JPEG/MPEGでおなじみのDCT演算をSSEで組んでみました。小数点演算はナシで、
wordの整数演算のみで組んでみたのです。バタフライ演算とかいうやつですね。
100万回ループさせてタイムを計ると、mmxで真正直にDCTを計算させたものより
4割近く遅いし、コードもデカイ。いいことなしです。

さて問題です。どうすればPen4でDCTが速くなるでしょうか？

1. コードが増える整数演算は止め、固定小数点あるいは浮動小数点演算を行う。
2. 同様にコードが増えるバタフライ演算をやめ、真面目にDCTを実行する。
3. バタフライ演算かつ整数演算でも早くなる。精進しろ。

３案のうちどれが適切でしょうか。ただし、根拠のない3はお断りです。ソースコードがあれば参考にしたいですね。