如何用SSE指令的C内联汇编实现数组元素的255减运算

核心思路是在SSE汇编指令中直接生成全0xff（即255）的向量，完全不需要额外的辅助数组，彻底解决数组扩容时同步维护的问题。

关键原理 #

SSE指令集里的pcmpeqb指令可以快速生成全0xff的向量：当用一个寄存器和自身比较时，每个字节的比较结果都是“相等”，对应输出字节为0xff（全1）。用这个向量直接和原数组的向量做逐字节无符号减法，就能得到255 - elem的结果。

完整C内联汇编实现 #

以下是可直接使用的代码，支持任意长度的uint8数组，批量处理16字节（SSE寄存器宽度），剩余不足16字节的元素用普通C处理：

#include <stdint.h>
#include <stddef.h>

void invert_uint8_array(uint8_t *dst, const uint8_t *src, size_t n) {
    size_t i = 0;
    // 批量处理16字节块
    for (; i + 16 <= n; i += 16) {
        __asm__ __volatile__ (
            // 生成全0xff的SSE向量（xmm0 = 0xff重复16次）
            "pcmpeqb %%xmm0, %%xmm0\n\t"
            // 加载原数组的16个字节到xmm1（非对齐访问，支持任意数组）
            "movdqu (%1), %%xmm1\n\t"
            // 逐字节减法：xmm0 = 0xff - src[i..i+15]
            "psubb %%xmm1, %%xmm0\n\t"
            // 将结果写入目标数组
            "movdqu %%xmm0, (%0)\n\t"
            :  // 输出操作数（无）
            : "r"(dst + i), "r"(src + i)  // 输入操作数：目标/源数组的当前指针
            : "xmm0", "xmm1", "memory"    // 声明被修改的寄存器和内存
        );
    }
    // 处理剩余不足16字节的元素
    for (; i < n; ++i) {
        dst[i] = 255 - src[i];
    }
}

代码细节说明 #

1. 生成全255向量：pcmpeqb %%xmm0, %%xmm0 是核心，不需要从内存加载任何数据，直接在寄存器内生成所需的全255向量，完全摆脱对辅助数组的依赖。
2. 内存访问优化：
   • 如果你的数组是16字节对齐的（比如用__attribute__((aligned(16)))声明），可以把movdqu换成movdqa，进一步提升内存访问速度。
   • movdqu用于非对齐内存访问，兼容性更好，适用于任意数组。
3. 内联汇编约束：
   • "r"约束让编译器自动分配通用寄存器传递数组指针，避免手动指定寄存器的麻烦。
   • "memory"约束告诉编译器这段汇编会修改内存，防止编译器做错误的优化（比如把数组内容缓存到寄存器而不更新）。
4. 原地修改支持：如果不需要保留原数组，直接将dst和src设为同一个指针即可实现原地修改。

编译注意事项 #

确保编译器支持SSE2（现代x86/x86_64编译器默认都支持），如果是老旧编译器，可能需要添加编译选项-msse2。

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