FFT鏡頭效果已 經完成，並集成入KlayGE開發版中，命名為FFTLensEffectPostProcess。除此之外，還寫了一個命令行工具，用於產生鏡頭效果的 紋理。雖然FFT的方法能在一個pass內產生各種復雜的鏡頭效果，但目前性能低於默認的多重gaussian blur。其中最主要的開銷來自於FFT本身，下面就着重就討論一下GPU FFT的進展和未來。
前不久我在用Pixel Shader實現FFT的 時候，提到了用Compute Shader來實現FFT效率可以更高。之前Ocean的例子里就有用於實現波浪模擬的CS4 FFT（從NV的例子改進而成），它的輸入和輸出是1D Buffer的形式。為了更通用，在進入KlayGE核心的時候改成了2D Texture的形式。可惜的是，CS4不能寫入紋理，就需要增加一個把Buffer轉成紋理的PS。CS5的實現基本類似於CS4，但改為直接讀寫紋 理。現在CS4和CS5的FFT都已經實現完畢，終於可以比較一下性能。
算法的差異
由於輸出的限制，pixel shader的FFT只能實現最簡單的radix-2算法，每次輸入2個復數、生成2個復數。而compute shader支持任意寫入，所以可以實現更復雜的radix-4、radix-8甚至multi-radix。在這里我實現的是radix-8，每次處理 8個復數。所以512×512只需要6個pass，比PS的18個pass少得多。
另一個區別在於，因為CS4的限制，CS4 FFT的數據都以float2的Buffer來保存（實部和虛部），只有3通道，每個pixel的RGB是排列成R0/R1/R2…Rn G0/G1/G2…Gn B0/B1/B2…Bn的形式。而在PS和CS5的實現中，仍然保留R0G0B0A0/R1G1B1A1/R2G2B2A2…RnGnBnAn的排列，並 且是4通道的。所以單從計算來說，CS4少一個通道，標量的計算量和帶寬耗用量都會小於PS和CS5。
性能比較
這里的輸入是512×512，分別在高端、中端、低端顯卡上同時比較了正向FFT和逆向IFFT。
| NV GTX580 FFT/IFFT (ms) | AMD HD6670 FFT/IFFT (ms) | NV 9800GT FFT/IFFT (ms) | NV NVS4200M FFT/IFFT (ms) | |
|---|---|---|---|---|
| PS | 2.12/2.28 | 7.09/7.22 | 7.99/8.16 | 33.30/33.30 |
| CS4 | 0.70/0.70 | 2.44/2.47 | 3.33/3.45 | 10.36/9.80 |
| CS5 | 0.76/0.76 | 2.40/2.39 | 不支持 | 8.86/8.81 |
從結果可以看出，CS4的實現能比PS快2倍左右，一方面來自於radix-8帶來的計算量減小，另一個方面來自於pass數減少。有趣的是，除了 高端的GTX580，其他卡上CS5都比CS4略快。在NV的卡上，以64-bit為單位的IO效率高於其他格式，這一點也給CS4帶來了一定的優勢。
反過來，這個結果也說明了CS5還有優化的空間。CS5多做了1/3的計算，IO效率也不不是最高的，卻能於CS4相似甚至更快。
未來
這個版本里的FFT鏡頭效果暫時告一段落，除了繼續優化之外，以后還有很多算法級別的改進值得嘗試。
數據格式
現在所有的中間格式都是ABGR32F。如果用ABGR16F的話，在暗處將會出現一些artifact。如果這樣的artifact在可以接受的 范圍內，或者用其他補償方法來改進16F的精度，速度就能大大提高。輸入和輸出格式則不受限制。輸入格式可以用ABGR16F、或者更少的 B10G11R11F，輸出格式可以用ABGR16F。
純實數FFT
因為輸入數據是張只有實數部分的圖像，對純實數做FFT的結果是頭尾對稱的，可以利用這一點做算法上的改進。FFTW里面，這個變換稱為r2c。對 n長度的輸入它只需要輸出n/2+1個復數，而不用n個，IO和計算量都可以減小。另一個嘗試的方向是DCT。作為FFT的特例，經過特殊尋址安排的 DCT也符合卷積定理。所以用輸入輸出都是純實數的DCT也能減少IO。
sFFT
今年一月，MIT的一個團隊提出了Spare Fast Fourier Transform（sFFT）的算法。在輸入信號稀疏的情況下，sFFT能比傳統FFT快之百倍。由於用於鏡頭效果的輸入僅僅是亮度大於某個閾值的pixel，稀疏程度非常高，所以也可能可以利用sFFT來進行加速。