开始使用MMX CPU后，一直在考虑如何用MMX技术加快Alpha混合的操作，尤其是针对目前常用的高彩模式。而早先在国外一个有关游戏编程的邮件列表讨论的结果是MMX不利于对16位色进行Alpha混合操作。让我们先来看看MMX技术相对于普通指令集的更新，来了解一下这个论点的立论。
MMX技术的优势在于，它的寄存器是64位的，而提供了分组模式，可以将寄存器内的数据按8个字节，或4个字，或2个双字同时进行同一操作，方便了大数据量的数据处理。可以成组数据同时作比较操作，这为透明色点的批量判断带来好处。MMX的CPU拥有8个MMX寄存器，在一定程度上缓解了80x86CPU寄存器数量不足的缺陷。
但是它也有诸多不足，比如算术指令不能对四字节字操作。指令结构都不影响标志位。不能对常数立即寻址。MMX系统指令集的指令相当贫乏（连NOT操作也不能直接实现）。当颜色深度是24/32位时，RGB都占8位，这样可以巧妙的利用MMX里的分组乘法指令达到做Alpha混合运算的效果（MMX的乘法相关指令只有对字操作的PMULHW/PMULLW两条，分别是成组数据的乘后取高位和取低位）本文旨在探讨16位色的快速Alpha混合运算，所以此处略去不提。而16位色，红绿蓝各占5或6位，难以被分组分开，所以不利于运用MMX的这些特性。当然另外的解决方法是采用aRGB 4444的结构，其中4位是Alpha通道，每个色素占半个字节，再采用类似的方法。
看过云风去年提出的《16位Alpha混合优化算法》的朋友，应该会联想到这个算法向MMX的引申，好了，也许你已经明白了大概，本文的理论基本点就在此，唯一的问题是，我们需要面对的是MMX指令集的种种缺陷，这些在实际的程序设计中会逐步的体现出来，下面，云风将在介绍算法的同时，附带的提出一些运用MMX的技巧。先来看看上次的算法有无可进一步优化的可能：
16位下Alpha混合的关键在于如何将RGB分离，让随后的乘法结果不至于相互干扰。我提出的是将16位的“rrrrrggggggbbbbb”扩展到32位变形成“00000gggggg00000rrrrr000000bbbbb”，即将中间的绿色提到高16位，而使色素间隔都有5到6位，而对于5位的颜色，超过5位的Alpha级别是没有意义的，所以只要设定Alpha值在0～31间，同时算这3个色素的乘法是不会因为进位造成干扰的。而这里需要多操作一次移位扩展16位到32位，然后需要一次与操作， 将中间间隔位置0，而且结果需要同样复杂的逆操作从32位还原到16位。
改进的思路是直接将两个点交错分离，即“rrrrrggggggbbbbbRRRRRGGGGGGBBBBB”分离成“rrrrr000000bbbbb00000GGGGGG00000”及“00000gggggg00000RRRRR000000BBBBB”两部分，前一部分右移5位后变成“00000rrrrr000000bbbbb00000GGGGGG”，两个数字就都可以同时运算3个色素，其结果后一组右移5位后可以与前一组合并。这样就省去了好几次移位操作，并且数据可以4字节读入，和四字节写，粗看真的效率很高。但是在传统的80x86上却有两点制约了它的运用：
CPU 的寄存器不够用，这个方法光保存数据就需要4个32位的寄存器，虽然EAX、EBX、ECX、EDX刚够用，但是这就使得Alpha混合函数不能直接写在Blit操作里面。必须单写个子程序调用。（不过也值得写尝试一下，不是吗？如果有朋友写好了，希望能给我拜读一下，我在风魂游戏程序库里留了接口，并在注释里提到了函数的具体写法。）
2D游戏中，一般都是利用Alpha混合绘制精灵而不是规则的矩形位图，所以这里面还存在着透明色的判断，如果是双点处理，这一步不易实现。（不过也不是没有好的方法，就是代码的长度就长而复杂了）
而MMX却提供了8个寄存器，同时有分组比较的指令，正好弥补了这两点不足，而且利用寄存器有64位的优势可以同时运算4个点。所以我们暂且只用MMX来实现新的想法。（如果你对这个方法用在传统指令集上有兴趣，希望同时操作2个点进行Alpha混合，并写出实际的代码，请和我联系，我非常希望看到风魂的非MMX Alpha混合版本能够进一步优化）
用MMX来做这项工作，原理差不多（相当简单不是？），也是读入源点和目标点后分离成4个数据放在4个寄存器中。两对间进行Alpha混合，（这样6个色素）最后就两对数据混合的结果合并。不过从现在开始我们就要面对MMX 8个寄存器不够用的困境了。MMX指令不能和64位立即常数一起使用，所以在进行分裂操作的时候用到的掩码要常驻在寄存器内。
