塗り潰しのように大量のメモリアクセスの発生する処理は、あんまり速くならないよ。

MMXでなくとも
折角2ピクセル毎に塗ってるんだから、４ピクセル一度に塗ったら？
つまり 3ワード分一度に塗るように変更すれば 3/12 =1/4になるよ・・・・
・・・・塗る場所が広いと結局メモリアクセスに引っ張られて変わらんのだよね