/// to:baojinlong@sohu.com">baojinlong@sohu.com

//  if have any problem, contact me.

// the asm function nearly have the same speed as mmx!

///////  asm code

unsigned char *clip;

void  init_clip()
{
 unsigned char *p;
 p=(unsigned char*)malloc(2048);
  clip=p+1024;
 for (int i=-1024;i<1024;i++)
 {
 clip[i]=(i>=0)? ((i<=255)?i:255):0;
 }
}

//  r=1.164(y-16)+1.596(v-128)
//  g=1.164(y-16)-0.391(u-128)-0.813(v-128)
//  b=1.164(y-16)+2.018(u-128)

const static int p_1164 = 75;
const static int p_1596 = 102;
const static int p_0391 = 25;
const static int p_0813 = 52;
const static int p_2018 = 129;

const static int ooffooff=0x00ff00ff;
const static int ffooffoo=0xff00ff00;

const static short p_223[]=  {25632,25632};
const static short p_135[]= {4349,4349};
const static short p_277[]=  { 23906,23906};

void  paroll_yuv2rgb(unsigned char *y,
  unsigned char *u,
  unsigned char *v,
  unsigned char *r,
  int h ,
  int w)
{
// h: height of y matrix
// w: width of y matrix
// chroma type:: must be 420

//  r=1.164*y + 1.596*v  -223
//  g=1.164*y - 0.391*u - 0.813*v +135.9
//  b=1.164*y + 2.018*u  -276.93

int  py1164_20; 
int  py1164_31; 
int  pv1596; 
int  pv0813; 
int  pu0391; 
int  pu2018;
int  pr20,pr31,pg20,pg31,pb20,pb31; 

int rw=w<<2;
int rws16=rw-16;
int lw=w>>2;
int lh=h>>1;
int lw0=lw;
int iclip=(int)clip;

  __asm
 {
 mov  esi,y
llw: 
 mov  edi,v

 add  [v],2

  movzx ebx,byte ptr [edi]
 movzx eax,byte ptr [edi+1]

 mov  edi,u
 add  [u],2

 shl  eax,16
  or  eax,ebx  // 00 v1 00 v0

  movzx ecx,byte ptr [edi+1]

 mov  ebx,eax
 mul  [p_0813]
 shl  ecx,16
 mov  [pv0813],eax
 mov  eax,ebx
 mul  dword ptr p_1596 

 movzx ebx,byte ptr [edi]

 mov  [pv1596],eax

 mov  eax,ecx
  or  eax,ebx  // 00 u1 00 u0

 mov  ecx,[esi]  // y3 y2 y1 y0

 mov  ebx,eax
 mul  dword ptr p_0391

 mov  edi,ecx

 mov  [pu0391],eax

 mov  eax,ebx
 mul  dword ptr p_2018

 and  ecx,ooffooff  // 0  y2 0  y0
 mov  [pu2018],eax

  mov  eax,ecx
 mul  [p_1164]  // y2 y0
 and  edi,ffooffoo  // y3 0  y1 0
 mov  [py1164_20],eax
 mov  eax,edi
 shr  eax,8  // 0  y3 0  y2

 mul  [p_1164]  // y3 y1

 mov  ecx,[pv1596]

  mov  ebx,[py1164_20]

 mov  edx,dword ptr p_223

 mov  [py1164_31],eax

 add  eax,ecx
 add  ebx,ecx
 shr  eax,1
 shr  ebx,1
 add  eax,edx
 add  ebx,edx
 shl  eax,1
 shl  ebx,1

 mov  [pr31],eax  // r3 r1
 mov  [pr20],ebx  // r2 r0

 mov  ecx,[pu2018]
 mov  eax,[py1164_20]
 mov  ebx,[py1164_31]
 mov  edx,dword ptr [p_277]
 add  eax,ecx
 add  ebx,ecx
 shr  eax,1
 shr  ebx,1
 add  eax,edx
 add  ebx,edx
 shl  eax,1
 shl  ebx,1
 mov  [pb20],eax
 mov  [pb31],ebx

 mov  eax,[py1164_20]
 mov  ebx,[py1164_31]
 mov  ecx,[pu0391]
 mov  edx,[pv0813]
 shr  eax,1
 shr  ebx,1
 shr  ecx,1
 shr  edx,1
 sub  eax,ecx
 sub  ebx,ecx
 mov  ecx,dword ptr [p_135]
 sub  eax,edx
 sub  ebx,edx
 add  eax,ecx
 add  ebx,ecx
 shl  eax,1
 shl  ebx,1
 mov  [pg20],eax
 mov  [pg31],ebx

