Perché più sfocature gaussiane?


9

L'applicazione di più sfocature gaussiane può comportare un effetto equivalente a una sfocatura gaussiana più forte.

Ad esempio, questa domanda dice che: fare più sfocature gaussiane equivale a fare una sfocatura più grande?

Anche Wikipedia lo dice, ma dice che saranno sempre tanti o più i calcoli a farlo in più sfocature rispetto a farlo in una sola sfocatura.

L'applicazione di più sfocature gaussiane successive a un'immagine ha lo stesso effetto dell'applicazione di una singola sfocatura gaussiana più grande, il cui raggio è la radice quadrata della somma dei quadrati dei raggi di sfocatura effettivamente applicati. Ad esempio, l'applicazione di sfocature gaussiane successive con raggi di 6 e 8 fornisce gli stessi risultati dell'applicazione di una sfocatura gaussiana singola del raggio 10, poiché \ sqrt {6 ^ 2 + 8 ^ 2} = 10. A causa di questa relazione, il tempo di elaborazione non può essere salvato simulando una sfocatura gaussiana con sfocature successive più piccole - il tempo richiesto sarà almeno pari all'esecuzione della sfocatura singola grande.

Fonte: https://en.wikipedia.org/wiki/Gaussian_blur#Mechanics

Tuttavia, ho sentito e letto di persone che fanno più sfocature nella grafica in tempo reale per ottenere una sfocatura più forte.

Che vantaggio c'è se non è una riduzione del calcolo?


3
Sei sicuro che stessero parlando di più sfocature gaussiane? Fare diverse sfocature a riquadri è un modo comune per approssimare una sfocatura gaussiana.
yuriks,

Informazioni interessanti Credo di si, ma potrebbe essere un errore!
Alan Wolfe,

1
Potrebbe essere più semplice campionare pixel vicini, è anche molto più intuitivo come modello fisico di diffusione, vedere 12 passaggi per Navier-Stokes, passaggio 7
joojaa,

Risposte:


14

Ci sono due casi a cui riesco a pensare a più sfocature da eseguire in successione su una singola immagine.

Innanzitutto, quando si esegue una sfocatura di ampio raggio, è possibile ridurre il calcolo totale se si esegue prima il downsampling dell'immagine (che è una sfocatura) e quindi si esegue una sfocatura di raggio minore sull'immagine sottocampionata. Ad esempio, il downsampling di un'immagine di 4x e quindi l'esecuzione di una sfocatura gaussiana di 10 pixel sul risultato approssimerebbe l'esecuzione di una sfocatura gaussiana di 40 pixel sull'originale, ma è probabile che sia significativamente più veloce a causa della migliore località nel campionamento e di un minor numero di campioni prelevati complessivamente.

Approssimazione di riquadro di un ampio gaussiano

Il filtro di downsampling iniziale è spesso semplicemente una casella (come mostrato sopra), ma può anche essere qualcosa di più sofisticato, come un filtro a triangolo o bicubico, al fine di migliorare l'approssimazione.

Approssimazione di Mitchell-Netravali di un ampio gaussiano

Questo è un downsample di Mitchell-Netravali (cubico) seguito da un gaussiano. È interessante notare che si scopre che l'uso di un gaussiano per il downsampling iniziale non rende una così grande approssimazione se il tuo obiettivo è di usarlo per produrre un gaussiano più grande.

Un motivo iniziale di downsampling viene spesso utilizzato anche per l'implementazione di effetti visivi come profondità di campo e motion blur, per motivi simili.

Un secondo motivo per eseguire più sfocature gaussiane è approssimare un filtro non separabile mediante la fusione tra vari gaussiani di raggi diversi. Questo è comunemente usato in fiore, per esempio. L'effetto di fioritura standard agisce dapprima con la soglia per estrarre oggetti luminosi dall'immagine, quindi creando diverse copie sfocate degli oggetti luminosi (di solito usando la tecnica downsample-then-blur appena discussa) e infine ponderandoli e sommandoli insieme. Ciò consente agli artisti un maggiore livello di controllo sulla forma e l'aspetto finale della fioritura.

La somma di tre gaussiani crea una funzione "dalla coda pesante"

Qui, per esempio, c'è una somma ponderata di tre gaussiani (linea rossa) che produce una forma che ha un picco più stretto e una coda più pesante di un singolo gaussiano (linea blu). Questo è un tipo popolare di configurazione da utilizzare per la fioritura, poiché la combinazione di un centro stretto e luminoso con un alone ampio e diffuso è visivamente accattivante. Ma poiché questo tipo di forma del filtro non è separabile, è più economico ricavarne una miscela di gaussiani piuttosto che provare a filtrare direttamente con esso.

Un'altra variante di questa idea è il concetto di un profilo di diffusione utilizzato con lo scattering del sottosuolo per il rendering della pelle. Raggi di sfocatura diversi possono essere usati per i canali rosso, verde e blu per approssimare il modo in cui diverse lunghezze d'onda della luce si diffondono in modo diverso, come nel capitolo Ombreggiatura della pelle di GPU Gems 3 di Eugene d'Eon e Dave Luebke. In effetti, quella carta utilizza una miscela di sette diversi gaussiani, con pesi R, G e B diversi per ciascuno, per approssimare la complicata risposta di scattering non separabile, dipendente dalla lunghezza d'onda della pelle umana.

Profili di diffusione dell'articolo GPU Gems 3 sull'ombreggiatura della pelle

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.