xavs中子像素差值汇编实现的坑

编码器功能实现之后，一般都需要进行效率优化。其他手段用完之后，最终避免不了还需要汇编优化。
用oprofile或者vtune等工具进行分析，把耗时大头揪出来改写汇编，收益比较大。

下面记录的是xavs汇编改写过程中，子像素差值部分改写汇编遇到的问题。
将mc_luma调用的pixel_avg用汇编代码实现。（十几年前还是MMX、SSE指令集）
其中有两种情况：
（1）idx为1，3，4，12和5,7,13,15这两种情况每次处理8组数据，这些情况最大值为255552=0x31CE不会有溢出问题；
（2）idx为9,11,6,14每次处理4组数据，这些情况中会出现的最大值为255965+25542*5=0x 2AF4E乘法器或加法器肯定会溢出。

针对第二种情况一开始使用一种近似计算方法，原来是先乘96求和之后加512右移10位，现在为先右移3位再乘96求和，最后再加64右移7位。
汇编改写过程中发现，如果有近似计算（先移位再计算）就会损失一些精度，因此分析可见在计算1/4像素插值的过程中，先得到1/2像素，在这个过程中已经经过了移位操作，然后再用这些精度损失过的数据去计算1/4像素，精度进一步损失，就会造成与C代码复杂计算得到的结果有偏差，随着GOP的增长误差积累，偏差会变大，会有马赛克和噪点，导致主观质量下降。
而C代码复杂计算是完全利用整像素点带入1/2滤波公式和1/4滤波公式得到的，只有最后一次移位，虽然也会有精度损失，但只有一次，对主观质量的影响不明显。
因此对这四个点的计算过程进行重新规划，1/4像素差值全部用整像素值来计算，不使用已经有精度损失的1/2像素值。同时避免乘法器和加法器的溢出，乘法器保持在字以内，并使用双字的加法器，这样改写之后，9.11两点的计算就可以使用汇编来实现了；但6.14两点，虽然乘法器和加法器不再溢出，但减法器发生了溢出，即出现了负数的情况，而且乘法器和加法器的位宽不同，导致中间结果无法顺利过渡，因此此两点仍采用C语言实现。

随着后续更高效的指令集的出现，有更多更宽的寄存器，这些问题也就迎刃而解了。

虽然子像素差值的汇编不再费劲了，但随着更复杂的计算的出现，仍然存在着寄存器不够用的情况。这些古老的数据搬移问题和寄存器利用的问题依然存在，下笔之前理清这些思路仍然非常重要。