Когда-то делал без FPU, в EXCELe рассчитывал таблицу от 0° до 90° для cos, только опорная таблица занимала 2×90=180 байт: значения от 0 до 10000, т.е. как от 0 до 1.0  только целочисленные. Шаг дискретизации так себе конечно, но вроде хватало.

Обхожусь только cos. Для sin просто сдвигаю cos на 90°.
А в этой демке нет ни одной таблицы, если их предварительно сделать, конечно будет быстрее за счёт занимаемой памяти, да и если делать, то уже не опорную, а на все условия которые могут возникнуть в алгоритмах, чтобы было ещё быстрее.

Certain SSE instructions (movntdqa, movdqa, movdqu, etc...) can load 16 bytes from memory or store 16 bytes to memory in a single operation
Вот эти команды надо освоить!

А тут каждый раз на FPU переводишь градусы в радианы, вычисляешь cos, потом умножаешь на уйму коэффициентов... И всё это чуть ли не для каждого пикселя...😱

Вот синус на SSE (обычный и low precision). Aligned — это когда X выравнен по 16 байтам.

Добавил немного красоты в код и вывод точности...

Почему-то скорости поменялись тоже, но это обычное явление.

с чем это связано? различие частот проца?

Success: both RDTSCP instruction and invariant TSC are supported.
Testing SINPS (UNoptimized)...... 31 ticks
Testing SINPS.................... 22 ticks
Testing SINPS (aligned X)........ 20 ticks
Testing SINPS_LP (UNoptimized)... 14 ticks
Testing SINPS_LP................. 10 ticks
Testing SINPS_LP (aligned X)..... 10 ticks
Testing FSIN..................... 54 ticks
Press a key to exit...

еще быстрей

и тогда вопрос. это у тя тики или время?

Под для двойной точности.

Тики, написано ж.

а в чем суть отличие процедуры  оптимизированой от неоптимизированой если можно в двух словах обьясни пж. 😁

Неопт: последовательное вычисление, когда последующее зависит от предыдущего (соответственно, процессору приходится ждать результата каждый раз).
Опт: отдельно вычисляется "+" значения, отдельно "-" (с чередованием), потом они объединяются. Меньше зависимостей.
Думаю, можно ещё быстрее сделать, если поднатужиться, например, 3-4 части вычислений сделать отдельно.

а многопоток использовать можно?

Ну если придумаешь как :)
Думаю, с синхронизацией и пр замудохаешься и потеряешь в скорости.

Если для 1 вычисления делать.