双通道直接卷积在当今的实时图形中是最常用的高斯滤波方法，但是当在大内核上运行时，它会变得很耗时，因为每个像素的成本随内核大小的线性增加而增加。许多应用程序在过滤前对输入图像进行采样，以降低性能。为了解决这一问题，在过去，我们提出了几种过滤宽度独立算法，其中大部分涉及频域转换1、递归计算4或重复集成5，直到最近引入的GPU通用计算才能够方便地在传统的GPU流水线上实现。在这三种技术中，重复集成通常被认为是直观和有效的。在这个代码示例中，我们演示了如何通过使用计算着色器进行重复集成来执行高斯过滤。该算法基于以下简单事实：在输入数据上反复应用一个框式过滤器（平均过滤器），将快速近似高斯滤波的结果，而盒滤波可以通过扫描操作进行处理，从而使每个像素的成本独立于内核大小