// clip and output
 mov  edi,r

 lea  edx, [pr20]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // r0
 mov  dl,[ebx]  // r2
  mov  [edi+2],cl
 mov  [edi+10],dl

 lea  edx,[pr31]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // r1
 mov  dl,[ebx]  // r3
  mov  [edi+6],cl
 mov  [edi+14],dl

 lea  edx,[pg20]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // g0
 mov  dl,[ebx]  // g2
  mov  [edi+1],cl
 mov  [edi+9],dl

 lea  edx,[pg31]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // g1
 mov  dl,[ebx]  // g3
  mov  [edi+5],cl
 mov  [edi+13],dl

 lea  edx,[pb20]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // b0
 mov  dl,[ebx]  // b2
  mov  [edi],cl
 mov  [edi+8],dl

 lea  edx,[pb31]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // b1
 mov  dl,[ebx]  // b3

 mov  ebx,rw
 add  esi,w
 add  [r],ebx
 mov  eax,[esi]  // y3 y2 y1 y0

  mov  [edi+4],cl
 mov  [edi+12],dl

// next row of y
  mov  ebx,eax
 and  eax,ooffooff  // 0  y2 0  y0
 mul  [p_1164]
 and  ebx,ffooffoo  // y3 0  y1 0
 shr  ebx,8
 mov  [py1164_20],eax
  mov  eax,ebx

 mul  [p_1164]

 mov  ecx,pv1596

  mov  ebx,py1164_20
 mov  edx,dword ptr p_223

 mov  [py1164_31],eax

 add  eax,ecx
 add  ebx,ecx
 shr  eax,1
 shr  ebx,1
 add  eax,edx
 add  ebx,edx
 shl  eax,1
 shl  ebx,1
 mov  [pr31],eax  // r3 r1
 mov  [pr20],ebx  // r2 r0

 mov  ecx,[pu2018]
 mov  eax,[py1164_20]
 mov  ebx,[py1164_31]
 mov  edx,dword ptr [p_277]
 add  eax,ecx
 add  ebx,ecx
 shr  eax,1
 shr  ebx,1
 add  eax,edx
 add  ebx,edx
 shl  eax,1
 shl  ebx,1
 mov  [pb20],eax
 mov  [pb31],ebx

 mov  ecx,[pu0391]
 mov  eax,[py1164_20]
 mov  ebx,[py1164_31]
 mov  edx,[pv0813]
 shr  ecx,1
 shr  eax,1
 shr  ebx,1
 shr  edx,1
 sub  eax,ecx
 sub  ebx,ecx
 mov  ecx,dword ptr [p_135]
 sub  eax,edx
 sub  ebx,edx
 add  eax,ecx
 add  ebx,ecx
 shl  eax,1
 shl  ebx,1
 mov  [pg20],eax
 mov  [pg31],ebx

// clip and output
 mov  edi,r

 lea  edx,[pr20]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // r0
 mov  dl,[ebx]  // r2
  mov  [edi+2],cl
 mov  [edi+10],dl

 lea  edx,[pr31]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // r1
 mov  dl,[ebx]  // r3
  mov  [edi+6],cl
 mov  [edi+14],dl

 lea  edx,[pg20]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // g0
 mov  dl,[ebx]  // g2
  mov  [edi+1],cl
 mov  [edi+9],dl

 lea  edx,[pg31]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // g1
 mov  dl,[ebx]  // g3
  mov  [edi+5],cl
 mov  [edi+13],dl

 lea  edx,[pb20]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // b0
 mov  dl,[ebx]  // b2
  mov  [edi],cl
 mov  [edi+8],dl

 lea  edx,[pb31]
 mov  ecx,iclip
 
 movsx eax,word ptr [edx] 
 movsx ebx,word ptr [edx+2] 
 sar  eax,6
 sar  ebx,6
 add  eax,ecx
  add  ebx,ecx

 xor  ecx,ecx
 xor  edx,edx
  mov  cl,[eax]  // b1
 mov  dl,[ebx]  // b3
  mov  [edi+4],cl
 mov  [edi+12],dl 

 mov  eax,rws16
 sub  esi,w
 add  esi,4
 sub  [r],eax

 sub  [lw],1
 jnz  llw

 mov  eax,lw0
 mov  ebx,rw

 add  esi,w
 add  [r],ebx

 mov  [lw],eax

 sub  [lh],1
 jnz  llw
 
 }

}

///// asm code end

///// mmx code begin

#ifdef  __yuv2rgb_mul32

const static short t16[4]={16,16,16,16};
const static short t128[4]={128,128,128,128};
 const short t1164[4]=
 {
 4768,4768,4768,4768
 };
 const short t1596[4]=
 {
 6538,6538,6538,6538
 };
 const short t0391[4]=
 {
 1602,1602,1602,1602
 };
 const short t0813[4]=
 {
 3330,3330,3330,3330
 };
 const short t2018[4]=
 {
 8266,8266,8266,8266
 };

//  r=1.164(y-16)+1.596(v-128)
//  g=1.164(y-16)-0.391(u-128)-0.813(v-128)
//  b=1.164(y-16)+2.018(u-128)

#define ___0rgb

void  Videoplayer::yuv2rgb4XmmxC420(unsigned char *lpY,
  unsigned char *lpU,
  unsigned char *lpV,
  unsigned char *lpRGB,
  int nSrcHeight ,
  int nSrcWidth)

