基于 GPU 的拉普拉斯金字塔答案

【问题标题】：GPU-based Laplacian Pyramid基于 GPU 的拉普拉斯金字塔
【发布时间】：2012-09-16 03:00:06
【问题描述】：

我已经实现了一种使用纯 C++ 进行无缝混合的图像混合方法。现在我想将此代码转换为 GPU（使用移动设备的 OpenGL ES 2 着色器）。基本上，该方法为每个图像创建高斯和拉普拉斯金字塔，然后从低分辨率到顶部组合（另请参见 Burt 等人 1983 年的论文“拉普拉斯金字塔作为紧凑图像代码”）。

我的问题是拉普拉斯金字塔等级可以有负值，但我的设备不支持浮点或整数类型纹理（例如使用 ORB_texture_float 扩展）。

我已经在寻找有关基于 GPU 的金字塔的论文，但没有找到真正有用的东西。

如何为 GPU 高效地实现这样的金字塔？
是否可以计算高斯/拉普拉斯金字塔级别而不遍历前面的级别？

问候，

编辑似乎没有“好”的方法可以在 GPU 上完全计算拉普拉斯金字塔，除了使用不支持有符号类型（例如 ARB_texture_float）或大于字节的类型的两个通道（一个用于符号，一个用于值）当图像的数据范围在 [0..255] 之间时。我的拉普拉斯金字塔在带有 ARB_texture_float 扩展的 GPU 上完美运行，但没有扩展（以及一些压缩范围的调整），由于范围压缩，金字塔会“出错”。

【问题讨论】：

标签： image-processing shader opengl-es-2.0 gaussian laplacian

【解决方案1】：

如果纹理是无符号整数，实现拉普拉斯金字塔最安全的方法是存储两个金字塔 - 一个金字塔包含拉普拉斯的梯度幅度，另一个金字塔存储像素的符号地点。
是的。高斯或拉普拉斯金字塔中的任何级别都具有基于您要计算的 sigma 值的封闭形式解决方案。考虑以 sigma = (2/3) 的间隔计算的 LoG 金字塔的基本情况。金字塔的第一层有 2/3 的 sigma，只需用 5x5 LoG 滤波器和 2/3 的 sigma 卷积即可生成。使用相同滤波器的第二个卷积生成 sigma 4/3 的 LoG 图像，最后第三个具有 sigma 6/3 或 2，因此我们对图像进行二次采样以生成金字塔的下一个整数级别。如果您想计算 sigma 2 处的图像的 LoG，则不需要 sigma 2/3 和 4/3 处的级别 - 只需对图像进行一次二次采样，然后使用具有 sigma 1 的 LoG 滤波器进行卷积。

如果您想在 sigma = 20 处计算 LoG，则对图像进行四次二次采样（16 个像素块变为 1 个像素）以得到 sigma 16 图像，然后使用 sigma 4/3 LoG 滤波器进行一次卷积。

【讨论】：

感谢您的提示。我是否正确地计算了两次拉普拉斯金字塔（一次用于符号，一次用于绝对值）？
重新考虑您的评论后，也可以在 alpha 通道中编码 RGB 的符号（我不使用）。这可能比计算 Pyramid 两次要慢，但它节省了在我的设备上也很稀疏的内存。
使用 Alpha 通道是个好主意，现在您不需要计算金字塔两次或存储两个金字塔。通过过滤器计算拉普拉斯值并将其存储在有符号变量中。将有符号变量的 abs() 放入 r/g/b。将有符号变量除以存储在纹理中的值，将结果加 1，然后将其存储在 Alpha 通道中。如果 alpha 中的值为 0，则原始渐变为负，如果为 2，则渐变为正。