wuhanbingwhdx提到了数据相关也会影响流水线（）。
他的说法是有一定道理的。但是，在很多时候我们并不仅仅处理一个数值。比如将循环展开，在内循环处理2个或更多个的数值。而现代编译器面对循环展开时，在编译优化操作中会调整指令顺序，错开有相关性指令。因现代处理器支持超标量，这样的指令顺序调整能获得较好的指令级并行度，从而优化了性能。 其次，就算编译器对循环展开优化的不够彻底，没将相关性指令错开。但因现代处理器支持乱序执行，当遇到相关性指令需要等待时，处理器会处理后面未相关的指令，从而保持处理器满载尽量减轻相关性等待造成的性能损失。 第三，现代处理器还支持寄存器重命名技术——当两处代码用到同名的寄存器时，译码器会做寄存器重命名处理给它们分配不同的寄存器，使数据不会干扰，从而获得更高的指令级并行度。上面说了很多理论知识，实际性能到底怎么样呢？还是写代码测一测吧。
一、目标——将64位像素转为32位像素将64位像素转为32位像素，是饱和处理的最典型应用。
64位像素有4个通道，每个通道16位（带符号16位整数）。每像素8个字节。 32位像素有4个通道，每个通道8位（无符号8位整数）。每像素4个字节。转换方法为——将每个像素的4个通道由16位（带符号16位整数）转为8位（无符号8位整数）。因为每次都是对4个通道进行处理，所以能获得较高的指令级并行度。
具体的存储格式为——
注：
1.内存地址由低到高（从下到上），垂直方向的每一格是一个字节。+0代表数据基址，+1代表数据基址+1，以此类推。2.左为“64位像素”数组，右为“32位像素”数组。3.图中使用了用双边线来分隔像素。因“64位像素”是8字节，而“32位像素”是4字节。所以对于16个字节的空间，左侧能存放2个像素、右侧能存放4个像素。4.图中使用了用实线来分隔通道。“64位像素”的通道是16位，占用2个字节。“32位像素”的通道是8位，只占用1个字节。5.图中使用了用虚线来分隔字节。主要用于“64位像素”。6.这里采用了Windows位图通道规则，即通道顺序为B、G、R、A（从低到高）。例如：“B0”代表像素0的B（蓝色）通道、“A0”代表像素0的A（不透明度）通道、“A1”代表像素1的A通道……以此类推。7.这里采用了小端（Little Endian）方式的字节序（Endianness），即最低地址存放的最低字节。采用小写的“h”、“l”来表示“64位像素”通道的高、低字节。例如：“B0l”代表像素0的B通道的低字节、“A0h”代表像素0的A通道的高字节……以此类推。上面貌似挺复杂，又是图表又是大段文字的。其实，代码写起来很简单的，一般情况下不需要理会通道顺序与字节序问题——
// 用if分支做饱和处理 void f0_if(BYTE* pbufD, const signed short* pbufS, int cnt) { const signed short* pS = pbufS; BYTE* pD = pbufD; int i; for(i=0; i 255) ? 255 : (BYTE)pS[0] ); pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] ); pD[2] = (pS[2]<0) ? 0 : ( (pS[2]>255) ? 255 : (BYTE)pS[2] ); pD[3] = (pS[3]<0) ? 0 : ( (pS[3]>255) ? 255 : (BYTE)pS[3] ); // next pS += 4; pD += 4; } } 使用方法——
signed short bufS[DATASIZE*4]; // 源缓冲区。64位的颜色（4通道，每通道16位） BYTE bufD[DATASIZE*4]; // 目标缓冲区。32位的颜色（4通道，每通道8位） f0_if(bufD, bufS, DATASIZE);
对于数据处理来说，用指针比用数组写起来更简洁，而且执行速度更快。
而且C语言中的指针支持下标运算符，能够用下标访问后面的元素（“pD[1]”相当于“*(pD + 1)”），简化了不少代码。（指针下标可参考 ） 例如“pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] );”这行代码的数组写法为——pbufD[i*4+1] = (pbufS[i*4+1]<0) ? 0 : ( (pbufS[i*4+1]>255) ? 255 : (BYTE)pbufS[i*4+1] );
因为条件语句“if”的代码写起来比较繁琐，所以这里用到了条件运算符“?:”来简化代码。例如“pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] );”这行代码的“if”写法为——
if (pS[1]<0) pD[1]=0 else if (pS[1]>255) pD[1]=255 else pD[1]=(BYTE)pS[1];
二、测试方法——测试程序的框架
前面已经编写了一个函数f0_if，随后我们会编写多个函数，分别测试性能。具体怎么测试呢？难道是为每一个函数都写一套测试代码……不，那样的话太糟糕了。
我们可以利用函数指针进行统一的测试。函数指针定义如下，与f0_if的参数列相同——// 测试时的函数类型 typedef void (*TESTPROC)(BYTE* pbufD, const signed short* pbufS, int cnt);
有了函数指针后，进行测试就很简单了，只需要将要测试的函数传递过去就行了。例如这样测试f0_if——
runTest("f0_if", f0_if);
runTest代码如下——
// 进行测试 void runTest(char* szname, TESTPROC proc) { int i,j; DWORD tm0, tm1; // 存储时间 for(i=1; i<=3; ++i) // 多次测试 { //tm0 = GetTickCount(); tm0 = timeGetTime(); // main for(j=1; j<=4000; ++j) // 重复运算几次延长时间，避免计时精度问题 { proc(bufD, bufS, DATASIZE); } // show //tm1 = GetTickCount() - tm0; tm1 = timeGetTime() - tm0; printf("%s[%d]:\t%u\n", szname, i, tm1); } }
printf输出的是测试时间，单位毫秒。值越小，表示所花时间越少、运行速度越快、性能越高。
这里用到了timeGetTime来计算时间，要注意加上winmm.lib库——
对于bufD、bufS、DATASIZE，我是这样定义的——