如果寄存器足够多的话，可以连掩码的反值也放一个，可惜现在不能这么浪费。处理透明色问题方面，可以先将点和透明色比较得到一个掩码，我们再将混合后的点，及原来的目标图上的点（这个点应当保留一个备份，哎，又去了一个寄存器）分别与掩码逻辑运算合并得到最终的数据写入目标图。这里，需要大量运用的NOT操作，Intel竟然没有在MMX指令集中提供。我们只好用PANDN（取反再与操作）间接完成。（例：可以先用PCMPEQW mm0,mm0（自己和自己比较当然全相等了）生成常数FFFFFFFFFFFFFFFF，用PANDN mm1,mm0就可以将mm1取反。）这里，不再可以利用MMX的分组乘法，（MMX不能对32位数进行乘法操作）所以我们应该用移位和加减法来实现。这样，如果有几级Alpha值，就应该写几个混合函数。最后建立一个函数指针数组，将每级Alpha混合函数依次放入数组。我们在调用时就可以根据需要的Alpha值来调用相应的函数了。
在风魂0.07里，Alpha混合又一次修改了算法，（0.06使用的上述算法，0.07 则没有）这里要感谢网友T&P的新思路。针对分级数比较少的Alpha混合，比如8级，可以用更简单的方法。大家可以注意到，50%的 Alpha时，R=(r1+r2)/2，也可以近似的等于r1/2+r2/2。那么RGB可以方便的同时运算。只需要在移位后做一次简单的与操作即可（0RRRRRGGGGGGBBBB & 011110111101111 = 0RRRR0GGGGG0BBBB）然后，将两个移位后的数据相加就完成了Alpha=50%的混合。这个方法避免了切分和还原数据，所以速度更快。风魂的早期版本，对50%的Alpha度就做了此种特殊处理。但是，它是有误差的，误差在于移位造成的每色素上1/32或1/64的偏差。
下一步我们可以将50%的Alpha值推广到25%、12.5%甚至更小。现在来看一下完成R1*25%+R2*75%，它等于R2+R1*25%-R2*25% = R2+R1/4+R2/4。这里除4的操作和除2原理是一样的即：(RRRRRGGGGGGBBBBB2)&0011100111100111。依次类推，X*37.5%+Y*62.5% = (X+Y)/2+Y/8-X/8等等。我们就只需要利用移位和加减法就可以同时完成N个色素的混合了。
再来看看这个方法的缺陷。首先是误差问题，每一组移位取与都会造成最大为1/32的误差，而多次运算有可能使误差累计，所以alpha级别不能分的太多。而且alpha级别分的太细后，使得运算步骤变的很多，不切分直接运算的优势有可能损失掉。而且更致命的一点是，如果想用MMX加速，那么通常AND运算用的掩码应该放在寄存器中（如果放在内存，而MMX不能立即寻址，间接寻址取内存可能不能命中CACHE速度变慢，大规模的混合运算速度损失太多），MMX的寄存器却只有8个。那么多个掩码会使明显的感觉寄存器不够用，但这不失为一种好的方法。风魂库0.07中新的alpha精灵，这一步的算法更改带来了10%左右的速度提升，而画质的损失却几乎没有体现。
最后对关于带Alpha通道的位图的做一点探讨，这里每一个点将带有不同的Alpha值，我们应该合理的协调位图的结构。将Alpha值和颜色信息放在一起是不合算的。这样不利于高速处理。我们可以将所有点的Alpha值提出来放在一起，对于16位的颜色，合理的Alpha级别应该在16级以下。这样可以每一个字节存放两个Alpha值。用一个寄存器作为指向Alpha值区域的指针，读入对应点的Alpha值，调用相应的混合函数运算。但是，这种位图每个点都有可能是不同的alpha值，如此就不能多点同时运算，云风找到了另外的加速方法，要知详情，且看下文分解。
后记
本文提出的方法，都被云风实践证明可行，请参阅风魂游戏程序库的源代码。你会发现速度相当的快。测试表明，MMX下带Alpha混合的位图操作，仅仅比普通的检查透明色的位图操作慢20%。比不用MMX逐点做Alpha混合快2.7倍。如果采用RLE压缩掉透明色点，去掉对透明色的特殊处理，速度还会有很大的提高。（达到DirectDraw里内存表面（Surface）间关键色检查的位块传送（blit）操作的速度）这个算法的意义在于，16位色下，软件Alpha混合的速度已经足够快，这使游戏中大量运用光影效果不再有速度上的顾虑。