{
  int rgbwidth=nSrcWidth<<2;// 32 bits 0rgb;
 int nyw=nSrcWidth;
 int col=nSrcWidth>>3;
 int row=nSrcHeight>>1;

  int  t1596v_128_10[2];
  int  t1596v_128_32[2];
  int  t0813v_128_10[2];
  int  t0813v_128_32[2];
  int  t0391u_128_10[2];
  int  t0391u_128_32[2];
  int  t2018u_128_10[2];
  int  t2018u_128_32[2];

 __asm
 {
 mov  esi,lpU
 mov  edi,lpV
 mov  eax,lpY
 mov  edx,lpRGB
 mov  ecx,col
 mov  ebx,row

rrr: pxor  mm0,mm0

 movq  mm3,qword ptr t128
 movd  mm2,dword ptr [edi]  00 00 00 v3 v2 v1 v0
 movd  mm1,dword ptr [esi]  00 00 00 u3 u2 u1 u0
 punpcklbw  mm2,mm0  v3 00 v2 00 v1 00 v0
 punpcklbw  mm1,mm0  u3 00 u2 00 u1 00 u0
 psubsw  mm1,mm3 
 psubsw  mm2,mm3 
file://compute u,v data
file://t0391u_128
  movq  mm7,qword ptr t0391
  movq  mm3,mm1
 movq  mm4,mm1
 pmullw  mm4,mm7
 pmulhw  mm3,mm7
 movq  mm7,mm4
 punpckhwd  mm4,mm3  file://t0391u_128_32-->mm4
 punpcklwd  mm7,mm3  file://t0391u_128_10-->mm7
 movq  qword ptr t0391u_128_32,mm4
 movq  qword ptr t0391u_128_10,mm7
file://t2018u_128
  movq  mm7,qword ptr t2018
  movq  mm3,mm1
 pmullw  mm1,mm7
 pmulhw  mm3,mm7
 movq  mm7,mm1
 punpckhwd  mm1,mm3  file://t2018u_128_32-->mm1
 punpcklwd  mm7,mm3  file://t2018u_128_10-->mm7
 movq  qword ptr t2018u_128_32,mm1
 movq  qword ptr t2018u_128_10,mm7
file://t1596v_128
  movq  mm7,qword ptr t1596
  movq  mm3,mm2
 movq  mm4,mm2
 pmullw  mm4,mm7
 pmulhw  mm3,mm7
 movq  mm7,mm4
 punpckhwd  mm4,mm3  file://t1596v_128_32-->mm4
 punpcklwd  mm7,mm3  file://t1596v_128_10-->mm7
 movq  qword ptr t1596v_128_32,mm4
 movq  qword ptr t1596v_128_10,mm7
file://t0813v_128
  movq  mm7,qword ptr t0813
  movq  mm3,mm2
 pmullw  mm2,mm7
 pmulhw  mm3,mm7
 movq  mm7,mm2
 punpckhwd  mm2,mm3  file://t0813v_128_32-->mm2
 punpcklwd  mm7,mm3  file://t0813v_128_10-->mm7
 movq  qword ptr t0813v_128_32,mm2
 movq  qword ptr t0813v_128_10,mm7

 movq  mm3,dword ptr [eax]  // 76 54 32 10
 pxor  mm0,mm0
 movq  mm2,mm3
 punpcklbw  mm2,mm0  // 03 02 01 00
 punpckhbw  mm3,mm0  // 07 06 05 04
 movq  mm4,mm2
 movq  mm5,mm3
 punpcklwd  mm2,mm0  // 00 01 00 00
 punpckhwd  mm0,mm4  // 03 00 02 00
 pxor  mm4,mm4
 por  mm0,mm2  // 03 01 02 00--->mm0
  movq  mm7,qword ptr t16
 punpcklwd  mm3,mm4  // 00 05 00 04
 punpckhwd  mm4,mm5  // 07 00 06 00
  por  mm4,mm3  // 07 05 06 04-->mm5
  psubsw  mm0,mm7 
 movq  mm5,mm4
 psubsw  mm5,mm7 
file://compute
  movq  mm7,qword ptr t1164
  movq  mm6,mm0  y1 y2 y0
 pmullw  mm6,mm7 
 pmulhw  mm0,mm7
 movq  mm7,mm6
 punpckhwd  mm7,mm0  // y3 y1  (y-16)-->mm7
 punpcklwd  mm6,mm0  // y2 y0  (y-16)-->mm6 

  movq  mm0,qword ptr t1596v_128_10
 movq  mm1,mm6  // y2 y0
 movq  mm2,mm7  // y3 y1
// r=1.164(y-16)+1.596(v-128)
 paddd  mm1,mm0  // r2 r0
 paddd  mm2,mm0  // r3 r1
 psrad  mm1,12
 psrad  mm2,12
 movq  mm0,mm1
 punpckhdq  mm1,mm2  // r3 r2
 punpckldq  mm0,mm2  // r1 r0
 packssdw  mm0,mm1  // r3 r2 r1 r0 --->mm0

