函数的参数传递方式是怎样的?
最编程
2024-08-13 15:46:47
...
Arm中,函数调用遵循ATPCS规范,以ARMv7(最大32位指令长度)为例,R0-R3用于传递参数,当参数大于4个时,则通过栈传递。实测如下:
测试函数:
int g_arr[10] = {0};
void outArr(int arr[], int len){
int i = 0;
for(;i<len;i++){
printf("-%d\n",arr[i]);
}
}
void funcA(int p1,int p2,int p3,int p4,int p5,int p6){
g_arr[0] = p1;
g_arr[1] = p2;
g_arr[2] = p3;
g_arr[3] = p4;
g_arr[4] = p5;
g_arr[5] = p6;
outArr(g_arr,6);
printf("mark 1:%d.\n",p1);
printf("mark 2:%d.\n",p2);
printf("mark 3:%d.\n",p3);
printf("mark 4:%d.\n",p4);
printf("mark 5:%d.\n",p5);
printf("mark 6:%d.\n",p6);
}
#pragma O0
int main(int argc, char** argv){
printf("entry main.\n");
funcA(1,2,3,4,5,6);
return 0;
}
结合汇编,来梳理一下参数(1,2,3,4,5,6)是怎么传递的:
:
movs r0, #6 ;将数值6传递给r0寄存器
movs r1, #5 ;将数值5传递给r1寄存器
movs r2, #3 ;将数值3传递给r2寄存器
movs r3, #4 ;将数值4传递给r3寄存器
strd r1,r0,[sp] ;将r1存入[sp],r0存入[sp+4]
movs r0, #1 ;将数值1传递给r0寄存器
movs r1, #2 ;将数值2传递给r1寄存器
bl 1368 <_Z5funcAiiiiii> ;跳转funcA
阅读以上汇编可见,参数(1,2,3,4)分别通过R0-R3传递,参数(5,6)则压栈了。跳转前的寄存器和栈状态如下图:
再看一下funcA是如何取参的。
先看一下跳转后寄存器和栈的变化:
00001368 < Z5funcAiiiiii>:
; 将{r4, r5, r6, r7, r8, r9, sl, fp, lr} 从右向左入栈
1368: e92d 4ff0 stmdb sp!, {r4, r5, r6, r7, r8, r9, sl, fp, lr}
; sp - 4,开辟4字节空间,并将r3存入
136c: b081 sub sp #4
136e: 4flf ldr r7, [pc,#124] ; (13ec <_Z5funcAiiiiii+0x84>)
1370: 9300 str r3, [sp, #0]
下面看一下使用p1-p6时是如何取的:
1372: 4605 mov r5, r0
1374: 460c mov r4, rl
1376: 4692 mov sl, r2
1378: 447f add r7, pc
137a: e887 000f stmia.w r7, {r0, rl, r2, r3}
137e: 4629 mov rl, r5
1380: f8dd 902c ldr.w r9, [sp, #44] ; 0x2c
1384: f8c7 9014 str.w r9, [r7, #20]
1388: f8dd b028 ldr.w fp, [sp, #40] ; 0x28
138c: f8c7 b010 str.w fp, [r7, #16]
1390: 4el7 ldr r6, [pc, #92] ; (13f0 <_Z5funcAiiiiii+0x88>)
1392: 447e add r6, pc
1394: 4630 mov r0, r6
1396: f000 e864 blx 1460 <_ ThumbV7PILongThunk_printf+0x3c>
139a: f04f C801 mov.w r8, #1
139e: f857 1028 ldr.w rl, [r7, r8, lsl #2]
13a2: 4630 mov r0, r6
13a4: f000 e85c blx 1460 <_ ThumbV7PILongThunk_printf+0x3c>
13a8: fl08 C801 add.w r8, r8, #1
13ac: flb8 Cf06 cmp.w r8, #6
13b0: dlf5 bne.n 139e < Z5funcAiiiiii+0x36>
13b2: 4el0 ldr r6, [pc, #64] ; (13f4 <_Z5funcAiiiiii+0x8c>)
; printf() 传递了两个参数,分别使用R0和R1,所以,第二个参数p[x]就是对应R1 。
;打印p1时,r1来自r5,r5来自r0(r0存的为1)。
13b4: 4629 mov r1, r5
13b6: 447e add r6, pc
13b8: 4630 mov r0, r6
13ba: f000 e852 blx 1460 < ThumbV7PILongThunk_printf+0x3c> ;printf("mark 6:%d.\n",p1);
;打印p2时,r1来自r4,r4来自r1(r1存的为2)。
13be: 4630 mov r0, r6
13c0: 4621 mov r1, r4
13c2: f000 e84e blx 1460 <_ ThumbV7PILongThunk_printf+0x3c> ;printf("mark 6:%d.\n",p2);
;打印p3时,r1来自sl,sl来自r2(r2存的为3)。
13c6: 4630 mov r0, r6
13c8: 4651 mov r1, sl
13ca: f000 e84a blx 1460 <_ ThumbV7PILongThunk_printf+0x3c> ;printf("mark 6:%d.\n",p3);
;打印p4时,r1来自[sp+0],[sp+0]来自r3(r3存的为4)。
13ce: 9900 ldr r1, [sp, #0]
13d0: 4630 mov r0, r6
13d2: f000 e846 blx 1460 <_ ThumbV7PILongThunk_printf+0x3c> ;printf("mark 6:%d.\n",p4);
;打印p5时,r1来自fp,fp来自[sp+40]([sp+40]就是bl funcA前压入的参数5)。
13d6: 4630 mov r0, r6
13d8: 4659 mov r1, fp
13da: f000 e842 blx 1460 <_ ThumbV7PILongThunk_printf+0x3c> ;printf("mark 6:%d.\n",p5);
;打印p6时,r1来自r9,fp来自[sp+44]([sp+44]就是bl funcA前压入的参数6)。
13de: 4630 mov r0, r6
13e0: 4649 mov r1, r9
13e2: b00l add ap, #4
13e4: e8bd 4ff0 ldmia.w sp! {r4, r5, r6, r7, r8, r9, sl, fp, lr}
13e8: f000 b81c b.w 1424 <_ ThumbV7PILongThunk_printf> ;printf("mark 6:%d.\n",p6);
13ec: 00002228 andeq r2, r0, r8, #4
13f0: ffffef8f ; <UNDEFINED> instruction: 0xffffef8f
; <UNDEFINED> instruction: 0xffffef52
对于ARM64,X0-X7用于传参,比如ARMv8.
