本文共 1929 字，大约阅读时间需要 6 分钟。

现将D到O的大部分滤镜用Vulkan的ComputeShader实现了，以下是其中一些特殊的说明：

高斯模糊(Blurlens)

• GaussianBlurPosition：指定模糊区域进行高斯模糊，未采用GPUImage中的传统实现，而采用了类似GaussianSelectiveBlur的方式，通过混合原始图像与高斯模糊图像来实现，模糊半径和其他参数更加灵活控制。
• SphereRefraction：环境映射实现。与GlassSphere类似，主要是球坐标系与UV坐标系的转换。初次测试时，发现圈外闪烁，后来发现未将圈外置零，withinSphere应指圈外即为有效范围。

半色调效果(Halftone)

• 类似新闻打印的马赛克效果，基于PixellateFilter实现。主要将小矩形区域的UV坐标统一化后处理。

高通滤波(HighPass)

• 实现了高通滤波，用于检测图像像素的变化。首先实现了LowPass滤镜，再通过比较当前帧与上一帧（通过VkSaveFrameLayer保存）以显示像素的变化。

Performance Optimization

• Command Copy Performance: 直接使用vkCmdCopyImage时，表现为0.3ms-0.7ms。通过改用管线编码（bUserPipe = true）将时间降至0.2ms，找到性能下降的原因是内联函数未优化。
• LowPass实现: LowPass具有两个输入节点，分别是上一帧和SaveFrameLayer提供的帧。LowPass运行前后会混合上一帧和当前帧，以去除 Dropout纹理，然后再储存结果到SaveFrameLayer中。
• HighPass实现: 通过与LowPass的差异检测来显示像素变化。

直方图(Histogram)

• 具体的实现方法有两种：直接回读到CPU计算，或者使用原子操作。最优方法是使用原子操作，通过256个线程组分别处理直方图中的颜色分布。实现中使用了reduce2的分段方式，但由于循环次数过多，改用原子操作的方式。

iOS Blur实现

• 结合DownSampling、Saturation、GaussianBlur、LuminanceRange和UpSampling相结合，实现了类似iOS的高效滤镜效果。

高斯模糊实现

• 采用了Kuwahara算法，类似于局部共享显存的方式进行优化。在1080P下，半径5需要3.3ms，半径10需要9.7ms。测试在Redmi 10X Pro手机上运行流畅，达到30帧。

###rama_optimization

• 由于Kuwahara3x3算法特性，必须读取49个像素，性能较低。对此进行了多方面优化。

拉普拉斯算子(Laplacian)

• 通过计算拉普拉斯算子找到边缘。由于UCO中的UBO存储方式，最好的方式是使用浮点数和std140的结构，避免CPU-GPU中的结构对齐问题。

Lookup表实现

• 内置一个输入层，便于用户提供512x512x4的Lookup表。MissEtikate滤镜的实现可通过这个内置层完成。

中值滤波(Median)

• 初期尝试通过局部共享显存进行优化，但效果不理想，最终移植了GPUImage中的3x3中值滤镜实现。

运动模糊(MotionBlur)

• 实现简单，使用方向向量进行滤镜效果。

运动检测(MotionDetector)

• 集成一个VkOutputLayer，输出类似GPUImage的统计数据，方便进一步处理。

MotionDetector实现

• 层继承自VkLayer，内部包含LowPass和ReduceLayer。自定义一个.glsl脚本通过共享存储处理图像，输出运动统计图像。

NobleCornerDetection角点检测

• 结合Harris和Noble算法检测角点，改进后效果较好。

Opening和Closing滤镜

• 结合侵蚀和膨胀层实现Opening或Closing效果。

未实现的滤镜

• FASTCornerDetection和JFAVoronoi等滤镜尚未实现，JFAVoronoi需要明确移植方法，暂时不展开。

Performance优化总结

• 通过优化vkCmdCopyImage和internalFunction到管线编码（bUserPipe = true），将时间从0.3ms提升至0.2ms。
• 企业校验总时间，发现LowPass、HighPass、Histogram、Kuwahara、Laplacian、MotionBlur等滤镜在不同帧率下的表现差异较大。

通过以上优化，滤镜效果与性能均得到了显著提升，为后续滤镜移植和性能优化奠定了基础。