Описание быстрого и стабильного Motion blur алгоритма08.10.2024 12:00

Всем привет, эта статья является краткой выжимкой другой статьи: Guertin, Jean-Philippe & McGuire, M. & Nowrouzezahrai, D. (2014). A fast and stable feature-aware motion blur filter. High-Performance Graphics 2014, HPG 2014 — Proceedings. 51–60.

В ней описан алгоритм Motion blur эффекта, который был предложен авторами оригинальной статьи.

Итак, сам алгоритм:

Изображение разбивается на тайлов для максимального радиуса размытия пространства изображения , что обеспечивает влияние на каждый пиксель не более чем его окрестности тайла.

Векторы скоростей пикселей. Зеленым показана доминирующая скорость в тайле

Векторы скоростей пикселей. Зеленым показана доминирующая скорость в тайле

У каждого пикселя вычисляется своя скорость:

$V[x,y]={v(p_{x,y})\over 2r} * {max(min)|v(p_{x,y})|*E,r),0.5)\over |v(p_{x,y})|+ε} +0.5$

где $ε = 10^{-5}$ , а — время экспозиции в секундах.

Каждому тайлу присваивается одна доминирующая скорость окрестности $v_{max}$
Доминирующие векторы скоростей в тайле. Зеленым показан доминирующий вектор скорости среди соседних тайлов
Пиксельная () и доминантная ( $v_{max}$ ) скорости пикселя p обрабатываются следующим образом: размещается ряд сэмплов вдоль центрального направления, интерполируя между нормированными направлениями и перпендикуляром к доминанте $v_{max}^⊥$ по мере уменьшения скорости пикселя до минимального порога пользователя :
$v_c(p)=lerp(norm(v(p)),v_{max}^⊥,(||v(p)||-0.5)/γ$
Сэмлирование направлений $v_{max}$ (зеленый), $v_{max}^⊥$ (желтый) и (голубой)
На каждом тайле вычисляется угловая разница между максимальными скоростями тайла и ее соседей:

$u=1-{1\over|N|}\sum_{t∈N}abs[v_{max}(t)*v_{max}({\overline t})]$

где — множество (1-ring ) соседних тайлов вокруг (и включая) тайла.

Дисперсия (зеленый) для тайлов, соседствующих с пикселем (красный)

Дисперсия (зеленый) для тайлов, соседствующих с пикселем

(красный)

Задается изначальный вес центра:

$w_p=||v_c||^{-1}*N/k$

где — пользовательский параметр для изменения его важности.

Вычисляется цвет центра:

$C_{blur}=C[p]*w_p$

где — цвет пикселя.

Для каждого нового сэмпла S выполняются следующие шаги:
8.1 Задается значение , которое равно если номер сэмпла нечетный или $v_{max}*(1-u)*N$ если нечетный.
8.2 Стохастически смещается поиск текстуры с максимальной скоростью соседства $v_{max}$ для пикселей, расположенных у края плитки, используя простой линейный спад с управляемым наклоном .
Сэмплирование $v_{max}$ изменяется с большей вероятностью ближе к границам плитки
8.3 Рассчитываются параметры точки :

$T=t*||v_{max}|| \\S=⎣t*d⎦+p\\colorSample=color[S]$

8.4 Рассчитываются классификаторы для переднего и заднего плана:

$f=zCompare(Z[p],Z[S])\\b=zCompare(Z[S],Z[p])$

где — значение глубины пикселя, а zCompare имеет следующий вид:

$zCompare[Z_a,Z_b]=min(max(0,1-{(Z_a-Z_b)\over min(Z_a,Z_b)}),1)$

8.5 Вычисляется вес данного сэмпла:

$weight = f*cone(T,1/||V[S]||)*norm(V[S])*d+ \\b*cone(T,1/||v_c||)*v_c*d+\\cylinder(T,min(||V[S]||,||v_c||)*max(norm(V[S])*d,v_c*d)*2$

где функция cone задается следующим образом:

cone(a,b)=clamp(1-a/b,0,1)

, а функция cylinder имеет следующий вид:

cylinder=1-smoothstep(0.95*b,1.05*b,a)

8.6 К изначальному весу центра w_p прибавляется вес сэмпла weight

8.7 Рассчитывается цвет сэмпла учитывающий его вес:

C_s=colorSample * weight

8.8 К цвету центра $С_{blur}$ прибавляется цвет сэмпла C_s

Рассчитывается результат:

$result=C_{blur}/w_p$

Вот и все, это весь алгоритм. Надеюсь, эта статья поможет разработчикам компьютерной графики или тем, кто только начинает свой путь в этом ремесле. Всем спасибо за внимание!