libvpx: Pull from upstream

source/libvpx/vp9/common/mips/msa/vp9_convolve_avg_msa.c

 /*
  *  Copyright (c) 2015 The WebM project authors. All Rights Reserved.
  *
  *  Use of this source code is governed by a BSD-style license
  *  that can be found in the LICENSE file in the root of the source
  *  tree. An additional intellectual property rights grant can be found
  *  in the file PATENTS.  All contributing project authors may
  *  be found in the AUTHORS file in the root of the source tree.
  */
 
 #include "vp9/common/mips/msa/vp9_macros_msa.h"
 
 static void avg_width4_msa(const uint8_t *src, int32_t src_stride,
                            uint8_t *dst, int32_t dst_stride, int32_t height) {
   int32_t cnt;
   uint32_t out0, out1, out2, out3;
   v16u8 src0, src1, src2, src3;
   v16u8 dst0, dst1, dst2, dst3;
 
   if (0 == (height % 4)) {
     for (cnt = (height / 4); cnt--;) {
-      LOAD_4VECS_UB(src, src_stride, src0, src1, src2, src3);
+      LD_UB4(src, src_stride, src0, src1, src2, src3);
       src += (4 * src_stride);
 
-      LOAD_4VECS_UB(dst, dst_stride, dst0, dst1, dst2, dst3);
+      LD_UB4(dst, dst_stride, dst0, dst1, dst2, dst3);
 
-      dst0 = __msa_aver_u_b(src0, dst0);
-      dst1 = __msa_aver_u_b(src1, dst1);
-      dst2 = __msa_aver_u_b(src2, dst2);
-      dst3 = __msa_aver_u_b(src3, dst3);
+      AVER_UB4_UB(src0, dst0, src1, dst1, src2, dst2, src3, dst3,
+                  dst0, dst1, dst2, dst3);
 
       out0 = __msa_copy_u_w((v4i32)dst0, 0);
       out1 = __msa_copy_u_w((v4i32)dst1, 0);
       out2 = __msa_copy_u_w((v4i32)dst2, 0);
       out3 = __msa_copy_u_w((v4i32)dst3, 0);
-
-      STORE_WORD(dst, out0);
-      dst += dst_stride;
-      STORE_WORD(dst, out1);
-      dst += dst_stride;
-      STORE_WORD(dst, out2);
-      dst += dst_stride;
-      STORE_WORD(dst, out3);
-      dst += dst_stride;
+      SW4(out0, out1, out2, out3, dst, dst_stride);
+      dst += (4 * dst_stride);
     }
   } else if (0 == (height % 2)) {
     for (cnt = (height / 2); cnt--;) {
-      LOAD_2VECS_UB(src, src_stride, src0, src1);
+      LD_UB2(src, src_stride, src0, src1);
       src += (2 * src_stride);
 
-      LOAD_2VECS_UB(dst, dst_stride, dst0, dst1);
+      LD_UB2(dst, dst_stride, dst0, dst1);
 
-      dst0 = __msa_aver_u_b(src0, dst0);
-      dst1 = __msa_aver_u_b(src1, dst1);
+      AVER_UB2_UB(src0, dst0, src1, dst1, dst0, dst1);
 
       out0 = __msa_copy_u_w((v4i32)dst0, 0);
       out1 = __msa_copy_u_w((v4i32)dst1, 0);
-
-      STORE_WORD(dst, out0);
+      SW(out0, dst);
       dst += dst_stride;
-      STORE_WORD(dst, out1);
+      SW(out1, dst);
       dst += dst_stride;
     }
   }
 }
 
 static void avg_width8_msa(const uint8_t *src, int32_t src_stride,
                            uint8_t *dst, int32_t dst_stride, int32_t height) {
   int32_t cnt;
   uint64_t out0, out1, out2, out3;
   v16u8 src0, src1, src2, src3;
   v16u8 dst0, dst1, dst2, dst3;
 
   for (cnt = (height / 4); cnt--;) {
-    LOAD_4VECS_UB(src, src_stride, src0, src1, src2, src3);
+    LD_UB4(src, src_stride, src0, src1, src2, src3);
     src += (4 * src_stride);
+    LD_UB4(dst, dst_stride, dst0, dst1, dst2, dst3);
 
