为何使用变量存储像素值比直接取值运算快70%？

处理超大图片时，两段逻辑几乎一致的代码出现了显著性能差距：第一段耗时约10秒，第二段耗时17秒，运行环境为M1 Pro（ARM架构）CPU。

第一段（高效写法） #

if (clusterPntr[col] == i) {
                    
    /* Calculate the location of the relevant pixel (rows are flipped) */
    pixel = bmp->Data + ( ( bmp->Header.Height - row - 1 ) * bytes_per_row + col  * bytes_per_pixel );
    /* Get pixel's RGB values */
    b=pixel[0];
    g=pixel[1];
    r=pixel[2];
    totr += r; 
    totg += g;
    totb += b;
    sizeCluster++;

}

第二段（低效写法） #

if (clusterPntr[col] == i) {
                
    /* Calculate the location of the relevant pixel (rows are flipped) */
    pixel = bmp->Data + ( ( bmp->Header.Height - row - 1 ) * bytes_per_row + col  * bytes_per_pixel );
    /* Get pixel's RGB values */

    //why is this SO MUCH SLOWER 
    totr += pixel[2]; 
    totg += pixel[1];
    totb += pixel[0];
    sizeCluster++;

}

性能差异核心原因 #

你的猜测方向完全正确，差异源于内存访问模式与寄存器利用效率，结合ARM架构的特性被进一步放大：

• 高效写法的优化逻辑：
  先将像素的三个字节分别读取到局部变量b、g、r，再执行累加。编译器可将其优化为一次性把整个像素的3字节数据加载到通用寄存器（ARM指令集支持多字节/多寄存器批量加载），后续的累加操作全程在寄存器内完成，无需反复访问内存。局部变量会被优先分配到寄存器，彻底避免了重复读取内存的开销。

• 低效写法的性能瓶颈：
  直接对pixel[2]、pixel[1]、pixel[0]执行累加，看似少了中间变量，实则破坏了内存访问的连续性：

  1. 逆序访问字节会打乱ARM缓存的预取机制——缓存预取器按顺序加载内存块，逆序访问会导致缓存命中率大幅下降；
  2. 每次累加都需要单独读取对应字节，无法触发缓存行的高效命中，相当于多次独立的内存读取操作，而非一次性加载整个像素数据；
  3. 直接内存操作的累加需要完整经历「内存读→寄存器运算→内存写回」周期，而高效写法通过中间变量合并了读操作，运算全程在寄存器内完成，大幅减少了内存交互次数。

M1 Pro基于ARMv8.5-A架构，对内存访问顺序的敏感度远高于x86架构，顺序访问能充分利用L1/L2缓存的预取优势，而乱序单字节访问会直接拉低整体执行效率，最终导致近70%的性能差距。

内容的提问来源于stack exchange，提问作者RoboAbathur