下采样 Kernel Research

问题背景

高斯模糊通过下采样 -> 小卷积核模糊 -> 上采样的方式来优化大半径模糊的性能
经过 Box2x2 卷积核下采样后，图像高频信号在运动过程中会在时域出现闪烁。

效果对照

Box2x2 单阶段（GPU 双线性）

1/4

Box2x2 三阶段（GPU 双线性）

1/4

CrossBox 三阶段

1/16

2/16

1/16

2/16

1/16

CrossBox 在 shader 中仍然只有四次纹理采样，但每个 tap 都落在上一层四个 texel 之间。把 GPU 双线性插值展开到离散 texel 后，单阶段等效核是

h_{\mathrm{Cross}}^{(1)} = \frac{1}{16} \begin{bmatrix} 0&1&1&0\\ 1&2&2&1\\ 1&2&2&1\\ 0&1&1&0 \end{bmatrix}.

后续所有 CrossBox 图表都使用这个已经包含线性 sampler footprint 的核。

问题定义

设完整的“下采样 → 模糊 → 上采样”算子为 $\mathcal P$ 。令 $\mathbf p=\mathbf p(t)$ 表示图像在时刻 $t$ 相对初始位置的位移，并定义原图坐标中的平移算子

(\mathcal T_{\mathbf p}f)(\mathbf x) = f(\mathbf x-\mathbf p).

于是第 $t$ 帧为 $f_t(\mathbf x)=(\mathcal T_{\mathbf p(t)}f)(\mathbf x)$ 。“平移过程中不发生闪烁”所要求的命题是

\boxed{ \mathcal P(\mathcal T_{\mathbf p}f) = \mathcal T_{\mathbf p}(\mathcal P f), \qquad \forall\mathbf p }

左边是“先移动原图，再执行完整处理”，右边是“先执行完整处理，再移动结果”。

先移动，再模糊

𝒫(Tf)

正在读取图像…

先模糊，再移动

T(𝒫f)

正在读取图像…

问题分析

先看模糊流程。流程存在两个不同的坐标系，这里用 $\mathbf x$ 表示原图坐标，用 $\mathbf k$ 表示低分辨率图像的离散坐标:

f(\mathbf x) \xrightarrow{\ D\ } d(\mathbf x) \xrightarrow{\ \operatorname{III}\!\downarrow_M\ } d_s(\mathbf x) \xrightarrow{\ \downarrow_M\ } d[\mathbf k] \xrightarrow{\ G\ } g[\mathbf k] \xrightarrow{\ \uparrow_M\ } g_s(\mathbf x) \xrightarrow{\ U\ } f'(\mathbf x).

上面的符号分别表示：

$D$ 是抽取前使用核 $h$ 完成的下采样卷积。本文后续的 $h$ 都指纹理采样真正作用到上一层离散像素上的等效权重：如果一个采样位置落在像素之间，就先把 GPU 线性插值展开到相邻像素，再把各次采样的权重相加；
$\operatorname{III}\!\downarrow_M$ 是间隔为 $M$ 的冲激采样，结果仍位于原图坐标中。它包含实际采样网格的固定相位，后文会显式写出；
$\downarrow_M$ 把稀疏冲激的权重紧凑地重排为低分辨率图像；
$G$ 是低分辨率图像上的高斯模糊；
$\uparrow_M$ 把低分辨率像素放回原图坐标，在样本之间插入空值；
$U$ 使用重建核 $\tau$ 完成上采样卷积。