  movq  mm1,qword ptr t0391u_128_10
 movq  mm4,qword ptr t0813v_128_10
// g=1.164(y-16)-0.391(u-128)-0.813(v-128)
  movq  mm2,mm6
 movq  mm3,mm7
  psubd  mm2,mm1
 psubd  mm3,mm1
 psubd  mm2,mm4
 psubd  mm3,mm4
 psrad  mm2,12
 psrad  mm3,12
  movq  mm4,mm2
  movq  mm1,qword ptr t2018u_128_10
 punpckhdq  mm2,mm3
 punpckldq  mm4,mm3
 packssdw  mm4,mm2  // g3 g2 g1 g0 --->mm4

//  b=1.164(y-16)+2.018(u-128)
  paddd  mm6,mm1  // b2 b0
  paddd  mm7,mm1  // b3 b1
 psrad  mm6,12
 psrad  mm7,12
 movq  mm1,mm6
 punpckhdq  mm1,mm7
 punpckldq  mm6,mm7
  pxor  mm2,mm2
 packssdw  mm6,mm1  // b3 b2 b1 b0 --->mm6

// b-->mm6,g-->mm4,r-->mm0

#ifdef ___0rgb
   packuswb  mm6,mm2
 packuswb  mm4,mm2
 packuswb  mm0,mm2
 punpcklbw  mm6,mm4  // g3 b3 g2 b2 g1 b1 g0 b0  -->mm6
  punpcklbw  mm0,mm2  // 00 r3 00 r2 00 r1 00 r0  -->mm0
 movq  mm7,mm6
   punpcklwd  mm6,mm0  // 00 r1 g1 b1 00 r0 g0 b0
   punpckhwd  mm7,mm0  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx], mm6
 movq  qword ptr[edx+8], mm7
#else
 packuswb  mm0,mm2 
 packuswb  mm4,mm2 
   packuswb  mm6,mm2 

 punpcklbw  mm0,mm4  // g3 r3 g2 r2 g1 r1 g0 r0  -->mm0
  punpcklbw  mm6,mm2  // 00 b3 00 b2 00 b1 00 b0  -->mm6
 movq  mm7,mm0

   punpcklwd  mm0,mm6  // 00 b1 g1 r1 00 r0 g0 b0
   punpckhwd  mm7,mm6  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx], mm0
 movq  qword ptr[edx+8], mm7
#endif
file://compute
  movq  mm7,qword ptr t1164
  movq  mm6,mm5  y5 y6 y4
 pmullw  mm6,mm7 
 pmulhw  mm5,mm7
 movq  mm7,mm6
 punpckhwd  mm7,mm5  // y7 y5  (y-16)-->mm7
 punpcklwd  mm6,mm5  // y6 y4  (y-16)-->mm6 

  movq  mm0,qword ptr t1596v_128_32
 movq  mm1,mm6  // y6 y4
 movq  mm2,mm7  // y7 y5
// r=1.164(y-16)+1.596(v-128)
 paddd  mm1,mm0  // r2 r0
 paddd  mm2,mm0  // r3 r1
 psrad  mm2,12
 psrad  mm1,12
 movq  mm0,mm1
 punpckhdq  mm1,mm2  // r3 r2
 punpckldq  mm0,mm2  // r1 r0
 packssdw  mm0,mm1  // r3 r2 r1 r0 --->mm0

  movq  mm1,qword ptr t0391u_128_32
 movq  mm4,qword ptr t0813v_128_32
(y-16)-0.391(u-128)-0.813(v-128)
  movq  mm2,mm6
 movq  mm3,mm7
  psubd  mm2,mm1
 psubd  mm3,mm1
 psubd  mm2,mm4
 psubd  mm3,mm4
 psrad  mm2,12
 psrad  mm3,12
  movq  mm1,qword ptr t2018u_128_32
  movq  mm4,mm2
 punpckhdq  mm2,mm3
 punpckldq  mm4,mm3
 packssdw  mm4,mm2  // g3 g2 g1 g0 --->mm4

//  b=1.164(y-16)+2.018(u-128)
  paddd  mm6,mm1  // b2 b0
  paddd  mm7,mm1  // b3 b1
 psrad  mm6,12
 psrad  mm7,12
 movq  mm1,mm6
 punpckhdq  mm1,mm7
 punpckldq  mm6,mm7
  pxor  mm2,mm2
 packssdw  mm6,mm1  // b3 b2 b1 b0 --->mm6

