Android Camera Hal中通过Neon指令优化数据拷贝

相机录像时预览流和录像流各跑一遍 sensor 输出，这部分 CPU 开销挺扎眼。ARM Neon 指令集能把图像拷贝的活儿并行起来，省下不少时间。这篇记录用 Neon 完成一帧 NV12 数据拷贝的完整实现，也顺带回答“两个流能不能只拷一份数据”这个问题。

一、背景：录像时的双流开销

Camera apk 在普通相机模式做录像操作时，一般是同时请求两个流，也就是预览流和录像流。当两个流输出的图像格式和分辨率完全相同的时候，能不能用一个流拷贝出另一个流的数据，从而省掉 sensor 输出被处理两次的开销？

我们都知道平时用的 memcpy() 是 CPU 一件件搬的，图像数据一大就非常耗 CPU，那有没有办法把 copy 操作优化一下，让 CPU 占用小一点？

二、用 Neon 实现 NV12 拷贝

这里介绍用 ARM Neon 指令集实现输出拷贝的优化。下面以具体实现来看，Neon 指令到底怎么完成一帧 NV12 图像数据的拷贝。

Android 源码里本身就支持 Neon，只要在用到的模块里引用并调用就可以了，实现如下：

1. #include <arm_neon.h>   //neon指令相关数据结构和接口定义
3. void NeonMemcpy(void *dest, const void *src, size_t size)
4. {
5.      uint8_t* dst8 = static_cast<uint8_t*>(dest);
6.      const uint8_t* src8 = static_cast<const uint8_t*>(src);
8.      //小数据直接拷贝
9.      if (size < 64) {
10.          for (; size > 0; size--) {
11.              *dst8++ = *src8++;
12.          }
13.          return;
14.      }
16.      // 64字节对齐预处理
17.      const uintptr_t mask = 0x3F;
19.      const uintptr_t misalign = reinterpret_cast<uintptr_t>(src8) & mask;
20.      if (misalign > 0) {
21.          const size_t align_bytes = 64 - misalign;
22.          for (size_t i = 0; i < align_bytes; i++) {
23.              *dst8++ = *src8++;
24.          }
25.          size -= align_bytes;
26.      }
28.      // 主拷贝循环（每次64字节）
29.      const size_t chunks = size >> 6; // 64字节块数
30.      for (size_t i = 0; i < chunks; i++) {
31.          // 使用基本NEON指令替代vld1q_u8_x4
32.          uint8x16_t data0 = vld1q_u8(src8);        //从src8加载16个8位数据到data0
33.          uint8x16_t data1 = vld1q_u8(src8 + 16);
34.          uint8x16_t data2 = vld1q_u8(src8 + 32);
35.          uint8x16_t data3 = vld1q_u8(src8 + 48);
37.          vst1q_u8(dst8, data0);                   //将data0中的16个8位数据存储到dst8中
38.          vst1q_u8(dst8 + 16, data1);
39.          vst1q_u8(dst8 + 32, data2);
40.          vst1q_u8(dst8 + 48, data3);
42.          src8 += 64;
43.         dst8 += 64;
44.     }
46.     // 处理剩余数据（16字节块）
47.     size &= 63;
48.     const size_t vec16_count = size >> 4;
49.     for (size_t i = 0; i < vec16_count; i++) {
50.         vst1q_u8(dst8, vld1q_u8(src8));
51.         src8 += 16;
52.         dst8 += 16;
53.         size -= 16;
54.     }
56.     // 尾部字节处理
57.     for (; size > 0; size--) {
58.         *dst8++ = *src8++;
59.     }
60. }

复制代码

三、这段代码具体在搬什么

• 小于 64 字节的数据直接走字节循环拷贝，不进 SIMD 流程
  
• 先做 64 字节对齐预处理：让源地址对齐到 64 字节边界，不够的部分先用单字节补齐
  
• 主拷贝循环一次搬 64 字节，vld1q_u8 连续取四段 16 字节，再 vst1q_u8 分四次写回
  
• 剩下的按 16 字节块处理，最后不足 16 字节的尾巴再逐字节收尾
  

四、落地时留意两件事

• 头文件引用的是 arm_neon.h，Neon 相关的数据结构和接口定义都在这里面
  
• 主循环用的是基本 NEON 指令来替代 vld1q_u8_x4，通用性更好
  

这套 NeonMemcpy 可以直接用在预览流和录像流的那一层，少搬一遍 sensor 数据，同样思路换个图像格式也能照搬。

编辑提示：要接入的话先看 Android 源码里的 Neon 支持范围，按模块引用&调用，改完记得和 memcpy 实测一下耗时再定。