简介 x265是一个开源的、专门支持H.265/HEVC最新视频编码标准的编码器，支持多种输入格式、分辨率、帧率和比特深度，其核心性能很大程度上依赖于底层算子的优化程度。在视频编码中，SATD（Sum of Absolute Transformed Differences，绝对变换差和）是模式选择阶段最耗时的计算之一。它通过哈达玛变换（Hadamard Transform）评估残差，比传统的SAD（Sum of Absolute Differences，绝对差和）更贴近实际编码失真，是 x265等主流编码器的核心代价函数。蝶式运算算法背景介绍针对4×4块的SATD计算采用二维哈达玛变换实现。传统的4点哈达玛变换直接计算需要12次加减法，而蝶式运算通过两级并行的加减组合，将操作数降至8次，在x265处理4×4矩阵时可降低约33%的计算开销。蝶式运算的核心是先产生中间和差，再交叉组合，以适配SIMD的快速配对。针对4×4块的SATD计算，其灵魂在于二维哈达玛变换（2D Hadamard Transform），该变换通过对行和列分别应用4点一阶哈达玛变换实现。图 1 4点一阶哈达玛变换从暴力计算到蝶式优化传统的4点一阶哈达玛变换，其本质是矩阵乘法。如果直接按照定义公式计算，每个输出点都需要多次加减法： ●F0=f0+f1+f2+f3 ●F1=f0−f1+f2−f3 ●F2=f0+f1−f2−f3 ●F3=f0−f1−f2+f3 这种“暴力实现”对于单次计算看似可行，但在处理海量像素块时，计算量会迅速积压。为了压榨性能，业界引入了经典的蝶式运算（Butterfly Operation）。蝶式运算的逻辑重构蝶式运算的核心思想是分治与复用。通过将4点变换分解为两级并行的加减组合，从而大幅减少操作总数。其推导逻辑如下：第一步：产生中间变量（一级蝶式）利用输入两两配对，生成中间和与差： ●tmp0=f0+f1 ●tmp1=f0−f1 ●tmp2=f2+f3 ●tmp3=f2−f3 第二步：交叉组合（二级蝶式）利用中间变量再次交叉运算，直接导出最终结果： ●F0=tmp0+tmp2⟹(f0+f1)+(f2+f3) ●F1=tmp1+tmp3⟹(f0−f1)+(f2−f3) ●F2=tmp0−tmp2⟹(f0+f1)−(f2+f3) ●F3=tmp1−tmp3⟹(f0−f1)−(f2−f3) 性能提升：通过这一变换，原本需要12次加减法才能完成的4点变换，被精简到了8次。在x265处理4×4矩阵时，这意味着总计算开销降低了33%。这种结构虽然减少了加减法次数，但在SIMD（Single Instruction Multiple Data，单指令流多数据流）实现中，如何让对应的fn快速“相遇”并运算，才是性能的关键。 NEON实现的瓶颈：多重TRN指令 x265的NEON实现采用列变换→行变换的步骤，包括列计算、TRN转置重排、行计算以及取绝对值后两两求MAX再求和的汇总；频繁的TRN指令导致流水线被挤占，指令依赖高，成为SATD算子的性能瓶颈。目前x265的NEON实现采用的是“列变换->行变换”的逻辑。为了对齐数据，引入了大量的TRN（Transpose）指令： 1.列计算：同一列不同行的数据分布在不同向量中，通过多轮ADD/SUB得到列结果。 2.转置重排：使用多条TRN指令将同一行的值重新排列到同一个向量中。 3.行计算：再次进行ADD/SUB。 4.汇总：取绝对值后两两求MAX，最后求和。瓶颈明显：频繁的TRN数据搬移指令严重挤占了流水线，导致指令之间依赖偏高。 SVE优化：指令融合与搬移消除在鲲鹏SVE的优化中，团队深入底层，利用SVE新指令语义对原有的“计算+重排”指令组合进行重组，实现指令等价转化，从而消除数据搬移开销。在鲲鹏SVE的优化实践中，我们并没有停留在简单的代码移植层面，而是深入底层，通过指令等价转化挖掘性能红利。优化的核心逻辑在于：利用SVE的新指令语义，将原有的“计算+重排”指令组合进行重组。经过分析与推导，我们发现了下述SVE与NEON之间的指令融合转换关系。这一公式可以有效消除数据搬移开销： 1.（SVE=NEON）[xxx]LB=[xxx]L + UZP1 [xxx]LT = [xxx]L + UZP2 2.（NEON=SVE）[xxx]P = UZP1 + UZP2 + [xxx] 其中xxx代表具体的指令。以公式[xxx]lb/lt = [xxx]l/l2 + uzp1/2为例以usublb和usublt（无符号减法长指令的低位/高位版本）组合为例进行图解说明：图 1 [xxx]lb/lt = [xxx]l/l2 + uzp1/2 SATD算子指令流重构实操本节介绍了将特定公式应用于x265 SATD算子的重塑优化，包含三个阶段：第一阶段将TRN指令替换为UZP指令以消除对齐障碍；第二阶段利用Pair语义将UZP1/2 + MAX序列替换为单条MAXP指令，消除重排开销；第三阶段针对8bit像素扩展至16bit残差计算进行融合优化。优化后在保证计算结果一致的前提下，整体指令数缩减约40%。我们将上述公式应用于x265的SATD算子中，通过三个关键阶段进行了重塑：阶段一：逻辑等价转化在图1x265的原生NEON实现中，为了对齐数据，引入了大量的TRN（Transpose）指令。我们首先将TRN替换为等效的UZP指令。虽然UZP仍是搬移指令，但它能将同一向量中相邻元素变换到不同向量中对齐，为后续融合扫清了障碍。阶段二：利用pair语义消除重排在图1的基础上，我们应用公式 (2)：针对绝对值求和逻辑，我们将原本的UZP1/2 + MAX指令序列，直接替换为单条MAXP (Pairwise Max)指令。这一步消除了明显的重排开销，使计算在单一周期内完成。图 2 应用[xxx]p.neon = uzp1/2 + [xxx] 阶段三：位宽扩展与计算融合这是最核心的优化。由于输入像素是8bit，残差计算需要扩展至16bit。 ●NEON实现：使用USUBL/L2计算差值，紧跟UZP1/2进行数据重排。 ●SVE优化：应用公式 (1)[xxx]lb/lt = [xxx]l/l2 + uzp1/2。利用SVE独有的Bottom/Top (lb/lt)语义，替换为USUBLB 和USUBLT指令。图 3 应用[xxx]lb/lt = [xxx]l/l2 + uzp1/2 优化结果测试环境： ●软件版本：开源x265 master ●编译器：BiSheng Compiler-5.0.0-aarch64-linux ●硬件平台：鲲鹏服务器至此，通过对公式（1）和公式（2）的灵活运用，SATD算子中冗余的数据搬移指令被彻底消除。在保证计算结果完全一致的前提下，整体指令数大幅缩减约40%。