// b-->mm6,g-->mm4,r-->mm0
#ifdef ___0rgb
   packuswb  mm6,mm2
 packuswb  mm4,mm2
 punpcklbw  mm6,mm4  // g3 b3 g2 b2 g1 b1 g0 b0  -->mm6
 packuswb  mm0,mm2
  punpcklbw  mm0,mm2  // 00 r3 00 r2 00 r1 00 r0  -->mm0
 movq  mm7,mm6
   punpcklwd  mm6,mm0  // 00 r1 g1 b1 00 r0 g0 b0
   punpckhwd  mm7,mm0  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx+16], mm6
 movq  qword ptr[edx+24], mm7
#else
 packuswb  mm0,mm2 
 packuswb  mm4,mm2 
   packuswb  mm6,mm2 

 punpcklbw  mm0,mm4  // g3 r3 g2 r2 g1 r1 g0 r0  -->mm0
  punpcklbw  mm6,mm2  // 00 b3 00 b2 00 b1 00 b0  -->mm6
 movq  mm7,mm0

   punpcklwd  mm0,mm6  // 00 b1 g1 r1 00 r0 g0 b0
   punpckhwd  mm7,mm6  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx+16], mm0
 movq  qword ptr[edx+24], mm7
#endif
/////
stage , next row of y
 add  eax,nyw
 add  edx,rgbwidth

 movq  mm3,dword ptr [eax]  // 76 54 32 10
 pxor  mm0,mm0
 movq  mm2,mm3
 punpcklbw  mm2,mm0  // 03 02 01 00
 punpckhbw  mm3,mm0  // 07 06 05 04
 movq  mm4,mm2
 punpcklwd  mm2,mm0  // 00 01 00 00
 punpckhwd  mm0,mm4  // 03 00 02 00
 pxor  mm4,mm4
 por  mm0,mm2  // 03 01 02 00--->mm0
  movq  mm7,qword ptr t16
 movq  mm5,mm3
 punpcklwd  mm3,mm4  // 00 05 00 04
 punpckhwd  mm4,mm5  // 07 00 06 00
  por  mm4,mm3  // 07 05 06 04-->mm4
  psubsw  mm0,mm7 
 movq  mm5,mm4
 psubsw  mm5,mm7 
 
file://compute
  movq  mm7,qword ptr t1164
  movq  mm6,mm0  y1 y2 y0
 pmullw  mm6,mm7 
 pmulhw  mm0,mm7
 movq  mm7,mm6
 punpckhwd  mm7,mm0  // y3 y1  (y-16)-->mm7
 punpcklwd  mm6,mm0  // y2 y0  (y-16)-->mm6 

  movq  mm0,qword ptr t1596v_128_10
 movq  mm1,mm6  // y2 y0
 movq  mm2,mm7  // y3 y1
// r=1.164(y-16)+1.596(v-128)
 paddd  mm1,mm0  // r2 r0
 paddd  mm2,mm0  // r3 r1
 psrad  mm2,12
 psrad  mm1,12
 movq  mm0,mm1
 punpckhdq  mm1,mm2  // r3 r2
 punpckldq  mm0,mm2  // r1 r0
 packssdw  mm0,mm1  // r3 r2 r1 r0 --->mm0

  movq  mm1,qword ptr t0391u_128_10
 movq  mm4,qword ptr t0813v_128_10
(y-16)-0.391(u-128)-0.813(v-128)
  movq  mm2,mm6
 movq  mm3,mm7
  psubd  mm2,mm1
 psubd  mm3,mm1
 psubd  mm2,mm4
 psubd  mm3,mm4
 psrad  mm2,12
 psrad  mm3,12
  movq  mm4,mm2
  movq  mm1,qword ptr t2018u_128_10
 punpckhdq  mm2,mm3
 punpckldq  mm4,mm3
 packssdw  mm4,mm2  // g3 g2 g1 g0 --->mm4

//  b=1.164(y-16)+2.018(u-128)
  paddd  mm6,mm1  // b2 b0
  paddd  mm7,mm1  // b3 b1
 psrad  mm6,12
 psrad  mm7,12
 movq  mm1,mm6
 punpckhdq  mm1,mm7
 punpckldq  mm6,mm7
  pxor  mm2,mm2
 packssdw  mm6,mm1  // b3 b2 b1 b0 --->mm6

// b-->mm6,g-->mm4,r-->mm0
#ifdef ___0rgb
   packuswb  mm6,mm2
 packuswb  mm4,mm2
 punpcklbw  mm6,mm4  // g3 b3 g2 b2 g1 b1 g0 b0  -->mm6
 packuswb  mm0,mm2
  punpcklbw  mm0,mm2  // 00 r3 00 r2 00 r1 00 r0  -->mm0
 movq  mm7,mm6
   punpcklwd  mm6,mm0  // 00 r1 g1 b1 00 r0 g0 b0
   punpckhwd  mm7,mm0  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx], mm6
 movq  qword ptr[edx+8], mm7
#else
 packuswb  mm0,mm2 
 packuswb  mm4,mm2 
   packuswb  mm6,mm2 

 punpcklbw  mm0,mm4  // g3 r3 g2 r2 g1 r1 g0 r0  -->mm0
  punpcklbw  mm6,mm2  // 00 b3 00 b2 00 b1 00 b0  -->mm6
 movq  mm7,mm0

