最近花了一些时间致力于ARM下的图像处理代码优化，涉及到不少底层刷新LCD的framebuffer部分。经过一些性能数据测试和代码分析，发现写内存的确是一个瓶颈。因为ARM下面读写内存操作需要按4字节对齐，我所处理的图像数据又都是24bit的，这是典型的不对齐数据。所以刚开始设计的时候，让24位的像素数据本来是一个字节一个字节地刷新的。本能地觉得这样做速度会比较慢，于是记录了一下相关的性能数据，供以后对比分析用。接下来，我又结合前段时间研究的一些文章，对相应的刷新framebuffer部分的算法进行了一些小的改写，主要是处理了像素的写入操作部分，把相邻的两个像素的相关部分合并起来，4字节一次地刷新，比如，第一像素占了24位，然后把第二个像素的低8位合并在一起，构成一个32位的数据进行内存写入。把改进之后的算法测得的数据一对比，发觉速度竟然快了1/2！
整个操作除了内存刷新，还设计到其他像素处理操作，改进前和改进后的代码，每次执行的ARM指令条数大致都差不多。仔细分析了一下，改进之后的算法，对内存的写次数为原来的1/4，读写内存相对寄存器来说是很慢的，在嵌入式系统上面也更如此，所以，仅仅合并内存的读写操作，就可以很大程度地提高程序的性能。想想也是，SIMD指令也是用的这类原理，只是一次性处理的数据更多而已。
接下来，我对代码进行了进一步的改进，针对相邻两个像素的不同组合，增加了一些分支处理，虽然代码的体积增大了，但是对于不同的情况，代码进入不同的分支，减少了每次代码执行的时间，速度得到了进一步提高，代码的执行速度比最初的设计快了80％。整个函数都是用C写的，如果用WMMX写（因为用的是PXA27x平台，支持WMMX指令），速度应该会提升得更多。