-    LOAD_4VECS_UB(dst, dst_stride, dst0, dst1, dst2, dst3);
-
-    dst0 = __msa_aver_u_b(src0, dst0);
-    dst1 = __msa_aver_u_b(src1, dst1);
-    dst2 = __msa_aver_u_b(src2, dst2);
-    dst3 = __msa_aver_u_b(src3, dst3);
+    AVER_UB4_UB(src0, dst0, src1, dst1, src2, dst2, src3, dst3,
+                dst0, dst1, dst2, dst3);
 
     out0 = __msa_copy_u_d((v2i64)dst0, 0);
     out1 = __msa_copy_u_d((v2i64)dst1, 0);
     out2 = __msa_copy_u_d((v2i64)dst2, 0);
     out3 = __msa_copy_u_d((v2i64)dst3, 0);
-
-    STORE_DWORD(dst, out0);
-    dst += dst_stride;
-    STORE_DWORD(dst, out1);
-    dst += dst_stride;
-    STORE_DWORD(dst, out2);
-    dst += dst_stride;
-    STORE_DWORD(dst, out3);
-    dst += dst_stride;
+    SD4(out0, out1, out2, out3, dst, dst_stride);
+    dst += (4 * dst_stride);
   }
 }
 
 static void avg_width16_msa(const uint8_t *src, int32_t src_stride,
                             uint8_t *dst, int32_t dst_stride, int32_t height) {
   int32_t cnt;
   v16u8 src0, src1, src2, src3, src4, src5, src6, src7;
   v16u8 dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7;
 
   for (cnt = (height / 8); cnt--;) {
-    LOAD_8VECS_UB(src, src_stride,
-                  src0, src1, src2, src3, src4, src5, src6, src7);
+    LD_UB8(src, src_stride, src0, src1, src2, src3, src4, src5, src6, src7);
     src += (8 * src_stride);
+    LD_UB8(dst, dst_stride, dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7);
 
-    LOAD_8VECS_UB(dst, dst_stride,
-                  dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7);
-
-    dst0 = __msa_aver_u_b(src0, dst0);
-    dst1 = __msa_aver_u_b(src1, dst1);
-    dst2 = __msa_aver_u_b(src2, dst2);
-    dst3 = __msa_aver_u_b(src3, dst3);
-    dst4 = __msa_aver_u_b(src4, dst4);
-    dst5 = __msa_aver_u_b(src5, dst5);
-    dst6 = __msa_aver_u_b(src6, dst6);
-    dst7 = __msa_aver_u_b(src7, dst7);
-
-    STORE_8VECS_UB(dst, dst_stride,
-                   dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7);
+    AVER_UB4_UB(src0, dst0, src1, dst1, src2, dst2, src3, dst3,
+                dst0, dst1, dst2, dst3);
+    AVER_UB4_UB(src4, dst4, src5, dst5, src6, dst6, src7, dst7,
+                dst4, dst5, dst6, dst7);
+    ST_UB8(dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7, dst, dst_stride);
     dst += (8 * dst_stride);
   }
 }
 
 static void avg_width32_msa(const uint8_t *src, int32_t src_stride,
                             uint8_t *dst, int32_t dst_stride, int32_t height) {
   int32_t cnt;
   uint8_t *dst_dup = dst;
   v16u8 src0, src1, src2, src3, src4, src5, src6, src7;
   v16u8 src8, src9, src10, src11, src12, src13, src14, src15;
   v16u8 dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7;
   v16u8 dst8, dst9, dst10, dst11, dst12, dst13, dst14, dst15;
 