上面的信号如下图

原图与三阶段 Box2x2 等效卷积核的卷积结果 — 下采样卷积 $d(\mathbf x)=(Df)(\mathbf x)$

卷积结果与间隔为八像素的二维梳状函数相乘后的稀疏冲激；冲激在图中被放大以便观察 — 冲激采样 $d_s(\mathbf x)$

丢掉梳状采样中间的空像素并重排为六十四乘六十四低分辨率图像 — 向下重排列 $d[\mathbf k]$

六十四乘六十四低分辨率图像经过七乘七、标准差一点五的高斯模糊 — 低分辨率模糊 $g[\mathbf k]=(Gd)[\mathbf k]$

把高斯模糊后的低分辨率像素放回原图坐标并在样本之间补零 — 向上重排列 $g_s(\mathbf x)$

插零后的稀疏图像与三角核卷积得到的上采样重建结果 — 重建卷积 $f'(\mathbf x)=(Ug_s)(\mathbf x)$

为了方便，后面推导过程里原图坐标中的信号省略自变量 $(\mathbf x)$ ，直接写成 $f,d,d_s,g_s,f'$ ；只有低分辨率图像显式写出离散坐标 $d[\mathbf k]$ 和 $g[\mathbf k]$ 。

拆解算子 $\mathcal P$

回来看我们的命题

\mathcal P(\mathcal T_{\mathbf p}f) = \mathcal T_{\mathbf p}(\mathcal P f), \qquad \forall\mathbf p

我们需要把 $\mathcal P$ 完整展开，再尝试让平移算子 $\mathcal T_{\mathbf p}$ 从右向左依次穿过每个处理步骤。按照前面的流水线， $\mathcal P$ 是

\mathcal P = U \circ\uparrow_M \circ G \circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D.

因此，把移动后的图像送进这条链路就是

\begin{aligned} \mathcal P(\mathcal T_{\mathbf p}f) &= U\circ\uparrow_M\circ G\circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D(\mathcal T_{\mathbf p}f),\\ \mathcal P\circ\mathcal T_{\mathbf p} &= U\circ\uparrow_M\circ G\circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D\circ\mathcal T_{\mathbf p}. \end{aligned}

我们的目标是判断最右边的 $\mathcal T_{\mathbf p}$ 能否一路移到最左边，最终得到 $\mathcal T_{\mathbf p}\circ\mathcal P$ 。现在可以检查 $\mathcal T_{\mathbf p}$ 能否依次穿过这些算子。这里的 $D$ 使用前面定义的实际等效核 $h$ ，GPU 线性插值已经包含在 $h$ 中，因此 $D$ 仍然是一个卷积算子，与原图坐标中的平移严格交换：

D\circ\mathcal T_{\mathbf p} = \mathcal T_{\mathbf p}\circ D.

冲激采样和向下重排列会把信号从原图坐标转换到低分辨率坐标，因此这两个操作需要放在一起检查。经过 $M$ 倍下采样，原图中的位移 $\mathbf p$ 应对应低分辨率坐标中的位移 $\mathbf p/M$ 。下面用 $\mathcal T^{(\ell)}_{\mathbf p/M}$ 表示低分辨率坐标中的理想连续平移。

低分辨率卷积 $G$ 同样与其坐标系中的平移严格交换：

G\circ\mathcal T^{(\ell)}_{\mathbf p/M} = \mathcal T^{(\ell)}_{\mathbf p/M}\circ G.

最后， $\uparrow_M$ 和 $U$ 共同把信号送回原图坐标。所需的交换关系是

U \circ \uparrow_M \circ \mathcal T^{(\ell)}_{\mathbf p/M} \ \stackrel{?}{=}\ \mathcal T_{\mathbf p} \circ U \circ \uparrow_M

因此，整条链路中平移算子的移动过程可以概括为

\begin{aligned} \mathcal P\circ\boxed{\mathcal T_{\mathbf p}} &= U\circ\uparrow_M\circ G\circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D\circ\boxed{\mathcal T_{\mathbf p}}\\ &= U\circ\uparrow_M\circ G\circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ\boxed{\mathcal T_{\mathbf p}}\circ D\\ &\stackrel{?}{=} U\circ\uparrow_M\circ G \circ\boxed{\mathcal T^{(\ell)}_{\mathbf p/M}} \circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D\\ &= U\circ\uparrow_M \circ\boxed{\mathcal T^{(\ell)}_{\mathbf p/M}}\circ G \circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D\\ &\stackrel{?}{=} \boxed{\mathcal T_{\mathbf p}} \circ U\circ\uparrow_M\circ G\circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D\\ &= \boxed{\mathcal T_{\mathbf p}}\circ\mathcal P. \end{aligned}

