双边过滤算法的hlsl实现

我是基于这篇文章来实现的。

先说说最核心的公式：

i, j 代表当前的纹理坐标

g(i, j) 代表该纹理坐标上实际的输出的颜色值

k,l 代表(i, j) 周围的点的纹理坐标，即需要采样融合到(i, j)上的点的纹理坐标

代表k, l在一定范围内取值后，通过这个公式计算出来的值的累加和。（关于累加和的解释可以看这里）

这里的这个f(k, l) 表示的是(k, l)坐标上的点的颜色值。

w(i, j, k, l)表示权重系数。

权重系数为

定义域核：

和值域核：

的乘积：

定义域核中的，就是纹理坐标i 减去纹理坐标k ，再算平方。

只是一个固定参数，自己根据实际情况给他赋值即可，在我的项目里，这个参数取到20000，效果不错。

值域核中 f(i, j) 还有f(k, l)和上面核心的公式中的不同，这里的这个f(k, l) 表示的是一个算法f。在(k, l)纹理坐标上的点的rgb值相加之和。比如，对(k, l)纹理取样后的值保存在一个float4 AA中，则算法f 就等于 AA.r + AA.g + AA.b，f(i, j)也是一样。

公式解释完了之后，实现就容易了：

uniform Texture2D diffuseTexture;uniform float radius = 10; // 过滤半径，即k, l的取值范围uniform float2 tex_size; // 传入的纹理的尺寸SamplerState textureSampler{    AddressU  = Clamp;    AddressV  = Clamp;    Filter    = Linear;};struct VertData{    float4 pos      : SV_Position;    float2 texCoord : TexCoord0;};float4 sample2rgba(float2 uv){float4 out_c = diffuseTexture.Sample(textureSampler, uv);// 因为采样取出来的值的范围是0~1de，而算法中是需要0~255的，因此这里做一下转换out_c.r = out_c.r * 255;out_c.g = out_c.g * 255;out_c.b = out_c.b * 255;// out_c.a = out_c.a * 255; // alpha不需要参与计算return out_c;}float4 main(VertData input) : SV_Target{float4 center = sample2rgba(input.texCoord);// (k, l)坐标下的采样颜色值float4 curPix;// 由于纹理坐标的取值范围是0~1的，相邻点的纹理坐标就无法计算了，因此这里把纹理坐标转成实际像素位置，这样偏移值直接+1，-1之类就行了float2 tex_coord = float2(input.texCoord.x * offset_x, input.texCoord.y * offset_y);float2 new_coord;float weight; // 权重float weight_sum = 0.0; // 权重累加和float4 c_cum; // 颜色值的累加和float temp1;float temp2;int k = 0, l = 0;for (k = -radius; k <= radius; ++k){for (l = -radius; l <= radius; ++l){// 计算出(k, l)的纹理坐标new_coord = float2(tex_coord.x + k, tex_coord.y + l);// 采样，因为new_coord为实际像素的位置，需要转换成0~1范围的坐标才能取样curPix = sample2rgba(float2(new_coord.x / offset_x, new_coord.y / offset_y));// 计算定义域核temp1 = -pow(tex_coord.x - new_coord.x, 2);temp1 += pow(tex_coord.y - new_coord.y, 2);temp1 /= sigma_space;// 计算值域核temp2 = -pow(center.r + center.g + center.b - curPix.r - curPix.g - curPix.b, 2);temp2 /= sigma_color;// 计算当前的权重temp1 = temp1 + temp2;weight = exp(temp1);// 颜色值的累加c_cum += curPix * weight;// 权重的累加weight_sum += weight;}}// 累加颜色除以累加权重，就是需要的颜色值了c_cum = c_cum / weight_sum;c_cum = c_cum / 255.0; // 算法是用0~255范围的来算的，所以这里需要再转回0~1的范围c_cum.a = 1.0; // 固定alpha值return c_cum;}

实际运行下来，这个算法效率很低，再回顾下这个算法，for嵌套for，就是把当前纹理坐标点周围的点全都取出来计算了。我之前在网上某一篇文章（具体哪篇忘了）中有看到一种做法，只是取样当前纹理点横向的点和纵向的点，也能达到效果，而取样的点也能少很多。

