1.Intel Intrinsic

Intrinsic函数是在Windows平台上很常用的SIMD（Single Instruction, Multi-Data）指令集，性能介于C/C++和.asm之间，因其较好的并行处理能力，在视频编码领域中常用于DCT变换，格式转换等。SIMD是一种技术，而Intrinsic是提供给用户去方便使用SIMD指令的C/C++函数。Intel intrinsic guide的官网手册是：Intel intrinsic guide

这类指令集与传统C不同，使用的变量也不相同，例如，__m128i表示一个存储integer类型的变量，位数为128位，例如16个int8_t，8个int16_t和4个int32_t，能够实现并行处理。对比于C的循环，每次处理一个像素，这里假设处理4个int32_t，那么就是4倍的效率。即便选择在C循环中尝试一次循环处理4个像素，但由于这是串行操作，速度仍然低于使用并行处理的SIMD操作。因此，如果某些操作较为固定，且使用频繁，可以考虑使用SIMD来进行优化，从而实现加速的效果。

在视频压缩领域，使用汇编加速，往往比不使用汇编，大约能够提速30%，甚至更多。

2.YUYV422转换成NV12

这里记录一个从YUYV422转换到NV12格式的SSE41指令集的函数，不一定是效率最高的实现方式，但是有基本的功能，大致执行的流程是
（1）行和列的遍历
YUYV422格式中，1个像素占2个字节。举例说明，Y0 U0 Y1 V0 Y2 U1 Y3 V1，一共4个像素（4个Y分量），其中U0V0被Y0和Y1同时使用，U1V1被Y2和Y3同时使用，一共8个字节，所以1个像素占2个字节。因此，计算j时，移动字节数要乘以2。
（2）奇偶行处理
由于NV12格式的chroma分量在偶数行之间进行共享，所以只有偶数行进行chroma处理，奇数行只处理luma
（3）单行的处理
首先，两次使用_mm_loadu_si128()，读取前32个字节的信息，其中前16个字节存储在yuyv0中，后16个字节存储在yuyv1中，存储的信息为

yuyv0 : Y0 U0 Y1 V0 ... Y6 U3 Y7 V3
yuyv1 : Y8 U4 Y9 V4 ... Y14 U7 Y15 V7

_mm_and_si128()的作用是进行与运算，_mm_set1_epi16()的作用分别是将入参进行16位的广播，即获得

0x00FF：[0x00FF, 0x00FF, 0x00FF, 0x00FF, 0x00FF, 0x00FF, 0x00FF, 0x00FF] = [0x00FF00FF, 0x00FF00FF, 0x00FF00FF, 0x00FF00FF]
0xFF00：[0xFF00FF00, 0xFF00FF00, 0xFF00FF00, 0xFF00FF00]

将获得的yuyv0与mask_y进行与运算，得到的结果是

第1个32位：0xV0Y1U0Y0 & 0x00FF00FF (注意是小端存储) -> 0x00Y100Y0
第2个32位：0xV1Y3U1Y2 & 0x00FF00FF -> 0x00Y300Y2
第3个32位：0xV2Y5U2Y4 & 0x00FF00FF -> 0x00Y500Y4
第4个32位：0xV3Y7U3Y6 & 0x00FF00FF -> 0x00Y700Y6
y0 = [0x00Y100Y0, 0x00Y300Y2, 0x00Y500Y4, 0x00Y700Y6] = Y0, 0, Y1, 0, ...., Y6, 0, Y7, 0

同理，yuyv1与mask_y进行与运算，得到的结果是

第1个32位：0xV4Y9U4Y8 & 0x00FF00FF  -> 0x00Y900Y8
第2个32位：0xV5Y11U5Y10 & 0x00FF00FF -> 0x00Y1100Y10
第3个32位：0xV6Y13U6Y12 & 0x00FF00FF -> 0x00Y1300Y12
第4个32位：0xV7Y15U7Y14 & 0x00FF00FF -> 0x00Y1500Y14
y1 = [0x00Y900Y8, 0x00Y1100Y10, 0x00Y1300Y12, 0x00Y1500Y14] = Y8, 0, Y9, 0, ...., Y14, 0, Y15, 0

_mm_packus_epi16()将y0和y1进行合并，输入分别是8个uint16_t，输出的结果是16个uint8_t

y0的8个16位：[0x00Y1, 0x00Y0, 0x00Y3, 0x00Y2, 0x00Y5, 0x00Y4, 0x00Y7, 0x00Y6]，
y1的8个16位：[0x00Y9, 0x00Y8, 0x00Y11, 0x00Y10, 0x00Y13, 0x00Y12, 0x00Y15, 0x00Y14]，