先把 $G$ 、 $\uparrow_M$ 和 $U$ 放到一边，集中分析第一个问号：

\boxed{ \downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D\circ\mathcal T_{\mathbf p} \ \stackrel{?}{=}\ \mathcal T^{(\ell)}_{\mathbf p/M} \circ\downarrow_M \circ\bigl(\operatorname{III}\!\downarrow_M\bigr) \circ D. }

也就是，需要让先下采样再移动和先移动再下采样的结果恒等。

进入频域

二维图像只是在水平和垂直两个方向上重复同一件事，下面暂时把 $d$ 看成一维信号，并相应地把位移 $\mathbf p$ 简写为 $p$ 。接下来统一用帽子表示傅里叶变换，即 $\widehat f=\mathcal F\{f\}$ 。

继续分析需要依赖频域的3个特性:

信号 $d$ 平移 $p$ 之后，频谱只增加一个相位：

\mathcal F\{\mathcal T_p d\}(\omega) = e^{-i\omega p}\widehat d(\omega).

间隔为 $M$ 的梳状函数在频域中仍然是梳状函数，频谱副本之间的距离为 $2\pi/M$ 。实际 GPU 下采样还有固定的采样相位：单次二倍下采样的输出像素中心位于上一层的 $2k+0.5$ ；连续进行 $L$ 次后， $M=2^L$ ，采样位置在原图坐标中是

x_k=kM+a_M, \qquad a_M=\frac{M-1}{2}.

例如三次二倍下采样时 $M=8$ ，采样网格是 $8k+3.5$ 。因此使用带相位的梳状函数

\operatorname{III}_{M,a_M}(x) = \sum_{k\in\mathbb Z}\delta(x-a_M-kM),

它的傅里叶变换是

\mathcal F\{\operatorname{III}_{M,a_M}\}(\omega) = \frac{2\pi}{M} \sum_{r\in\mathbb Z} e^{-i\frac{2\pi r}{M}a_M} \delta\left(\omega-\frac{2\pi r}{M}\right).

$M$ 倍下采样后，低分辨率图像在原图频率坐标中能够无混叠表示的范围是中心频带 $|\omega|< \pi/M$

因此，“先平移，再采样”得到的频谱是

\widehat d_{s,p}(\omega) = \frac{e^{-i\omega p}}{M} \sum_{r\in\mathbb Z} e^{-i\frac{2\pi r}{M}a_M} e^{i\frac{2\pi r}{M}p} \widehat d\left(\omega-\frac{2\pi r}{M}\right).

如果是“先采样，再平移”，那么每一份频谱应该得到同一个相位：

\widehat d_{s,p}^{\,\mathrm{ideal}}(\omega) = \frac{e^{-i\omega p}}{M} \sum_{r\in\mathbb Z} e^{-i\frac{2\pi r}{M}a_M} \widehat d\left(\omega-\frac{2\pi r}{M}\right).

固定采样相位 $e^{-i2\pi r a_M/M}$ 同时出现在两条路径中，因此不会改变它们是否相等。两者的差别仍然只在由输入位移产生的因子：

\boxed{ e^{i\frac{2\pi r}{M}p}. }

对于中心频谱 $r=0$ ，这个因子永远等于 $1$ 。

当位移刚好是 $M$ 的整数倍时，所有额外相位都等于 $1$ ：

e^{i\frac{2\pi r}{M}(mM)} = e^{i2\pi rm} =1.

