背景描述：

Camera apk普通相机模式录像操作时，一般是同时请求两个流，即预览流和录像流。对于两个流输出图像格式和分辨率相同的情况下，是不是可以通过一个流拷贝得到另一个流的数据，进而节省掉一个Sensor输出处理两次的的开销？

我们都知道平时使用的memcpy()函数是由cpu来实现处理的，如果图像数据比较大的话是很耗cpu的，那么有没有什么方法能优化下copy操作使cpu占用小些？

这里介绍使用ARM Neon指令集实现输出拷贝的优化。

下面以具体实现，了解如何使用Neon指令实现一帧NV12图像数据的拷贝。

Android源码中有对Neon的支持，只需要在使用的模块引用&调用就可以了，实现如下：

#include <arm_neon.h>   //neon指令相关数据结构和接口定义


void NeonMemcpy(void *dest, const void *src, size_t size)
 {
     uint8_t* dst8 = static_cast<uint8_t*>(dest);
     const uint8_t* src8 = static_cast<const uint8_t*>(src);
 
     //小数据直接拷贝
     if (size < 64) {
         for (; size > 0; size--) {
             *dst8++ = *src8++;
         }
         return;
     }
 
     // 64字节对齐预处理
     const uintptr_t mask = 0x3F;
 
     const uintptr_t misalign = reinterpret_cast<uintptr_t>(src8) & mask;
     if (misalign > 0) {
         const size_t align_bytes = 64 - misalign;
         for (size_t i = 0; i < align_bytes; i++) {
             *dst8++ = *src8++;
         }
         size -= align_bytes;
     }

     // 主拷贝循环（每次64字节）
     const size_t chunks = size >> 6; // 64字节块数
     for (size_t i = 0; i < chunks; i++) {
         // 使用基本NEON指令替代vld1q_u8_x4
         uint8x16_t data0 = vld1q_u8(src8);        //从src8加载16个8位数据到data0
         uint8x16_t data1 = vld1q_u8(src8 + 16);
         uint8x16_t data2 = vld1q_u8(src8 + 32);
         uint8x16_t data3 = vld1q_u8(src8 + 48);
 
         vst1q_u8(dst8, data0);                   //将data0中的16个8位数据存储到dst8中
         vst1q_u8(dst8 + 16, data1);
         vst1q_u8(dst8 + 32, data2);
         vst1q_u8(dst8 + 48, data3);
 
         src8 += 64;
        dst8 += 64;
    }

    // 处理剩余数据（16字节块）
    size &= 63;
    const size_t vec16_count = size >> 4;
    for (size_t i = 0; i < vec16_count; i++) {
        vst1q_u8(dst8, vld1q_u8(src8));
        src8 += 16;
        dst8 += 16;
        size -= 16;
    }

    // 尾部字节处理
    for (; size > 0; size--) {
        *dst8++ = *src8++;
    }
}