计算时，会先进行截取，将y0和y1中16位截取低8位，然后合并，最后使用_mm_storeu_si128()存储到指定的位置处

y0截取：[0xY1, 0xY0, 0xY3, 0xY2, 0xY5, 0xY4, 0xY7, 0xY6]
y1截取：[0xY9, 0xY8, 0xY11, 0xY10, 0xY13, 0xY12, 0xY15, 0xY14]，
合并：[0xY1, 0xY0, 0xY3, 0xY2, 0xY5, 0xY4, 0xY7, 0xY6, 0xY9, 0xY8, 0xY11, 0xY10, 0xY13, 0xY12, 0xY15, 0xY14]
		 = [Y0, Y1, Y2, Y3, Y4, Y5, Y6, Y7, Y8, Y9, Y10, Y11, Y12, Y13, Y14, Y15]

其次，如果是偶数行，还需要处理chroma分量，按照同样的方式提取UV分量，最后存储到uv分量位置处

uv0 = [0xV0, 0x00, 0xU0, 0x00, 0xV1, 0x00, 0xU1, 0x00, 0xV2, 0x00, 0xU2, 0x00, 0xV3, 0x00, 0xU3, 0x00]
uv1 = [0xV4, 0x00, 0xU4, 0x00, 0xV5, 0x00, 0xU5, 0x00, 0xV6, 0x00, 0xU6, 0x00, 0xV7, 0x00, 0xU7, 0x00]
右移8位，得到：
uv0 = [0x00, 0xV0, 0x00, 0xU0, 0x00, 0xV1, 0x00, 0xU1, 0x00, 0xV2, 0x00, 0xU2, 0x00, 0xV3, 0x00, 0xU3]
uv1 = [0x00, 0xV4, 0x00, 0xU4, 0x00, 0xV5, 0x00, 0xU5, 0x00, 0xV6, 0x00, 0xU6, 0x00, 0xV7, 0x00, 0xU7]
合并：
packed_uv = [0xV0, 0xU0, 0xV1, 0xU1, 0xV2, 0xU2, 0xV3, 0xU3, .....] = [U0, V0, ..., U3, V3]

#include <emmintrin.h>
#include <smmintrin.h>

void yuyv422_to_nv12_sse41(const uint8_t *yuyv, uint8_t *nv12, int width, int height)
{
    const int y_size = width * height;
    uint8_t *dst_y = nv12;           // NV12 的 Y 平面
    uint8_t *dst_uv = nv12 + y_size; // NV12 的 UV 平面

    const __m128i mask_y = _mm_set1_epi16(0x00FF);      // 提取 Y 的掩码 (0x00FF)
    const __m128i mask_uv = _mm_set1_epi16(0xFF00); // 提取 UV 的掩码 (高 16 位)

    for (int i = 0; i < height; i++)
    {
        for (int j = 0; j < width; j += 16)
        { 
            // 每次处理 16 像素（32 字节）
            // 加载 32 字节 YUYV 数据（2 个 128 位寄存器）
            __m128i yuyv0 = _mm_loadu_si128((const __m128i *)(yuyv + j * 2));
            __m128i yuyv1 = _mm_loadu_si128((const __m128i *)(yuyv + j * 2 + 16));

            // 步骤 1：提取 Y 分量（低 8 位）
            __m128i y0 = _mm_and_si128(yuyv0, mask_y); // Y0 Y1 Y2 Y3 ...
            __m128i y1 = _mm_and_si128(yuyv1, mask_y);

            // 将 16 位 Y 压缩为 8 位
            __m128i packed_y = _mm_packus_epi16(y0, y1);
            _mm_storeu_si128((__m128i *)(dst_y + j), packed_y);

            // 步骤 2：提取 UV 分量（偶数行）
            if (i % 2 == 0)
            {
                // 从 YUYV 中提取 U/V（高 16 位）
                __m128i uv0 = _mm_and_si128(yuyv0, mask_uv); // U0 V0 U1 V1 ...
                __m128i uv1 = _mm_and_si128(yuyv1, mask_uv);

                // 右移 8 位，将 UV 放到低 8 位
                uv0 = _mm_srli_epi16(uv0, 8);
                uv1 = _mm_srli_epi16(uv1, 8);

                // 重组为 NV12 的 UV 交错格式（U0 V0 U1 V1 ...）
                __m128i packed_uv = _mm_packus_epi16(uv0, uv1);
                _mm_storeu_si128((__m128i *)(dst_uv + j), packed_uv);
            }
        }
        yuyv += width * 2; // 移动到下一行
        dst_y += width;
        if (i % 2 == 0)
        {
            dst_uv += width; // UV 平面隔行更新
        }
    }
}