   punpcklwd  mm0,mm6  // 00 b1 g1 r1 00 r0 g0 b0
   punpckhwd  mm7,mm6  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx], mm0
 movq  qword ptr[edx+8], mm7
#endif
file://compute
  movq  mm7,qword ptr t1164
  movq  mm6,mm5  y5 y6 y4
 pmullw  mm6,mm7 
 pmulhw  mm5,mm7
 movq  mm7,mm6
 punpckhwd  mm7,mm5  // y7 y5  (y-16)-->mm7
 punpcklwd  mm6,mm5  // y6 y4  (y-16)-->mm6 

  movq  mm0,qword ptr t1596v_128_32
 movq  mm1,mm6  // y6 y4
 movq  mm2,mm7  // y7 y5
// r=1.164(y-16)+1.596(v-128)
 paddd  mm1,mm0  // r2 r0
 paddd  mm2,mm0  // r3 r1
 psrad  mm1,12
 psrad  mm2,12
 movq  mm0,mm1
 punpckhdq  mm1,mm2  // r3 r2
 punpckldq  mm0,mm2  // r1 r0
 packssdw  mm0,mm1  // r3 r2 r1 r0 --->mm0

  movq  mm1,qword ptr t0391u_128_32
 movq  mm4,qword ptr t0813v_128_32
(y-16)-0.391(u-128)-0.813(v-128)
  movq  mm2,mm6
 movq  mm3,mm7
  psubd  mm2,mm1
 psubd  mm3,mm1
 psubd  mm2,mm4
 psubd  mm3,mm4
 psrad  mm2,12
 psrad  mm3,12
  movq  mm1,qword ptr t2018u_128_32
  movq  mm4,mm2
 punpckhdq  mm2,mm3
 punpckldq  mm4,mm3
 packssdw  mm4,mm2  // g3 g2 g1 g0 --->mm4

//  b=1.164(y-16)+2.018(u-128)
  paddd  mm6,mm1  // b2 b0
  paddd  mm7,mm1  // b3 b1
 psrad  mm6,12
 psrad  mm7,12
 movq  mm1,mm6
 punpckhdq  mm1,mm7
 punpckldq  mm6,mm7
  pxor  mm2,mm2
 packssdw  mm6,mm1  // b3 b2 b1 b0 --->mm6

// b-->mm6,g-->mm4,r-->mm0
#ifdef ___0rgb
   packuswb  mm6,mm2
 packuswb  mm4,mm2
 punpcklbw  mm6,mm4  // g3 b3 g2 b2 g1 b1 g0 b0  -->mm6
 packuswb  mm0,mm2
  punpcklbw  mm0,mm2  // 00 r3 00 r2 00 r1 00 r0  -->mm0
 movq  mm7,mm6
   punpcklwd  mm6,mm0  // 00 r1 g1 b1 00 r0 g0 b0
   punpckhwd  mm7,mm0  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx+16], mm6
 movq  qword ptr[edx+24], mm7
#else
 packuswb  mm0,mm2 
 packuswb  mm4,mm2 
   packuswb  mm6,mm2 

 punpcklbw  mm0,mm4  // g3 r3 g2 r2 g1 r1 g0 r0  -->mm0
  punpcklbw  mm6,mm2  // 00 b3 00 b2 00 b1 00 b0  -->mm6
 movq  mm7,mm0

   punpcklwd  mm0,mm6  // 00 b1 g1 r1 00 r0 g0 b0
   punpckhwd  mm7,mm6  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx+16], mm0
 movq  qword ptr[edx+24], mm7
#endif 
  sub  eax,nyw
 sub  edx,rgbwidth
 add  esi,4
 add  edi,4
 add  eax,8
 add  edx,32
 dec  ecx
 jnz  rrr

  mov  ecx,col
 add  eax,nyw
 add  edx,rgbwidth
 dec  ebx
 jnz  rrr
  emms
 }
}

#else

 short t1164[4]=
 {
 19071,19071,19071,19071//<<2
 };
 short t1596[4]=
 {
 26149,26149,26149,26149//<<2
 };
 short t0391[4]=
 {
 25625,25625,25625,25625//<<0
 };
 short t0813[4]=
 {
 26641,26641,26641,26641//<<1
 };
 short t2018[4]=
 {
 16532,16532,16532,16532//<<3
 };
 short t16[4]=
 {
 16,16,16,16
 };
 short t128[4]=
 {
 128,128,128,128
 };

void  VideoPlayer::yuv2rgb4XmmxC420(unsigned char *lpY,
  unsigned char *lpU,
  unsigned char *lpV,
  unsigned char *lpRGB,
  int  nSrcHeight,
  int  nSrcWidth)
{
  int rgbwidth=nSrcWidth<<2;// 32 bits rgb0;
 int nyw=nSrcWidth;
 int col=nSrcWidth>>3;
 int row=nSrcHeight>>1;

