：

LOCAL(int)
find_last_nonzero_index (JCOEFPTR block, JCOEFPTR out)
{
  int tmp, i, n = 0;
  for (i = 1; i < DCTSIZE2; i++) {
    if ((tmp = block[jpeg_natural_order[i]]) != 0)
      n = i;
    out[i] = tmp;
}
return n;

r

在

innerloop

宏中使用的是RLE计数器

这种带有手动编码之字形的线性RLE（用于Cortex-A8）应该比原始C版本更快，即使是Cortex-A9也是如此。多亏了Siarhei Siamashka

PS:libjpeg-turbo的当前版本在此RLE中没有arm优化：-innerloop被稍微重写为

kloop

，但RLE仍然是以非线性方式完成的；锯齿形没有从中分离出来

关于霓虹灯的几点思考

NEON有一组32个寄存器，每个寄存器的宽度为64位（D0..D31；根据Anderson@ELC 2011，），理论上，可以用于存储64个16位系数并实现ZigZag+RLE。仍在搜索实现

MPEG标准中也有类似的zig-zag+RLE，在x86和arm中也有一些SIMD实现。在SSSE3中，x86实现了；8x8 zigzag。但对于arm，只有x264实现了

PS：只为我和任何不了解Jpeg内部结构的人准备。本书中有简短易懂的Jpeg编码介绍

PPS（2013年2月18日13:30更新）：为了优化RLE编码，我们可以对AC系数中间的零进行预扫描搜索，然后处理预计算的数据。我们甚至可以将其保存为半字节或某些NEON Reg中的位

---

更新日期：2月18日：补丁作者表示commit 9的注释不准确。与jpeg6b相比，该代码有2倍的改进，而不是与libjpeg turbo相比。他表示，unroll by 63（如libjpeg tubro）的速度与此asm解决方案几乎相同（在某些测试中，它比其他版本稍好）.

请提供更多关于您的案例的详细信息。什么是压缩的，您的rle是如何编码的。可能需要添加一些示例代码（没有simd和with）？您的CPU是什么？您当前的速度是多少（MB/s）或者典型大小输入的延迟，目标是什么。我正在尝试优化JPEG压缩的运行长度编码部分。JPEG编码占用的大部分时间是这个RLE。我在ARM平台上工作。它有NEON simd引擎。是的。我在Cortex A9上工作。你的JPEG实现是什么？谢谢你的回答。我已经阅读了y优化了Neon中的DCT、Quant和zigzag模块，我想知道我是否可以为RLE部分做些什么。我在阅读开源代码时得到了一些提示。你的工作是开源的吗？你是从libjpeg还是libjpeg turbo开始的？你得到了什么提示？最后的非零函数和zigzag扫描可以在Neon中实现。但是真正的问题是，运行是否可以在neon中并行计算，以便AC大小和运行编码可以优化。但是，我觉得在neon中不可能，至少在运行部分是这样。所以，是的，我有点困在那里。你有没有关于如何以SIMD方式计算运行的提示。计算运行可以通过某种方式完成但最困难的部分是使用NEON存储零系数，而只存储非零系数的运行次数和值。Rugger，你能发布你当前的代码吗？你可以将其作为更新添加到问题中。

  for (k = 2; k <= last_nonzero_index; k += 2) {
      innerloop(k);
  }