请教小彭老师一下，这个函数怎么用avx2优化比较好

[lin0ww0nil]

saunlesuanle

[archibate]

for (int j = 0; j < height; j++) {
            dst[0] = col_0[height - 1 - j];
            if (2 == td) {
                dst[1] = col_1_td2[height - 1 - j];
            }

            if ((3 + 4 * j) < width) {
                memcpy(dst + td, ref_left + (4 * (height - 1) + rem_rl - 1) - (4 * j + rem_rl - 1), (rem_rl + 4 * j) * sizeof(s16));
                memcpy(dst + 3 + 4 * j, ref_above, (width - (3 + 4 * j)) * sizeof(s16));
            }
            else {
                // w - 3
                memcpy(dst + td, ref_left + (4 * (height - 1) + rem_rl - 1) - (4 * j + rem_rl - 1), (width - td) * sizeof(s16));
            }

            dst += i_dst;
        }

这里循环内都是的memcpy到dst + rd，确定是正确的？

[lin0ww0nil]

saunlesuanle

[archibate]

是td。td是在这个for循环内是常量，为什么要多次重复拷贝进同一个dst + td？我的测试显示60%的时间花在这三个memcpy里。

[lin0ww0nil]

saunlesuanle