先前写过《视频编码原理简介》，有朋友问光代码和文字不太真切，能否补充几张图片，今天我们演示一下：
这是第一帧画面：P1（我们的参考帧）
这是第二帧画面：P2（需要编码的帧）
从视频中截取的两张间隔1-2秒的画面，和实际情况类似，下面我们参考P1进行几次运动搜索：
搜索演示1：搜索P2中车辆的车牌在P1中最接近的位置（上图P1，下图P2）
这是一个演示程序，鼠标选中P2上任意16×16的Block，即可搜索出P1上的 BestMatch 宏块。虽然车辆在运动，从远到近，但是依然找到了最接近的宏块坐标。
（点击 more 阅读剩下内容）
今天继续在原来内存拷贝代码上优化：
1. 修改了小内存方案：由原来64字节扩大为128字节，由 int 改为 xmm，小内存性能提升 80%
2. 修改了中内存方案：从4个xmm寄存器并行拷贝改为8个并行拷贝+prefetch，提升20%左右
3. 去除目标地址头部对齐的分支判断，用一次xmm拷贝完成目标对齐，性能替升10%。
4. 增加测试用例：为贴近实际，增加了随机访问，10MB空间内（绝对大于L2尺寸）随机位置和长度的测试
为避免随机数生成影响结果，提前生成随机数，最终平均性能达到gcc4.9配套标准库的2倍以上：
https://github.com/skywind3000/FastMemcpy
最新代码测试结果（可以对比老的表看新版本性能是否有所提升）：
四年前写过一篇小内存拷贝优化：https://www.skywind.me/blog/archives/143
纠结了一下还是把全尺寸拷贝优化代码发布出来吧，没啥好保密的，
如今总结一下全尺寸内存拷贝优化的要点：
1. 策略区别：64字节以内用小内存方案，64K以内用中尺寸方案，大于64K用大内存拷贝方案。
2. 查表跳转：拷贝不同小尺寸内存，直接跳转到相应地址解除循环。
3. 目标对齐：64字节以上拷贝的先用普通方法拷贝几个字节让目标地址对齐，好做后面的事情。
4. 矢量拷贝：并行一次性读入N个矢量到 sse2 寄存器，再并行写出。
5. 缓存预取：使用 prefetchnta ，提前预取数据，等到真的要用时数据已经到位。
6. 内存直写：使用 movntdq 来直写内存，避免缓存污染。
部分理论，见论文：《Using Block Prefetch for Optimized Memory Performance》
但论文考虑问题比较单一，所以实际代码写的比论文复杂不少，目前在各个尺寸上基本平均能够加速 40%，比较GCC 4.9, VS2012的 memcpy，不排除未来的 libc, crt库继续完善以后，能够达到下面代码的速度。但我看libc和crt的 memcpy代码已经很久没人更新了，不知道他们还愿意继续优化下去么？
行了，具体实现各位读代码吧，需要 SSE2 指令集支持，gcc编译时需要 –msse2 一下，点击（more）展开代码，测试结果附在源文件最后注释部分：
Recent Comments