高效地模糊

后处理经常需要对图片进行模糊操作，例如Bloom，景深等，这里介绍几个高效的计算模糊的要点。

1. 降采样

即先把图片缩小到较低分辨率再进行模糊，然后放大到原来的分辨率。

由于模糊的计算在pixel shader里耗时较多，减小分辨率有助于提高效率，而且把图片先缩小再放大，经过线性过滤之后也有模糊的效果。

2. 二维卷积变成一维卷积

对于高斯模糊而言，由于高斯函数的数学性质，可以优化成两次两次一维卷积，复杂度从O(n^2)变成O(2n)。

3. 抛弃卷积核中较小的权重

以高斯模糊为例，大小为7的卷积核的权重分别是

1    6    15    20    15    6    1

两端的权重为1，相对其他权重而言比较小，可以考虑从大小为9的卷积核

1    8    28    56    70    56    28    8    1

中去掉头尾两个元素，组成新的卷积核

8    28    56    70    56    28    8
也就是

1    3.5    7    8.75    7    3.5    1

这样一个大小为7的卷积核能达到接近原来大小为9的卷积核的效果。

4. 利用硬件的线性插值

GPU对纹理进行采样的时候，如果纹理坐标不在像素的中心，会返回对临近像素进行线性插值的结果。这个硬件层面的插值计算效率较高，只要恰当地计算纹理坐标，就能实现一次采样得到一前两次采样的结果。

例如，对于原来大小为9的卷积核，偏移的像素值和权重分别是

-4    -3    -2    -1    0    1    2    3    4

0.016     0.054     0.122     0.195     0.227     0.195     0.122     0.054     0.016 
我们可以用一个大小为5的卷积核达到等价的效果，其偏移的像素值和权重分别为

3.231     1.385     0    1.385     3.231 
0.070     0.316     0.227     0.316     0.070 
原本大小为N的卷积核，需要采样N次，利用这种方法只需要[N/2]次。