升级过的算法：

uniform Texture2D diffuseTexture;uniform float radius = 10; // 过滤半径，即k, l的取值范围uniform float2 tex_size; // 传入的纹理的尺寸SamplerState textureSampler{    AddressU  = Clamp;    AddressV  = Clamp;    Filter    = Linear;};struct VertData{    float4 pos      : SV_Position;    float2 texCoord : TexCoord0;};float4 sample2rgba(float2 uv){    float4 out_c = diffuseTexture.Sample(textureSampler, uv);    // 因为采样取出来的值的范围是0~1的，而算法中是需要0~255的，因此这里做一下转换    out_c.r = out_c.r * 255;    out_c.g = out_c.g * 255;    out_c.b = out_c.b * 255;    // out_c.a = out_c.a * 255; // alpha不需要参与计算    return out_c;}float4 main(VertData input) : SV_Target{    float4 center = sample2rgba(input.texCoord);    // (k, l)坐标下的采样颜色值    float4 curPix;// 由于纹理坐标的取值范围是0~1的，相邻点的纹理坐标就无法计算了，因此这里把纹理坐标转成实际像素位置，这样偏移值直接+1，-1之类就行了float2 tex_coord = float2(input.texCoord.x * offset_x, input.texCoord.y * offset_y);float2 new_coord;float weight; // 权重float weight_sum = 0.0; // 权重累加和float4 c_cum; // 颜色值的累加和float temp1;float temp2;int k = 0, l = 0;// 横向部分取值计算for (k = -radius; k <= radius; ++k){// 计算出(k, l)的纹理坐标new_coord = float2(tex_coord.x + k, tex_coord.y + l);// 采样，因为new_coord为实际像素的位置，需要转换成0~1范围的坐标才能取样curPix = sample2rgba(float2(new_coord.x / offset_x, new_coord.y / offset_y));// 计算定义域核temp1 = -pow(tex_coord.x - new_coord.x, 2);temp1 += pow(tex_coord.y - new_coord.y, 2);temp1 /= sigma_space;// 计算值域核temp2 = -pow(center.r + center.g + center.b - curPix.r - curPix.g - curPix.b, 2);temp2 /= sigma_color;// 计算当前的权重temp1 = temp1 + temp2;weight = exp(temp1);// 颜色值的累加c_cum += curPix * weight;// 权重的累加weight_sum += weight;}// 纵向部分取值计算k = 0;for (l = -radius; l <= radius; ++l){// 计算出(k, l)的纹理坐标new_coord = float2(tex_coord.x + k, tex_coord.y + l);// 采样，因为new_coord为实际像素的位置，需要转换成0~1范围的坐标才能取样curPix = sample2rgba(float2(new_coord.x / offset_x, new_coord.y / offset_y));// 计算定义域核temp1 = -pow(tex_coord.x - new_coord.x, 2);temp1 += pow(tex_coord.y - new_coord.y, 2);temp1 /= sigma_space;// 计算值域核temp2 = -pow(center.r + center.g + center.b - curPix.r - curPix.g - curPix.b, 2);temp2 /= sigma_color;// 计算当前的权重temp1 = temp1 + temp2;weight = exp(temp1);// 颜色值的累加c_cum += curPix * weight;// 权重的累加weight_sum += weight;}// 累加颜色除以累加权重，就是需要的颜色值了c_cum = c_cum / weight_sum;c_cum = c_cum / 255.0; // 算法是用0~255范围的来算的，所以这里需要再转回0~1的范围c_cum.a = 1.0; // 固定alpha值return c_cum;}

运行后，效率还行，虽然有些掉帧，但还是能接受的。

后记：

对于公式，相信还是有很多人跟我一样，一看就蒙圈了，但是网上的很多贴了公式的文章，都只是草草的解释了下公式，有很多对于大神而言算是基础的，或者说是常识的东西，就直接一笔带过了，这让我们这种算法小白来说，看的就比较费劲了。这里当然不是说怪大神们不好，像这种基础的，常识的东西本来就应该了然于心的，只是这一次我走了次弯路，无视算法，先去尝试直接翻译他们的实现，以至于问题产生问题，无法解决，而不懂的还是不懂。最后实在没有办法了，才去尝试看懂算法，看懂了之后，实现，调整就都顺利了。

最后再记一些过程中发现的一些东西：

opencv是个挺牛逼的开源第三方库。它里面有双边过滤的算法实现源码。这里有一篇详细讲解该代码的文章，这里

这里还有一篇用CUDA实现的，貌似是针对CUDA做过优化的算法实现，这里