  #define  mmt2018u  mm1
  #define  mmt0813v  mm2
  #define  mmt0391u  mm3
  #define  mmt1596v  mm4

 __int64  ty;

 __asm
 {
 mov  esi,lpU
 mov  edi,lpV
 mov  eax,lpY
 mov  edx,lpRGB
 mov  ecx,col
  mov  ebx,row

rrr: 
 pxor  mm0,mm0

 movq  mm3,qword ptr t128
 movq  mm4,qword ptr t0391
 movq  mm5,qword ptr t2018
 movq  mm6,qword ptr t1596
 movq  mm7,qword ptr t0813

 movd  mm1,dword ptr [esi]
 movd  mm2,dword ptr [edi]
 punpcklbw  mm1,mm0
 punpcklbw  mm2,mm0

file://copute u,v
 psubsw  mm1,mm3 
 psubsw  mm2,mm3 
 movq  mm3,mm1
 psllw  mm1,3
 pmulhw  mm3,mm4  // t0391u-->mm3
 pmulhw  mm1,mm5  // t2018u-->mm1
 movq  mm4,mm2
 psllw  mm2,1
 psllw  mm4,2
 pmulhw  mm2,mm7  // t0813v-->mm2
 pmulhw  mm4,mm6  // t1596v-->mm4

 movq  mm5,dword ptr [eax]  // 76 54 32 10
 pxor  mm0,mm0
 movq  mm6,mm5
 punpcklbw  mm5,mm0  // 03 02 01 00 
 punpckhbw  mm0,mm6  // 70 60 50 40
 por  mm0,mm5  // 73 62 51 40
 pxor  mm6,mm6
 pxor  mm5,mm5
   punpckhbw  mm6,mm0  // 70 30 60 20
  punpcklbw  mm0,mm5  // 05 01 04 00
 por  mm0,mm6  // 75 31 64 20
 pxor  mm5,mm5
 movq  mm6,mm0
 punpckhbw  mm6,mm5  // y7 y5 y3 y1
 punpcklbw  mm0,mm5
 movq  mm5,qword ptr t16
 movq  mm7,qword ptr t1164
 psubsw  mm6,mm5
 psubsw  mm0,mm5
 psllw  mm6,2
 psllw  mm0,2
 pmulhw  mm6,mm7
 pmulhw  mm0,mm7  // y6 y4 y2 y0 -->mm0
 movq  qword ptr ty,mm6  // y7 y5 y3 y1 -->ty
 
file://compute
  pxor  mm7,mm7
 movq  mm5,mmt1596v
 movq  mm6,mm0  1.164(y-16)
 paddsw  mm5,mm0  // r=1.164(y-16)+1.596(v-128)  r-->mm5
 psubsw  mm6,mmt0391u  (y-16)-0.391(u-128)
 psubsw  mm6,mmt0813v//g=1.164(y-16)-0.391(u-128)-0.813(v-128)  g-->mm6
 paddsw  mm0,mmt2018u //  b=1.164(y-16)+2.018(u-128)  b-->mm0

// b-->mm0,g-->mm6,r-->mm5
 packuswb  mm6,mm7
   packuswb  mm0,mm7
 punpcklbw  mm0,mm6  // g3 b3 g2 b2 g1 b1 g0 b0  -->mm0
 packuswb  mm5,mm7
  punpcklbw  mm5,mm7  // 00 r3 00 r2 00 r1 00 r0  -->mm5
 movq  mm7,mm0
   punpcklwd  mm0,mm5  // 00 r1 g1 b1 00 r0 g0 b0
   punpckhwd  mm7,mm5  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx], mm0
  movq  mm0,qword ptr ty
 movq  qword ptr[edx+8], mm7

file://compute
  pxor  mm7,mm7
 movq  mm5,mmt1596v
 paddsw  mm5,mm0  // r=1.164(y-16)+1.596(v-128)  r-->mm5
 movq  mm6,mm0  1.164(y-16)
 psubsw  mm6,mmt0391u  (y-16)-0.391(u-128)
 psubsw  mm6,mmt0813v//g=1.164(y-16)-0.391(u-128)-0.813(v-128)  g-->mm6
 paddsw  mm0,mmt2018u //  b=1.164(y-16)+2.018(u-128)  b-->mm0

// b-->mm0,g-->mm6,r-->mm5
 packuswb  mm6,mm7
   packuswb  mm0,mm7
 punpcklbw  mm0,mm6  // g3 b3 g2 b2 g1 b1 g0 b0  -->mm0
 packuswb  mm5,mm7
  punpcklbw  mm5,mm7  // 00 r3 00 r2 00 r1 00 r0  -->mm5
 movq  mm7,mm0
 movq  mm6,[edx]  // 2 0

   punpcklwd  mm0,mm5  // 00 r1 g1 b1 00 r0 g0 b0
   punpckhwd  mm7,mm5  // 00 r3 g3 b3 00 r2 g2 b2 