要让等式对任意位移 $p$ 都成立，就必须让中心频带中只剩下 $r=0$ 这一项。也就是说，下采样卷积后的信号必须满足

\boxed{ \widehat d(\omega)=0, \qquad |\omega|\geq\frac{\pi}{M}. }

$\pi/M$ 就是以 $M$ 为采样间隔时的奈奎斯特频率。在二维图像中，对应的无混叠区域是

\mathcal N_M = \left\{ (\omega_x,\omega_y) \;\middle|\; |\omega_x|<\frac{\pi}{M}, \; |\omega_y|<\frac{\pi}{M} \right\}.

因此，下采样阶段对任意连续平移保持一致的条件是

\boxed{ \widehat d(\boldsymbol\omega)=0, \qquad \boldsymbol\omega\notin\mathcal N_M. }

又因为

d=h\ast f \qquad\Longleftrightarrow\qquad \widehat d=\widehat h\,\widehat f,

所以对于当前这张图像，真正需要满足的条件是

\boxed{ \widehat h(\boldsymbol\omega) \widehat f(\boldsymbol\omega)=0, \qquad \boldsymbol\omega\notin\mathcal N_M. }

如果希望这个结论对任意输入图像都成立，那么只能要求下采样核本身满足

\widehat h(\boldsymbol\omega)=0, \qquad \boldsymbol\omega\notin\mathcal N_M.

也就是说最理想的下采样卷积核是理想低通滤波器。虽然这无法在工程上实现，但是也得到了误差分析的方法，即只要让奈奎斯特频率限外的部分能量尽可能为0，就能降低混叠带来的视觉瑕疵。

问题就进一步变成了：找到一个足够好的低通滤波器（降采样卷积核），削弱奈奎斯特频率限外的能量。

在频谱图中检查奈奎斯特区域

青色方框标出了总计 $8$ 倍下采样时的奈奎斯特区域：

\mathcal N_8 = \left\{ (\omega_x,\omega_y) \;\middle|\; |\omega_x|<\frac{\pi}{8}, \; |\omega_y|<\frac{\pi}{8} \right\}.

方框内是低分辨率图像能够唯一表示的频率；方框外仍然存在的能量，会在抽取后折叠回方框内。

原图的傅里叶振幅频谱，中心用青色方框标出八倍下采样的奈奎斯特区域 — 原图频谱 $|\widehat f|$

原图经过单次二乘二 Box 卷积后的傅里叶振幅频谱，标出八倍下采样的奈奎斯特区域 — 单阶段 Box2x2： $|\widehat h_{\mathrm{Box}}^{(1)}\widehat f|$

原图经过三次二乘二 Box 卷积后的傅里叶振幅频谱，标出八倍下采样的奈奎斯特区域 — 三阶段 Box2x2： $|\widehat h_{\mathrm{Box}}^{(3)}\widehat f|$

原图经过三阶段 CrossBox 卷积后的傅里叶振幅频谱，标出八倍下采样的奈奎斯特区域 — 三阶段 CrossBox： $|\widehat h_{\mathrm{Cross}}^{(3)}\widehat f|$

单阶段 Box2x2 在方框边缘附近几乎保留了原图的全部频率能量；三阶段 Box2x2 已经明显压低了方框外的能量，但仍能看到规则的旁瓣。CrossBox 的真实响应还包含每阶段 GPU 双线性 footprint，并额外乘上方向相关的 $\left(\cos\omega_x+\cos\omega_y\right)/2$ ，所以方框外整体更暗，但通带也比 Box2x2 衰减得更多。

这四张图直接对应前面得到的判断条件：

\widehat h(\boldsymbol\omega) \widehat f(\boldsymbol\omega) \approx0, \qquad \boldsymbol\omega\notin\mathcal N_8.

