想求个高人，用 C/C++/内联汇编 完成这样一个函数（要在VC 6/2008上编译通过）：
COLORREF
GetAlphaBlendColor(COLORREF cDest, COLORREF cSrc, COLORREF alpha);

我对汇编优化什么的不熟悉，所以求个代码，速度尽可能快。。。

数据格式是这样的COLORREF 是一个int32，低24位里，每8位保存了一个颜色分量，然后要对每一个分量做以下运算：
ret = (dest * (0xFF - alpha) + src * alpha) / 0x100;

alpha的范围是0 - 0xFF之间

最后要返回运算的结果，这样。。。嗯。。纠结了这个问题上了
虽然我用MMX写过一下，但速度仍然不满意，所以就发上来问一下了
给最佳答案单独送50分

呃。。。。这个问题很难？还是偶描述的不够清楚。。。帮个忙呀

调用次数极多，但我不是指这个函数本身的性能足不足够的问题，我是希望汇编的代码能运行得比C代码要快

我的结果是相反，MMX比C代码还慢

不对，这位先看看alphablend吧，是三个8位分别这样运算，不是只计算一次

src是cSrc
dst是cDst
_asm
{
        //Initialize
        mov eax, alpha
        shl eax, 24

        pxor mm7, mm7
        movd mm0, eax
        punpcklbw mm0,mm7
        mov ebx, 0xFFFFFFFF //255-Alpha mask
        punpckhwd mm0,mm0
        movd mm1, ebx
        punpcklbw mm1,mm7
        movd mm2, src
        punpckhdq mm0,mm0 //mm0=unpacked src alpha bit
        movd mm3, dst

        punpcklbw mm2, mm7
        psubb mm1,mm0     //mm1=255-src alpha bit
        punpcklbw mm3, mm7
        pmullw mm2,mm0    //mm2=src*srcAlpha
        pmullw mm3,mm1    //mm3=dst*(255-srcAlpha)
        paddusw mm3,mm2   //mm3=src*srcAlpha+dst*(255-srcAlpha)
        psrlw mm3,8       //mm3=src*srcAlpha/256+dst*(255-srcAlpha)/256
        packuswb mm3,mm7  //mm3=packed dst
        movd eax,mm3

        //finally
        emms
}

嘛。。。整块计算的MMX很容易搜索到，但单个像素的，要比C版本快的MMX似乎找不着。。。。