图形学中的贴图采样、走样与反走样等

计算机图形学中不可避免的会涉及到图像分析与处理的相关知识，前些时间也重温了下常用到的采样、重建以及纹理贴图等内容，并对其中的走样与反走样有了更多的认识，这里小结一下。

1. 基本问题

信号的采样与重建过程中首先面临着两个基本的问题：

• 给定一个连续的信号g(x)以及它的离散采样信号gs(x)，能否通过gs(x)来完整的描述g(x) 的信息；
• 如果可以，如何通过gs(x)来重建出原始信号g(x)。

这些通过对信息进行频域的分析即可得到相应的结论。

2. 采样

将一处于空间域（或时域）内的信号向频域进行转换，可以使用傅立叶变换（Fourier Transformation）来实现。给定空间域信号为g(x)，其对应的频域信号为G(f)，则其对应的傅立叶变换关系为：

其中的x 表示相应的空间位置，f 表示对应的频率。原始信号g(x)对应的频域空间中的函数G(f)（可能）如下图所示：

                                           频域G(f)

图中的横轴f 表示相应的频率，越往两端对应的频率越大。其中可以看出，G(f) 的有效值主要限定于频率|fmax|之内，其余频率位置上均为0，对于这样的情况可以称G(f)是带限（bandlimited）于fmax 的。这是信号采样与重建中一个较为重要的属性。

对原始信号g(x)进行采样得到离散采样信号gs(x)，采样的过程主要是通过一个基于脉冲函数的脉冲采样器来实现，其表述如下所示：

其中的Ts就是采样周期。在s(x) 下就可以得到原始信号与采样信号之间的关系：

为了更方便的观察gs(x)的一些属性，可以将其转换到频域空间内进行分析，这里可以借助傅立叶变换中的几个重要属性：

• 函数在空间域（或时域）内的乘积对应于它们在频域空间内的卷积：                                          
• 累积脉冲函数的傅立叶变换的特殊形式（证明可见这里）：

利用这些属性就可以推导gs(x)的频域函数Gs(f) 如下：