方框外越暗，能够带着位移相关相位折叠回中心频带的能量越少，运动中的闪烁也就越弱。

其他问题

当前实现存在的 Bug

只进行了单阶段 GPU 双线性插值，对奈奎斯特区域外几乎没有抑制作用。下采样层级越高，混叠现象越严重。

Box2x2 单阶段等效 Kernel

1/4

还有更好的吗

每一行从左到右依次是：

三阶段卷积合成后的等效空间权重；
等效核自身的频率响应 $|\widehat h_K^{(3)}|$ ；
原图经过等效核卷积后的频谱 $|\widehat h_K^{(3)}\widehat f|$ 。

等效空间核按实际支持范围绘制：固定 $2\times2$ 偶数核的 tap 落在 texel 中心，三阶段展开后为 $8\times8$ ；固定 $3\times3$ 、 $5\times5$ 奇数核的 tap 落在半 texel 位置，先经过 GPU 双线性插值展开为 $4\times4$ 、 $6\times6$ ，三阶段等效支持范围分别为 $22\times22$ 、 $36\times36$ ；两个程序化 Lanczos 则分别为 $78\times78$ 、 $134\times134$ 。暖色表示正权重，蓝色表示负权重；每张空间图按自身最大绝对权重归一化颜色，只用于观察权重的形状和正负分布。后两列中的青色方框仍然是总计 $8$ 倍下采样的奈奎斯特区域，所有卷积结果继续使用与前文相同的对数亮度范围。

所有行都画渲染器真正作用到上一层离散 texel 的权重。对于奇数尺寸固定矩阵，这包含硬件线性 sampler 的 $2\times2$ footprint；Lanczos 行则使用渲染器针对 $2$ 倍比例和半像素相位实际生成的离散权重。边界寻址模式不进入这组无限平移不变的频率分析。CrossBox 这一行与前文的三阶段 CrossBox 使用完全相同的 $4\times4$ 单阶段等效核。

等效空间核

等效响应

|\widehat h_K^{(3)}|

卷积频谱

|\widehat h_K^{(3)}\widehat f|

Box2x2

Box3x3

CrossBox

Gaussian3x3

Gaussian5x5

Lanczos3

Lanczos5

这些图直接比较了七个预设在同一条三阶段、总计 $8$ 倍下采样链路中的等效行为。修正后的 Lanczos3/5 已经呈现出预期的近似砖墙低通：青色方框内保持接近平坦，过渡集中在边界附近，方框外大部分区域接近黑色。

在水平截止边界 $\omega_x=\pi/8$ 上，Lanczos3 与 Lanczos5 的三阶段幅度约为 $0.510$ 、 $0.500$ 。到了明显属于阻带的 $\omega_x=3\pi/8$ ，它们分别只剩约 $0.0047$ 、 $0.0024$ 。Lanczos5 的过渡更陡、阻带更干净。

因此判断标准仍然是：方框外越暗，抽取后能够折叠回中心频带的能量越少。

CrossBox 的限制

卷积核决定每个频率会被衰减多少，但真正进入抽取步骤的是 $\widehat h(\boldsymbol\omega)\widehat f(\boldsymbol\omega)$ 。因此，即使使用同一个核，不同原始信号也会因为频率能量的分布不同而产生不同程度的混叠。

下面三列使用完全相同的 FFT、对数亮度范围和 $8$ 倍下采样奈奎斯特方框。每列上方是原图，下方是对应的振幅频谱 $|\widehat f|$ 。

坐标轴与网格信号

对角网格信号

替换后的 UI 截图

CrossBox 的方向性并不是“横竖方向削减更强”。在频率轴上，例如 $\omega_y=0$ ，额外因子是 $\cos^2(\omega_x/2)$ ；在对角线上 $\omega_x=\omega_y$ ，额外因子是 $\cos\omega_x$ ，后者在低频附近下降更快，并在 $\omega_x=\pi/2$ 先出现零点。因此它对对角频率通常更强，对沿频率轴的分量相对更弱。实际闪烁仍要由这个方向响应与输入频谱共同决定，不能仅凭“UI 以横竖边缘为主”推出 CrossBox 更合适。