   for (cnt = (height / 8); cnt--;) {
-    src0 = LOAD_UB(src);
-    src1 = LOAD_UB(src + 16);
-    src += src_stride;
-    src2 = LOAD_UB(src);
-    src3 = LOAD_UB(src + 16);
-    src += src_stride;
-    src4 = LOAD_UB(src);
-    src5 = LOAD_UB(src + 16);
-    src += src_stride;
-    src6 = LOAD_UB(src);
-    src7 = LOAD_UB(src + 16);
-    src += src_stride;
+    LD_UB4(src, src_stride, src0, src2, src4, src6);
+    LD_UB4(src + 16, src_stride, src1, src3, src5, src7);
+    src += (4 * src_stride);
+    LD_UB4(dst_dup, dst_stride, dst0, dst2, dst4, dst6);
+    LD_UB4(dst_dup + 16, dst_stride, dst1, dst3, dst5, dst7);
+    dst_dup += (4 * dst_stride);
+    LD_UB4(src, src_stride, src8, src10, src12, src14);
+    LD_UB4(src + 16, src_stride, src9, src11, src13, src15);
+    src += (4 * src_stride);
+    LD_UB4(dst_dup, dst_stride, dst8, dst10, dst12, dst14);
+    LD_UB4(dst_dup + 16, dst_stride, dst9, dst11, dst13, dst15);
+    dst_dup += (4 * dst_stride);
 
-    dst0 = LOAD_UB(dst_dup);
-    dst1 = LOAD_UB(dst_dup + 16);
-    dst_dup += dst_stride;
-    dst2 = LOAD_UB(dst_dup);
-    dst3 = LOAD_UB(dst_dup + 16);
-    dst_dup += dst_stride;
-    dst4 = LOAD_UB(dst_dup);
-    dst5 = LOAD_UB(dst_dup + 16);
-    dst_dup += dst_stride;
-    dst6 = LOAD_UB(dst_dup);
-    dst7 = LOAD_UB(dst_dup + 16);
-    dst_dup += dst_stride;
+    AVER_UB4_UB(src0, dst0, src1, dst1, src2, dst2, src3, dst3,
+                dst0, dst1, dst2, dst3);
+    AVER_UB4_UB(src4, dst4, src5, dst5, src6, dst6, src7, dst7,
+                dst4, dst5, dst6, dst7);
+    AVER_UB4_UB(src8, dst8, src9, dst9, src10, dst10, src11, dst11,
+                dst8, dst9, dst10, dst11);
+    AVER_UB4_UB(src12, dst12, src13, dst13, src14, dst14, src15, dst15,
+                dst12, dst13, dst14, dst15);
 
