ARM NEON：如何实现 256 字节查找表

我正在使用内联汇编将我编写的一些代码移植到 NEON。

我需要的一件事是将范围 [0..128] 的字节值转换为表中采用完整范围 [0..255] 的其他字节值

该表很短，但其背后的数学并不容易，因此我认为不值得每次“即时”计算它。所以我想尝试查找表。

我已将 VTBL 用于 32 字节的情况，并且按预期工作

对于完整范围，一个想法是首先比较源所在的范围并进行不同的查找（即拥有 4 个 32 位查找表）。

我的问题是：有没有更有效的方法来做到这一点？

EDIT

经过一些试验，我已经完成了四次查找（尚未安排），我对结果感到满意。我在内联汇编中留下了一段代码行，以防万一有人发现它有用或认为它可以改进。

// Have the original data in d0
// d1 holds #32 value 
// d6,d7,d8,d9 has the images for the values [0..31] 

    //First we look for the 0..31 images. The values out of range will be 0
    "vtbl.u8 d2,{d6,d7,d8,d9},d0    \n\t"

    // Now we sub #32 to d1 and find the images for [32...63], which have been previously loaded in d10,d11,d12,d13
    "vsub.u8 d0,d0,d1\n\t"              
    "vtbl.u8 d3,{d10,d11,d12,d13},d1    \n\t"

    // Do the same and calculating images for [64..95]
    "vsub.u8 d0,d0,d1\n\t"
    "vtbl.u8 d4,{d14,d15,d16,d17},d0    \n\t"

    // Last step: images for [96..127]
    "vsub.u8 d0,d0,d1\n\t"
    "vtbl.u8 d5,{d18,d19,d20,d21},d0    \n\t"

    // Now we add all. No need to saturate, since only one will be different than zero each time
    "vadd.u8 d2,d2,d3\n\t"
    "vadd.u8 d4,d4,d5\n\t"
    "vadd.u8 d2,d2,d4\n\t"   // Leave the result in d2

正确的顺序是通过

vtbl d0, { d2,d3,d4,d5 }, d1   // first value
vsub d1, d1, d31               // decrement index
vtbx d0, { d6,d7,d8,d9 }, d1   // all the subsequent values
vsub d1, d1, d31               // decrement index
vtbx d0, { q5,q6 }, d1         // q5 = d10,d11
vsub d1, d1, d31
vtbx d0, { q7,q8 }, d1

vtbl 和 vtbx 的区别在于vtbl当 d1 >= 32 时，将元素 d0 归零，其中 vtbx 保持 d0 中的原始值不变。因此，不需要像我的评论中那样的欺骗，也不需要合并部分值。