FSR 1.0是空间滤波算法，分成EASU和RCAS两部分。EASU是边缘适配的空间上采样(Edge Adaptive Spatial
Upsampling)，RCAS是健壮对比度适配锐化(Robust Contrast Adaptive Sharpening)，从CAS发展而来。
Lanczos 采样及多项式拟合
FSR 1.0 使用了 Lanczos2 函数:
a是Lanczos的核大小，蓝色是a=2，绿色是a=0.2时的曲线，a越小，变化越剧烈，高频滤波的效果越强
FSR 1.0 EASU使用多项式进行拟合，省去了sin，平方根等耗时的计算：
其中 ω用来移动控制窗口大小。下图叠加了多项式和Lanczos2的图像，可以看到当 在0.3附近时，拟合效果较好。
EASU 算法主要流程
分析FsrEasuF()函数，可知EASU算法主要流程：
采样周围12个点，计算各点亮度
以内部2x2的四个点为中心的'+'字型为单位，进行4次计算，使用双线性插值得到梯度和长度
对梯度，长度等量做校准，为下一步做呗参数
根据方向进行旋转，通过 计算Lanczos2函数的波形，得到权重
权重和颜色的混合
纹理采样
采样12个点b,c,e,f,g,h,i,j,k,l,n,o, 形状如下:
算法的输入是屏幕空间整型坐标，进行中心对齐。p0，p1，p2，p3点是归一化的纹理空间坐标，在[0,1]之间，它们作为textureGather的输入坐标进行采样。由于每一次只采一个颜色通道，所以总共有4x3=12次textureGather调用。算法以f为假想的基准点，F为其左上角整数坐标点。(Vulkan纹理坐标t轴向下)
亮度的计算比较简单，使用 0.5 ∗ r + 0.5 ∗ b + g，突出绿色通道的作用，值域在 [0, 2]
计算特征
FsrEasuSetF()函数被调用四次，每一次处理一个'+'字型:
为了和代码保持一致，这里用s,t,u,v标记每次调用的中心2x2 quad的四个点之一：
s t
u v
wi∈[s,t,u,v]是中心点落在s,t,u,v四种情况下的权重，公式如下：
它的分配方式是：
每一次调用输入5个点的亮度值，使用a,b,c,d,e统一标记位置之间的相对关系如下:
则方向矢量 dir 的计算仅使用水平和垂直相邻方向，不考虑对角线，+字型中心点也不参与计算:
以水平方向为例，考虑下三种亮度变化的情形，显然1型具有较强的方向性，而3型梯度变化过于剧烈，被忽略。
长度是个标量，单次调用的计算方式如下:
经过四次FsrEasuSetF 函数调用，实际上 dir和l都做了双线性插值。
数值校准
特征F和Lanczos拟合多项式控制因子ω的映射关系
代码流程
12点加权平均
FsrEasuTapF函数实现了每个点的颜色计算，累积起来就是12个点的加权平均。函数原型和一个典型的调用方式：
void FsrEasuTapF(
inout AF3 aC, // Accumulated color, with negative lobe.
inout AF1 aW, // Accumulated weight.
AF2 off, // Pixel offset from resolve position to tap.
AF2 dir, // Gradient direction.
AF2 len, // Length.
AF1 lob, // Negative lobe strength.
AF1 clp, // Clipping point.
AF3 c)
AF2 v;
v.x = (off.x * (dir.x)) + (off.y * dir.y);
v.y = (off.x * (-dir.y)) + (off.y * dir.x);
旋转公式：
计算最终颜色
EASU 总结
EASU实际上使用了统一的公式处理了边缘和非边缘像素。非边缘像素周边像素接近，加权平均；边缘像素变化较大，做高频滤波，使用Lanczos2函数，实际也是加权平均，只不过权值是负值。假设当前像素是P，P点对应输入图像的像素为Q，以上处理过程实际是这样一个抽象的加权平均算法：
其中W(Qi )的是Q点周围点的权值，使用Lanczos2拟合多项式计算，效果和Bicubic接近，但是性能较好，用了12个点（Bicublic 16个点）。
RCAS
在EASU放大后，RCAS做锐化，使用的模板为：
它是拉普拉斯算子的变种，这里w为负半轴权重。输出像素计算公式：
那么 w 如何计算? RCAS 根据周围像素的对比度来计算。
首先得到+字型的亮度最大值 M 和最小值 m，则 w 的公式为：
其中Scale为上采样之后的分辨率与原分辨率的比值。
移植和优化
FSR 1 画质效果一般，但即便如此，移动端延迟也偏高，高帧率的游戏是不适用的，需要进行优化。这篇文章提到了不少的优化方向可供借鉴:
https://atyuwen.github.io/posts/optimizing-fsr/
可以找到代码 github 找到源码, 总结起来有以下几点：
使用半精度
减少纹理采样次数，考虑只采一个通道
提前退出
移除deringring
计算四次 FsrEasuSetF 然后插值改成先插值输入再调用一次 FsrEasuSetF，减少大量计算
往
期
推
荐
长按关注内核工匠微信
Linux内核黑科技| 技术文章| 精选教程