-    src8 = LOAD_UB(src);
-    src9 = LOAD_UB(src + 16);
-    src += src_stride;
-    src10 = LOAD_UB(src);
-    src11 = LOAD_UB(src + 16);
-    src += src_stride;
-    src12 = LOAD_UB(src);
-    src13 = LOAD_UB(src + 16);
-    src += src_stride;
-    src14 = LOAD_UB(src);
-    src15 = LOAD_UB(src + 16);
-    src += src_stride;
-
-    dst8 = LOAD_UB(dst_dup);
-    dst9 = LOAD_UB(dst_dup + 16);
-    dst_dup += dst_stride;
-    dst10 = LOAD_UB(dst_dup);
-    dst11 = LOAD_UB(dst_dup + 16);
-    dst_dup += dst_stride;
-    dst12 = LOAD_UB(dst_dup);
-    dst13 = LOAD_UB(dst_dup + 16);
-    dst_dup += dst_stride;
-    dst14 = LOAD_UB(dst_dup);
-    dst15 = LOAD_UB(dst_dup + 16);
-    dst_dup += dst_stride;
-
-    dst0 = __msa_aver_u_b(src0, dst0);
-    dst1 = __msa_aver_u_b(src1, dst1);
-    dst2 = __msa_aver_u_b(src2, dst2);
-    dst3 = __msa_aver_u_b(src3, dst3);
-    dst4 = __msa_aver_u_b(src4, dst4);
-    dst5 = __msa_aver_u_b(src5, dst5);
-    dst6 = __msa_aver_u_b(src6, dst6);
-    dst7 = __msa_aver_u_b(src7, dst7);
-    dst8 = __msa_aver_u_b(src8, dst8);
-    dst9 = __msa_aver_u_b(src9, dst9);
-    dst10 = __msa_aver_u_b(src10, dst10);
-    dst11 = __msa_aver_u_b(src11, dst11);
-    dst12 = __msa_aver_u_b(src12, dst12);
-    dst13 = __msa_aver_u_b(src13, dst13);
-    dst14 = __msa_aver_u_b(src14, dst14);
-    dst15 = __msa_aver_u_b(src15, dst15);
-
-    STORE_UB(dst0, dst);
-    STORE_UB(dst1, dst + 16);
-    dst += dst_stride;
-    STORE_UB(dst2, dst);
-    STORE_UB(dst3, dst + 16);
-    dst += dst_stride;
-    STORE_UB(dst4, dst);
-    STORE_UB(dst5, dst + 16);
-    dst += dst_stride;
-    STORE_UB(dst6, dst);
-    STORE_UB(dst7, dst + 16);
-    dst += dst_stride;
-    STORE_UB(dst8, dst);
-    STORE_UB(dst9, dst + 16);
-    dst += dst_stride;
-    STORE_UB(dst10, dst);
-    STORE_UB(dst11, dst + 16);
-    dst += dst_stride;
-    STORE_UB(dst12, dst);
-    STORE_UB(dst13, dst + 16);
-    dst += dst_stride;
-    STORE_UB(dst14, dst);
-    STORE_UB(dst15, dst + 16);
-    dst += dst_stride;
+    ST_UB4(dst0, dst2, dst4, dst6, dst, dst_stride);
+    ST_UB4(dst1, dst3, dst5, dst7, dst + 16, dst_stride);
+    dst += (4 * dst_stride);
+    ST_UB4(dst8, dst10, dst12, dst14, dst, dst_stride);
+    ST_UB4(dst9, dst11, dst13, dst15, dst + 16, dst_stride);
+    dst += (4 * dst_stride);
   }
 }
 
 static void avg_width64_msa(const uint8_t *src, int32_t src_stride,
                             uint8_t *dst, int32_t dst_stride, int32_t height) {
   int32_t cnt;
   uint8_t *dst_dup = dst;
   v16u8 src0, src1, src2, src3, src4, src5, src6, src7;
   v16u8 src8, src9, src10, src11, src12, src13, src14, src15;
   v16u8 dst0, dst1, dst2, dst3, dst4, dst5, dst6, dst7;
   v16u8 dst8, dst9, dst10, dst11, dst12, dst13, dst14, dst15;
 
   for (cnt = (height / 4); cnt--;) {
-    LOAD_4VECS_UB(src, 16, src0, src1, src2, src3);
+    LD_UB4(src, 16, src0, src1, src2, src3);
     src += src_stride;
-    LOAD_4VECS_UB(src, 16, src4, src5, src6, src7);
+    LD_UB4(src, 16, src4, src5, src6, src7);
     src += src_stride;
-    LOAD_4VECS_UB(src, 16, src8, src9, src10, src11);
+    LD_UB4(src, 16, src8, src9, src10, src11);
     src += src_stride;
-    LOAD_4VECS_UB(src, 16, src12, src13, src14, src15);
+    LD_UB4(src, 16, src12, src13, src14, src15);
     src += src_stride;
 
