十种图像模糊算法总结与实现方法

图像模糊算法在后处理渲染领域中占据着重要的地位。很多产品级后处理的实现，都会直接或间接依赖于图像模糊算法中的一种或多种。无论是基于高斯模糊（Gaussian Blur）或其改进算法的Bloom特效，还是基于径向模糊（Radial Blur）的Sun Shaft（God Ray），或是基于方向模糊（Directional Blur）的镜头眩光光晕（Glare Lens Flare），抑或是景深（Depth of Field）特效中摄影级失焦感的散景模糊（Bokeh Blur），都以模糊算法作为重要的支撑。所以说，后处理中所采用模糊算法的优劣，决定了后处理管线最终的渲染品质和消耗性能的多少。
本文将对后处理管线中会使用到的如下十种模糊算法进行总结、对比和盘点，以及提供了这十种模糊算法以及其衍生算法对应的Unity Post Processing Stack v2版本的实现：
高斯模糊（Gaussian Blur）
方框模糊（Box Blur）
Kawase模糊（Kawase Blur）
双重模糊（Dual Blur）
散景模糊（Bokeh Blur）
移轴模糊（Tilt Shift Blur）
光圈模糊（Iris Blur）
粒状模糊（Grainy Blur）
径向模糊（Radial Blur）
方向模糊（Directional Blur）
另外，本文暂不涉及运动模糊（Motion Blur），因为其主要作用于帧之间的运动变化，不属于静态型模糊。还有一些其它的模糊算法由于不太适用于实时渲染，本文也暂不涉及，如：Moving Averages filter。
下面先放一组使用了依赖于模糊算法的后处理特效的实时渲染截图，然后开始我们的正文。
十种图像模糊算法横向对比
在展开全文，对这十种图像模糊算法进行分别介绍之前，这一节中先做一个总览，即一个横向的对比。要评判一种模糊算法的好坏，主要有三个标准：
模糊品质（Quality）：模糊品质的好坏是模糊算法是否优秀的主要指标。
模糊稳定性（Stability）：模糊的稳定性决定了在画面变化过程中，模糊是否稳定，不会出现跳变或者闪烁。
性能（Performance）：性能的好坏是模糊算法是否能被广泛使用的关键所在。
从上表的对比可以看到，除了Grainy Blur因其模糊质感的特殊性获得了“一般”的模糊品质评级之外，另外九种模糊算法在模糊品质和稳定性这两方面都获得了不错的评级。这是因为给到足够的迭代次数，且不做RenderTexture的DownSample，它们都可以收敛到一个高品质的模糊质感。
最终的分化在于性能，这才是评判一种算法性价比是否高，能否广泛用于实时渲染的关键因素。其中，可以看到仅双重模糊（Dual Blur）和粒状模糊（Grainy Blur）两种算法，获得了高的性能评级。当然，这是针对标准的算法而言，其它八种算法如果进行进一步的性能优化，也能具有更佳的性能。