Opengl es 移动GPU上的扩展浮点精度
我正在尝试使用OpenGLES2.0在gpu上计算图像的梯度向量场。我找到了它的一个cpu实现，并将其与我的gpu实现进行了比较。这里的挑战是cpu实现依赖于java类型的浮点（32位），而我的gpu实现使用的是lowp浮点（8位）。我知道我可以使用mediump或highp来获得更好的结果，但我仍然希望继续使用lowp float来确保我的代码能够在最差的硬件上运行 计算梯度向量场的前几个步骤非常简单：Opengl es 移动GPU上的扩展浮点精度,opengl-es,opengl-es-2.0,gpu,floating-point-precision,post-processing,Opengl Es,Opengl Es 2.0,Gpu,Floating Point Precision,Post Processing,我正在尝试使用OpenGLES2.0在gpu上计算图像的梯度向量场。我找到了它的一个cpu实现，并将其与我的gpu实现进行了比较。这里的挑战是cpu实现依赖于java类型的浮点（32位），而我的gpu实现使用的是lowp浮点（8位）。我知道我可以使用mediump或highp来获得更好的结果，但我仍然希望继续使用lowp float来确保我的代码能够在最差的硬件上运行 计算梯度向量场的前几个步骤非常简单： 计算归一化灰度（红色+绿色+蓝色）/3.0 计算边缘贴图（右像素左像素）/2.0和（上像素
vec2 split(float a)
{
float t = a * (2e-8+1.0);
float aHi = t - (t -a);
float aLo = a - aHi;
return vec2(aHi,aLo);
}
vec2 twoProd(float a, float b)
{
float p = a * b;
vec2 aS = split(a);
vec2 bS = split(b);
float err = ( ( (aS.x * bS.x) - p) + (aS.x * bS.y) + (aS.y * bS.x) ) + (aS.y * bS.y);
return vec2(p,err);
}
vec2 FMAtwoProd(float a,float b)
{
float x = a * b;
float y = a * b - x;
return vec2(x,y);
}
vec2 div(vec2 a, vec2 b)
{
float q = a.x / b.x;
vec2 res = twoProd( q , b.x );
float r = ( a.x - res.x ) - res.y ;
return vec2(q,r);
}
vec2 div(vec2 a, float b)
{
return div(a,split(b));
}
vec2 quickTwoSum(float a,float b)
{
float s = a + b;
float e = b - (s-a);
return vec2(s,e);
}
vec2 twoSum(float a,float b)
{
float s = a + b;
float v = s - a;
float e = ( a - (s - v)) + ( b - v );
return vec2(s,e);
}
vec2 add(vec2 a, vec2 b)
{
vec2 s = twoSum(a.x , b.x);
vec2 t = twoSum(a.y , b.y);
s.y += t.x;
s = quickTwoSum(s.x,s.y);
s.y += t.y;
s = quickTwoSum(s.x,s.y);
return s;
}
vec2 add(vec2 a,float b)
{
return add(a,split(b));
}
vec2 mult2(vec2 a,vec2 b)
{
vec2 p = twoProd(a.x,b.x);
p.y += a.x * b.y;
p.y += a.y * b.x;
p = quickTwoSum(p.x,p.y);
return p;
}
vec2 mult(vec2 a,float b)
{
return mult2(a, split(b));
}
lowplowplowpmediumplowpmediumplowplowp