// 数据规模 #define DATASIZE 16384 // 128KB / (sizeof(signed short) * 4) // 缓冲区 signed short bufS[DATASIZE*4]; // 源缓冲区。64位的颜色（4通道，每通道16位） BYTE bufD[DATASIZE*4]; // 目标缓冲区。32位的颜色（4通道，每通道8位）
缓冲区的尺寸是特意规定的。对于现在主流CPU来说，Intel处理器的二级缓存一般是每核心256KB，而AMD处理器的二级缓存一般是每核心512KB。所以数据最好不要超过256KB，这样就能在二级缓存上完成处理，避免了内存访问延时造成的干扰。
于是我给bufS分配了128KB，给bufD分配了64KB。 三、更多的测试用min、max做饱和处理——
// 用min、max饱和处理 void f1_min(BYTE* pbufD, const signed short* pbufS, int cnt) { const signed short* pS = pbufS; BYTE* pD = pbufD; int i; for(i=0; i
用位掩码做饱和处理，用求负生成掩码——
// 用位掩码做饱和处理.用求负生成掩码 void f2_neg(BYTE* pbufD, const signed short* pbufS, int cnt) { const signed short* pS = pbufS; BYTE* pD = pbufD; int i; for(i=0; i 用位掩码做饱和处理，用带符号右移生成掩码——
// 用位掩码做饱和处理.用带符号右移生成掩码 void f3_sar(BYTE* pbufD, const signed short* pbufS, int cnt) { const signed short* pS = pbufS; BYTE* pD = pbufD; int i; for(i=0; i 四、全部代码
全部代码为——
// 用位掩码做饱和处理.用求负生成掩码 #define LIMITSU_FAST(n, bits) ( (n) & -((n) >= 0) | -((n) >= (1<<(bits))) ) #define LIMITSU_SAFE(n, bits) ( (LIMITSU_FAST(n, bits)) & ((1<<(bits)) - 1) ) #define LIMITSU_BYTE(n) ((BYTE)(LIMITSU_FAST(n, 8))) // 用位掩码做饱和处理.用带符号右移生成掩码 #define LIMITSW_FAST(n, bits) ( ( (n) | ((signed short)((1<<(bits)) - 1 - (n)) >> 15) ) & ~((signed short)(n) >> 15) ) #define LIMITSW_SAFE(n, bits) ( (LIMITSW_FAST(n, bits)) & ((1<<(bits)) - 1) ) #define LIMITSW_BYTE(n) ((BYTE)(LIMITSW_FAST(n, 8))) // 数据规模 #define DATASIZE 16384 // 128KB / (sizeof(signed short) * 4) // 缓冲区 signed short bufS[DATASIZE*4]; // 源缓冲区。64位的颜色（4通道，每通道16位） BYTE bufD[DATASIZE*4]; // 目标缓冲区。32位的颜色（4通道，每通道8位） // 测试时的函数类型 typedef void (*TESTPROC)(BYTE* pbufD, const signed short* pbufS, int cnt); // 用if分支做饱和处理 void f0_if(BYTE* pbufD, const signed short* pbufS, int cnt) { const signed short* pS = pbufS; BYTE* pD = pbufD; int i; for(i=0; i 255) ? 255 : (BYTE)pS[0] ); pD[1] = (pS[1]<0) ? 0 : ( (pS[1]>255) ? 255 : (BYTE)pS[1] ); pD[2] = (pS[2]<0) ? 0 : ( (pS[2]>255) ? 255 : (BYTE)pS[2] ); pD[3] = (pS[3]<0) ? 0 : ( (pS[3]>255) ? 255 : (BYTE)pS[3] ); // next pS += 4; pD += 4; } } // 用min、max饱和处理 void f1_min(BYTE* pbufD, const signed short* pbufS, int cnt) { const signed short* pS = pbufS; BYTE* pD = pbufD; int i; for(i=0; i "); getch(); printf("\n"); } // 进行测试 runTest("f0_if", f0_if); runTest("f1_min", f1_min); runTest("f2_neg", f2_neg); runTest("f3_sar", f3_sar); // 结束前提示 if (argc<=1) { printf(" "); getch(); printf("\n"); } return 0; } 五、测试结果
将程序编译为“Release”版，然后分别在不同的系统环境中进行测试。
在32位winXP上的测试结果——
== noif:VC6 ==f0_if[1]: 2016 f0_if[2]: 2016 f0_if[3]: 2015 f1_min[1]: 2063 f1_min[2]: 2062 f1_min[3]: 2063 f2_neg[1]: 718 f2_neg[2]: 719 f2_neg[3]: 719 f3_sar[1]: 672 f3_sar[2]: 687 f3_sar[3]: 672
在64位win7上的测试结果——
== noif:VC6 ==f0_if[1]: 2075 f0_if[2]: 2012 f0_if[3]: 2028 f1_min[1]: 2059 f1_min[2]: 2075 f1_min[3]: 2075 f2_neg[1]: 717 f2_neg[2]: 718 f2_neg[3]: 718 f3_sar[1]: 670 f3_sar[2]: 687 f3_sar[3]: 686
硬件环境——
CPU：Intel Core i3-2310M, 2100 MHz内存：DDR3-1066 源码下载——（建议阅读编译器生成的汇编代码，位于Release\noifVC6.asm ）