前言
在了解GPUImage2 中GaussianBlur的实现与优化之前需要读者先了解如下图形知识：
- 卷积。卷积相关的基础可参考这篇理解图像卷积的意义。
- 高斯模糊算法。高斯模糊是基于高斯函数的权重分布，生成的卷积核。可先阅读这篇高斯模糊算法。
- 二阶高斯线性可分，属于常见的实现上会用到的一个理论点。可以参考二维卷积分为一阶卷积
具备了这些前提知识后我们就可以来看，GPUImage2的高斯模糊算法，以及作者实现中的优化了。本文所用的变量名称都是源码中的变量名称。
GPUImage2中的GaussianBlur实现
顶点与片段着色器配置流程与优化
GPUImage2里面的GaussianBlur实现流程中包含了一些实现优化。顶点片段着色器算法配置实现的大概流程如下图：
流程概述：
- 初始化后可以设置 blurRadiusInPixels （可以理解为配置的粗略的模糊半径）。实现体中如果 blurRadiusInPixels大于 8.0，将产生另外一个值 downsamplingFactor （即降低采样率因子）并使sigma = 8.0；可以理解为如果配置的模糊半径比较大，则会产生一个降低采样因子 downsamplingFactor = round(blurRadiusInPixels)/8.0。
- 生成程序中符合条件的卷积半径。首先设定最小权重值为1.0 / 256.0（对于8位颜色通道来说，小于该值的权重算是没有意义的）；将最小权重值，sigma，代入高斯函数中求出卷积半径 pixelRadius。
- 卷积核数组优化。
- 根据已生成的 pixelRadius 与 sigma 代入高斯函数生成标准的卷积核数组。
- 根据标准卷积数组生成优化卷积数组。标准的卷积数组对应如：0：a(0)；1：a(1)；2：a(2)；3：a(3)；4：a(4)；5：a(5)；… n：a(n)； 优化后的卷积数组，像素位置与权重对照如：0：a(0)；1+(a(1)/(a0+a1)：a(1); 3+(a(3)/(a2+a3)：a(2); … 2x-1+(a(x)/(a(x-1)+a(x))：a(x/2+1)；其中 x = (n%2+n/2)。 卷积核优化来看，复杂度从O(n) -> O(n/2);
- 由于优化后的卷积核的pixel 坐标都是非整数 2x-1+(a(x)/(a(x-1)+a(x))，所以优化后的卷积坐标都需要乘以源纹理的像素跨距（1/size.height or 1/size.width）获取到特定的计算卷积的纹理坐标。
渲染纹理流程
流程概述：
根据二阶高斯线性可分性，将渲染流程主要分成了Y轴高斯计算，X轴高斯计算。即牺牲空间复杂度，降低时间复杂度。
有一种特殊情况，即初始设定的模糊半径大于阈值时候（blurRadiusInPixels>8.0）。此时将会对图片进行降低采样等特定纹理处理如下：
- 先对源纹理低采样，生成新的纹理（低采样后的纹理）。
- 对低采样纹理进行Y轴高斯计算生成新的纹理。
- 对第2步产生的纹理进行X轴高斯计算生成新的纹理。
- 使用3步骤生成的纹理，渲染到源纹理尺寸目标frameBuffer，生成与源纹理尺寸一致的纹理。