双线性过滤近似高斯模糊

如果使用两遍算法，再结合双线性过滤，那么对于kernel大小为5x5的高斯模糊而言，我们可以用6个texture调用来计算像素的值。但是在《Real-Time Rendering》上还提到一种方法，即采用一遍算法，最多使用9个texture调用来计算像素值，这需要用双线性过滤来近似4个像素的加权值。

假设4个像素分别为

C---D
|   |
A---B

且插值系数为$(x,y)$，那么插值的结果为

$$M{w}_b=\left[\begin{array}{cccc}A& B& C& D\end{array}\right]\left[\begin{array}{c}xy-x-y+1\\ -xy+x\\ -xy+y\\ xy\end{array}\right]$$
$$w_b=\left[\begin{array}{c}xy-x-y+1\\ -xy+x\\ -xy+y\\ xy\end{array}\right](1)$$
这里有$\sum {w_b}_i=1$，且${w_b}_i⩾0$即双线性插值是convex combination。

假设4个像素的高斯权值为$w=(w_0,w_1,w_2,w_3)$，为了使得双线性插值的结果尽可能与$Mw$的结果近似，我们可以最小化下面的函数的值

$$f(x,y)=\Vert w_b-\frac{w}{\sum w_i}{\Vert }^2(2)$$

注意，这里我们先对$w$进行了归一化，因为$\sum w_i$不是1。

取《Real-Time Rendering》中的5x5 kernel的例子，左上角4个像素的权值为

$$w=\left[\begin{array}{cccc}0.0133& 0.0596& 0.003& 0.0133\end{array}\right]$$

利用maple的minimize函数，我们可以解得$(2)$在P点处取得最小值

$$\begin{gathered} P=(0.8174,0.1826) \\ min=1.276\times 10^{-7} \end{gathered}$$

最后，我们还需要将$w_b$乘以$\sum w_i$，这样得到的权值才是最终结果。

这种方法相比两遍算法而言，需要更多的texture调用（9个）。如果kernel大小动态变化，那么我们可以事先计算出所有的近似插值系数。