Assembly 使用霓虹灯在v7臂上进行图像卷积

我正在为用neon（.s或instric）编写的ARMV7汇编中的Raspberry Pi 2寻找一个非常快速的卷积函数

如果这不存在（我搜索了好几天），欢迎任何帮助来编写它，我开始阅读neon程序员指南，但这很难

我尝试了一个ARM程序的基本函数，它有一个参数和一个返回值，我可以用C++调用它，所以它工作。 我尝试了一个基本的测试，将数据移动到neon寄存器vld1_u8，我可以用vst1_u8检索它，所以头和编译器是可以的

对我来说，最复杂的是设计一个函数并选择正确的指令来实现它：

数据：320x240灰度图像（有符号8位/像素）
速率：20 fps
矩阵：包含从-1到1的浮点值（基本无因子，因子和=0，大小为7x7，但可以扩展为0到8x8）

我试着做：

将内存传输到64位寄存器：

uint8x8_t ui88Line1 = vld1_u8 ( Data + 8*0 );

将数据从64位寄存器传输到128位寄存器，并进行8位到16位的转换

uint16x8_t ui816Kernel1 = vmovl_u8 ( ui88Kernel1 );

对于其余部分，我正在寻找：

• 我是否需要将255添加到数据中，而不是处理负值或使用convert u16转换为s16
• 我需要应用7（*64）的移位来保持浮点精度还是使用neon浮点实现

我真的需要上师的帮助来做出更好的选择

---

注意：我已经在C/C++中做过了，OpenCV one并没有针对这个平台进行优化。

至少显示要矢量化的C代码-这也有助于隐式回答一些缺少的细节，比如输出格式需要是什么以及如何处理边界条件。浮动和固定点实际上取决于您对精度和速度的重视程度。没有正确的答案。至少显示你想要矢量化的C代码-这也将有助于隐式回答一些缺少的细节，比如输出格式需要是什么以及你想要如何处理边界条件。浮动和固定点实际上取决于您对精度和速度的重视程度。没有正确的答案。