18.Bloom效果

目录

前言

P1

P2

---

前言

• Bloom，也称辉光效果
• 模拟摄像机的一种图像效果
• 让物体具有真实的明亮效果

P1

HDR与LDR

https://mp.csdn.net/mp_blog/creation/editor/125071264

首先是LDR，它是低动态范围的英文缩写，简单理解的话，JPG、PNG等格式的图片，以及日常生活中使用的手机、显示器、摄像机这些设备的输入与输出均为LDR，因为LDR只能存储RGB范围在0到1之间的值，但在现实世界中，只用0到1范围内的值去表达真实世界中的色彩是远远不够的，意味着会存在精度的丢失

而高动态范围的出现，则解决了这个问题，也就是说，HDR允许我们表示超过0到1之间的亮度值，进而可以更加精确地反映真实的光照效果，还记得实现Bloom效果的第一步吗，就是利用阈值去提取原图像中比较亮的区域，如果不使用HDR的话，我们就只能提取亮度小于1的区域，并且像路灯发亮的亮度值可能会与某个区域的亮度值一致，这样就会导致这个区域也出现Bloom效果；但如果使用HDR的话，则可以提取亮度大于1的区域，这样就能让更亮的区域产生Bloom效果，所以，提取较亮区域有时候是针对开启HDR来实现的

 高斯模糊

高斯模糊是实现图像模糊的一种方式，它的本质是通过高斯函数去定义一个卷积核，这个卷积核叫做高斯核，再利用这个高斯核对图像进行卷积运算，得到“平滑”后的图像，也就是俗称的模糊

随着高斯核维数的增加，模糊的程度也会变大。假设图像的宽度和高度分别为W和H，如果使用一个大小为N*N的高斯核对图像进行卷积计算的话，那么就需要N*N*W*H次纹理采样，计算量会变得非常大。但二维高斯函数具有可分离性，我们可以将它拆成两个一维函数，也就是说，可以使用两个一维的高斯核先后对图像进行卷积，卷积结果与使用二维高斯核进行卷积是一样的，但计算量变为2*N*W*H，同时，一维高斯核中包含了很多重复的权重，换句话说，它具有对称性，对于一个大小为5的一维高斯核，实际上只要记录三个权重值就可以了

P2