推荐阅读
-
14-傅里叶变换的代码实现-一、numpy实现傅里叶变换和逆傅里叶变换 1.numpy实现傅里叶变换numpy.fft.fft2实现傅里叶变换,返回一个复数数组(complex ndarray),也就是频谱图像numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域,移到中心位置) 20*np.log(np.abs(fshift))设置频谱的范围。可以理解为,之前通过傅里叶变换得到复数的数组,是不能通过图像的方法展示出来的,需要转换为灰度图像(映射到[0,255]区间)需要注意的是1> 傅里叶得到低频、高频信息,针对低频、高频处理能够实现不同的目的2> 傅里叶过程是可逆的,图像经过傅里叶变换、逆傅里叶变换后,能够恢复到原始图像3> 在频域对图像进行处理,在频域的处理会反映在逆变换图像上 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) # 移动中心位置 fshift = np.fft.fftshift(f) # 调整值范围 result = 20*np.log(np.abs(fshift)) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像: 2.numpy实现逆傅里叶变换numpy.fft.ifft2实现逆傅里叶变换,返回一个复数数组(complex ndarray)numpy.fft.ifftshiftfftshift函数的逆函数,将中心位置的低频,重新移到左上角iimg = np.abs(逆傅里叶变化结果)设置值的范围,映射到[0,255]区间 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 将一副图像,进行傅里叶变换和逆傅里叶变换后,进行对比(一样的) 实例:通过numpy实现高通滤波,保留图像的边缘信息 获取图像的形状rows,cols = img.shape获取图像的中心点crow,ccol = int(rows/2),int(cols/2)将频谱图像的中心区域(低频区域)设置为0(黑色)fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 高通滤波 rows,cols = img.shape crow,ccol = int(rows/2),int(cols/2) fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 使用numpy实现高通滤波的实验结果: 二、opencv实现傅里叶变换和逆傅里叶变换 1.opencv实现傅里叶变换 返回结果 = cv2.dft(原始图像,转换标识)1> 返回结果:是双通道的,第一个通道是结果的实数部分,第二个通道是结果的虚数部分2> 原始图像:输入图像要首先转换成np.float32(img)格式3> 转换标识:flags = cv2.DFT_COMPLEX_OUTPUT,输出一个复数阵列numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域,移到中心位置)调整频谱的范围,将上面频谱图像的复数数组,转换为可以显示的灰度图像(映射到[0,255]区间)返回值 = 20*np.log(cv2.magnitude(参数1,参数2))1> 参数1:浮点型X坐标值,也就是实部2> 参数2:浮点型Y坐标值,也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) # 移动中心位置 dftShift = np.fft.fftshift(dft) # 调整频谱的范围 result = 20*np.log(cv2.magnitude(dftShift[:,:,0],dftShift[:,:,1])) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像: 2.opencv实现逆傅里叶变换返回结果 = cv2.idft(原始数据)1> 返回结果:取决于原始数据的类型和大小2> 原始数据:实数或者复数均可numpy.fft.ifftshiftfftshift函数的逆函数,将中心位置的低频,重新移到左上角调整频谱的范围,映射到[0,255]区间返回值 = cv2.magnitude(参数1,参数2)1> 参数1:浮点型X坐标值,也就是实部2> 参数2:浮点型Y坐标值,也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dftShift = np.fft.fftshift(dft) # 逆傅里叶变换 ishift = np.fft.ifftshift(dftShift) iimg = cv2.idft(ishift) iimg = cv2.magnitude(iimg[:,:,0],iimg[:,:,1]) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("inverse") plt.axis("off") plt.show 将一副图像,进行傅里叶变换和逆傅里叶变换后,进行对比(一样的) 实例:通过opencv实现低通滤波,模糊一副图像
-
关于JAVA中URL传递中文参数,取值是乱码的解决办法
-
重新表述的标题:函数调用参数传递机制在ARMv8上的实现
-
ARM处理器函数中的参数传递方式
-
函数的参数传递方式是怎样的?
-
各大直播平台主播的收入计算方式是怎样的?
-
C语言必会100题(6)。利用递归方法求5!/利用递归函数调用方式,反向打印字符/五个人问岁数/输入一个不多于5位数的整数,判断是几位数/输入一个5位数,判断它是不是回文数
-
理解C语言中的函数及其参数传递方法
-
你真的了解C语言吗?探究函数参数传递的真相,只有值传递吗?
-
如何在C语言中通过参数传递并返回函数的输出结果?