-    LOAD_4VECS_UB(dst_dup, 16, dst0, dst1, dst2, dst3);
+    LD_UB4(dst_dup, 16, dst0, dst1, dst2, dst3);
     dst_dup += dst_stride;
-    LOAD_4VECS_UB(dst_dup, 16, dst4, dst5, dst6, dst7);
+    LD_UB4(dst_dup, 16, dst4, dst5, dst6, dst7);
     dst_dup += dst_stride;
-    LOAD_4VECS_UB(dst_dup, 16, dst8, dst9, dst10, dst11);
+    LD_UB4(dst_dup, 16, dst8, dst9, dst10, dst11);
     dst_dup += dst_stride;
-    LOAD_4VECS_UB(dst_dup, 16, dst12, dst13, dst14, dst15);
+    LD_UB4(dst_dup, 16, dst12, dst13, dst14, dst15);
     dst_dup += dst_stride;
 
-    dst0 = __msa_aver_u_b(src0, dst0);
-    dst1 = __msa_aver_u_b(src1, dst1);
-    dst2 = __msa_aver_u_b(src2, dst2);
-    dst3 = __msa_aver_u_b(src3, dst3);
-    dst4 = __msa_aver_u_b(src4, dst4);
-    dst5 = __msa_aver_u_b(src5, dst5);
-    dst6 = __msa_aver_u_b(src6, dst6);
-    dst7 = __msa_aver_u_b(src7, dst7);
-    dst8 = __msa_aver_u_b(src8, dst8);
-    dst9 = __msa_aver_u_b(src9, dst9);
-    dst10 = __msa_aver_u_b(src10, dst10);
-    dst11 = __msa_aver_u_b(src11, dst11);
-    dst12 = __msa_aver_u_b(src12, dst12);
-    dst13 = __msa_aver_u_b(src13, dst13);
-    dst14 = __msa_aver_u_b(src14, dst14);
-    dst15 = __msa_aver_u_b(src15, dst15);
+    AVER_UB4_UB(src0, dst0, src1, dst1, src2, dst2, src3, dst3,
+                dst0, dst1, dst2, dst3);
+    AVER_UB4_UB(src4, dst4, src5, dst5, src6, dst6, src7, dst7,
+                dst4, dst5, dst6, dst7);
+    AVER_UB4_UB(src8, dst8, src9, dst9, src10, dst10, src11, dst11,
+                dst8, dst9, dst10, dst11);
+    AVER_UB4_UB(src12, dst12, src13, dst13, src14, dst14, src15, dst15,
+                dst12, dst13, dst14, dst15);
 
-    STORE_4VECS_UB(dst, 16, dst0, dst1, dst2, dst3);
+    ST_UB4(dst0, dst1, dst2, dst3, dst, 16);
     dst += dst_stride;
-    STORE_4VECS_UB(dst, 16, dst4, dst5, dst6, dst7);
+    ST_UB4(dst4, dst5, dst6, dst7, dst, 16);
     dst += dst_stride;
-    STORE_4VECS_UB(dst, 16, dst8, dst9, dst10, dst11);
+    ST_UB4(dst8, dst9, dst10, dst11, dst, 16);
     dst += dst_stride;
-    STORE_4VECS_UB(dst, 16, dst12, dst13, dst14, dst15);
+    ST_UB4(dst12, dst13, dst14, dst15, dst, 16);
     dst += dst_stride;
   }
 }
 
 void vp9_convolve_avg_msa(const uint8_t *src, ptrdiff_t src_stride,
                           uint8_t *dst, ptrdiff_t dst_stride,
                           const int16_t *filter_x, int32_t filter_x_stride,
                           const int16_t *filter_y, int32_t filter_y_stride,
                           int32_t w, int32_t h) {
   (void)filter_x;
@@ skipping 28 matching lines @@
         for (lp = 0; lp < w; ++lp) {
           dst[lp] = (((dst[lp] + src[lp]) + 1) >> 1);
         }
         src += src_stride;
         dst += dst_stride;
       }
       break;
     }
   }
 }