 movq  mm5,mm6
 punpckldq  mm6,mm0  // 1 0
 punpckhdq  mm5,mm0  // 3 2
 movq  mm0,[edx+8] // 4 6
 movq  [edx],mm6
 movq  [edx+8], mm5
 movq  mm6,mm0
 punpckhdq  mm0,mm7  // 7 6
 punpckldq  mm6,mm7  // 5 4
 movq  [edx+24], mm0
 movq  [edx+16],mm6

file://next row of y
 add  eax,nyw
 add  edx,rgbwidth

 movq  mm5,dword ptr [eax]  // 76 54 32 10
 pxor  mm0,mm0
 movq  mm6,mm5
 punpcklbw  mm5,mm0  // 03 02 01 00 
 punpckhbw  mm0,mm6  // 70 60 50 40
 por  mm0,mm5  // 73 62 51 40
 pxor  mm6,mm6
 pxor  mm5,mm5
   punpckhbw  mm6,mm0  // 70 30 60 20
  punpcklbw  mm0,mm5  // 05 01 04 00
 por  mm0,mm6  // 75 31 64 20
 pxor  mm5,mm5
 movq  mm6,mm0
 punpckhbw  mm6,mm5  // y7 y5 y3 y1
 punpcklbw  mm0,mm5
 movq  mm5,qword ptr t16
 movq  mm7,qword ptr t1164
 psubsw  mm6,mm5
 psubsw  mm0,mm5
 psllw  mm6,2
 psllw  mm0,2
 pmulhw  mm6,mm7
 pmulhw  mm0,mm7  // y6 y4 y2 y0 -->mm0
 movq  qword ptr ty,mm6  // y7 y5 y3 y1 -->ty
 
file://compute
  pxor  mm7,mm7
 movq  mm5,mmt1596v
 paddsw  mm5,mm0  // r=1.164(y-16)+1.596(v-128)  r-->mm5
 movq  mm6,mm0  1.164(y-16)
 psubsw  mm6,mmt0391u  (y-16)-0.391(u-128)
 psubsw  mm6,mmt0813v//g=1.164(y-16)-0.391(u-128)-0.813(v-128)  g-->mm6
 paddsw  mm0,mmt2018u //  b=1.164(y-16)+2.018(u-128)  b-->mm0

// b-->mm0,g-->mm6,r-->mm5
 packuswb  mm6,mm7
   packuswb  mm0,mm7
 punpcklbw  mm0,mm6  // g3 b3 g2 b2 g1 b1 g0 b0  -->mm0
 packuswb  mm5,mm7
  punpcklbw  mm5,mm7  // 00 r3 00 r2 00 r1 00 r0  -->mm5
 movq  mm7,mm0
   punpcklwd  mm0,mm5  // 00 r1 g1 b1 00 r0 g0 b0
   punpckhwd  mm7,mm5  // 00 r3 g3 b3 00 r2 g2 b2
 movq  qword ptr[edx], mm0
 movq  qword ptr[edx+8], mm7

file://compute
 movq  mm0,qword ptr ty
  pxor  mm7,mm7
 movq  mm5,mmt1596v
 paddsw  mm5,mm0  // r=1.164(y-16)+1.596(v-128)  r-->mm5
 movq  mm6,mm0  1.164(y-16)
 psubsw  mm6,mmt0391u  (y-16)-0.391(u-128)
 psubsw  mm6,mmt0813v//g=1.164(y-16)-0.391(u-128)-0.813(v-128)  g-->mm6
 paddsw  mm0,mmt2018u //  b=1.164(y-16)+2.018(u-128)  b-->mm0

// b-->mm0,g-->mm6,r-->mm5
 packuswb  mm6,mm7
   packuswb  mm0,mm7
 punpcklbw  mm0,mm6  // g3 b3 g2 b2 g1 b1 g0 b0  -->mm0
 packuswb  mm5,mm7
  punpcklbw  mm5,mm7  // 00 r3 00 r2 00 r1 00 r0  -->mm5
 movq  mm7,mm0

 movq  mm6,[edx]  // 2 0

   punpcklwd  mm0,mm5  // 00 r1 g1 b1 00 r0 g0 b0
   punpckhwd  mm7,mm5  // 00 r3 g3 b3 00 r2 g2 b2 

 movq  mm5,mm6
 punpckldq  mm6,mm0  // 1 0
 punpckhdq  mm5,mm0  // 3 2
 movq  mm0,[edx+8] // 4 6
 movq  [edx],mm6
 movq  [edx+8], mm5
 movq  mm6,mm0
 punpckhdq  mm0,mm7  // 7 6
 punpckldq  mm6,mm7  // 5 4
 movq  [edx+24], mm0
 movq  [edx+16],mm6
 
  sub  eax,nyw
 sub  edx,rgbwidth
 add  esi,4
 add  edi,4
 add  eax,8
 add  edx,32
 dec  ecx
 jnz  rrr

 mov  ecx,col
 add  eax,nyw
 add  edx,rgbwidth
 dec  ebx
 jnz  rrr
 emms
 }
}
#endif