Arm 如何使用neon创建1/255 f32矢量？

当我计算alpha混合时，我需要将8bit alpha转换为float，即alpha/255。因为霓虹灯没有除法，所以我想要alpha*1/255。那么如何在q1中生成1/255向量呢

vmov.f32 q1，#0.003921569始终报告错误

vmov.u32 q1#255

---

vrecpe.u32 q1，q1在f32中始终生成0。

不是100%的答案，但由于到目前为止您还没有得到任何其他答案，我想我可以帮助您开始

根据我的记忆，可以使用

vmov.f32

加载的浮点子集非常有限，因此如果要加载任意浮点，需要将其存储为常量，并使用

vldr

从常量池加载。像这样的事情应该可以做到

ldr r1,=floats 

vldr.32 s0,[r1]     @1/256

floats:
.float 0.003921569

---

“非100%”部分是因为我没有查看向量指令，所以我不确定您是否可以立即用此代码中的

q1

替换

s0

，或者是否需要在加载后将

s0

移动到

q1

。

不是100%答案，但既然你还没有找到其他人，我想我会帮你开始

根据我的记忆，可以使用

vmov.f32

加载的浮点子集非常有限，因此如果要加载任意浮点，需要将其存储为常量，并使用

vldr

从常量池加载。像这样的事情应该可以做到

ldr r1,=floats 

vldr.32 s0,[r1]     @1/256

floats:
.float 0.003921569

---

“非100%”部分是因为我没有研究向量指令，所以我不确定您是否可以立即用此代码中的

q1

替换

s0

，或者是否需要在加载后将

s0

移动到

q1

。

您很接近了。在取倒数之前，需要将255的向量转换为浮点

vmov.u32        q0, #255
vcvt.f32.u32    q0, q0
vrecpe.f32      q1, q0

---

请注意，

vrecpe

有少量错误，但应该足够接近alpha混合。

您已经接近了。在取倒数之前，需要将255的向量转换为浮点

vmov.u32        q0, #255
vcvt.f32.u32    q0, q0
vrecpe.f32      q1, q0

请注意，

vrecpe

有少量错误，但它应该足够接近alpha混合。

可能是您想要的 float32x4_t x=vdupq_n_32（1.0f/255）

编译器负责计算常量，vdup指令将值广播到向量的所有四个通道

vdup指令支持霓虹灯标量和ARM寄存器作为源操作数 float32x4_t x=vdupq_n_32（1.0f/255）

编译器负责计算常量，vdup指令将值广播到向量的所有四个通道

---

vdup指令支持霓虹灯标量和ARM寄存器作为源操作数

对于一个简单的alpha混合，您真的不必为浮点而烦恼。鉴于：

y = rint(x * a / 255.0);

对于任何8位输入，您可以使用以下方法获得相同的结果，而无需使用浮点：

t = x * a;
t += (t + 0x80) >> 8;
y = (t + 0x80) >> 8;

这有点像：

; given eight 8-bit x in d0, and eight 8-bit a in d1
    vmull.u8 q2, d0, d1
    vrsra.u16 q2, q2, #8
    vrshrn.u16 d2, q2, #8
; result is eight 8-bit (s*a/255) in d2

通常，最后两个操作实现从16位输入到8位输出的整数除以255；但它们依赖于8乘8的有限范围。如果16位中间值不仅仅是乘法的结果，那么可能需要钳制，并且由于没有

vqrsra

序列，因此序列变长：

; given eight 8-bit x in d0, and eight 8-bit a in d1
    vmull.u8 q2, d0, d1
    ???
    vrshr.u16 q3, q2, #8
    vqadd.u16 q2, q2, q3
    vqrshrn.u16 d2, q2, #8
; result is eight 8-bit (s*a/255) in d2

---

对于一个简单的alpha混合，您真的不必为浮点而烦恼。鉴于：

y = rint(x * a / 255.0);

对于任何8位输入，您可以使用以下方法获得相同的结果，而无需使用浮点：

t = x * a;
t += (t + 0x80) >> 8;
y = (t + 0x80) >> 8;

这有点像：

; given eight 8-bit x in d0, and eight 8-bit a in d1
    vmull.u8 q2, d0, d1
    vrsra.u16 q2, q2, #8
    vrshrn.u16 d2, q2, #8
; result is eight 8-bit (s*a/255) in d2

通常，最后两个操作实现从16位输入到8位输出的整数除以255；但它们依赖于8乘8的有限范围。如果16位中间值不仅仅是乘法的结果，那么可能需要钳制，并且由于没有

vqrsra

序列，因此序列变长：

; given eight 8-bit x in d0, and eight 8-bit a in d1
    vmull.u8 q2, d0, d1
    ???
    vrshr.u16 q3, q2, #8
    vqadd.u16 q2, q2, q3
    vqrshrn.u16 d2, q2, #8
; result is eight 8-bit (s*a/255) in d2

---

谢谢你的回答！是的，neon也可以加载常量。asm代码嵌入在C中，因此我也可以在C中计算浮点常量。但是neon不能像r0那样移动寄存器到Q0/S0，对吗？也许我必须将常量传递给变量，并将变量地址传递给嵌入的asm代码。@RichardZhao:当然，您可以从r0移动到s0<代码>vmov s0，r0。您还可以将预计算的常数直接加载到

s0

或

q0

，这可能是您实际需要的。谢谢您的回答！是的，neon也可以加载常量。asm代码嵌入在C中，因此我也可以在C中计算浮点常量。但是neon不能像r0那样移动寄存器到Q0/S0，对吗？也许我必须将常量传递给变量，并将变量地址传递给嵌入的asm代码。@RichardZhao:当然，您可以从r0移动到s0<代码>vmov s0，r0。您还可以将预计算的常量直接加载到

s0

或

q0

，这可能是您实际需要的；使用16位定点算法可以获得足够的精度，这样可以在每个向量中保留更多的像素；您可以使用16位定点算法获得足够的精度，该算法允许在每个向量中保留更多像素。