第四章 混淆与反混淆方法 ( 走样与反走样 )

第四章 混淆与反混淆方法

• 掌握在光栅图形绘制过程中常见的三种混淆现象

  • 图形边界呈阶梯状
  • 图形细节失真
  • 狭小图形遗失

• 掌握常用的三种反混淆方法

  • 提高分辨率方法
  • 非加权区域采样方法
  • 加权区域采样方法

混淆现象

在光栅显示器上显示图形时，直线段或图形边界或多或少会呈锯齿状

原因是图形信号是连续的，而在光栅显示系统中，用来表示图形的是一个个离散的象素

这种用离散量表示连续量引起的失真现象称之为混淆 (或走样 aliasing)

用于减少或消除这种效果的技术称为反混淆 (反走样 antialiasing)

• 光栅图形的混淆现象

  • 阶梯状边界

    

  • 图形细节失真

    细长的矩形显示成为加宽的矩形，细节丢失

  • 狭小图形遗失

    动画序列中时隐时现，产生闪烁

  

• 常用的反走样方法主要有

  • 提高分辨率
  • 区域采样
  • 加权区域采样

反混淆方法

提高分辨率

假如把显示器分辨率（水平、垂直）提高一倍，直线经过两倍的象素，线段上的阶梯锯齿也增加一倍，但同时每个阶梯的宽度也减小了一倍，所以显示出的直线段看起来就平直光滑了一些。

帧缓存容量则增加到原来的4倍，而扫描转换同样大小的图元却要花4倍时间。

• 方法简单，但代价非常大，不经济

非加权区域采样

1. 将直线段看作具有一定宽度的狭长矩形
2. 当直线段与某象素有交时，求出两者相交区域的面积
3. 根据相交区域的面积，确定该象素的亮度值

• 计算量大

多重采样反走样 ( Multi-Sample Anti-Aliasing, MSAA )

1. 将屏幕象素分割成n个更小的子象素
2. 计算中心落在直线段内的子象素的个数，记为 k
3. k/n 为线段与象素相交区域面积的近似值

• 非加权区域采样方法缺点
  • 象素的亮度与相交区域的面积成正比，而与相交区域落在象素内的位置无关，这仍然会导致锯齿效应
  • 直线条上沿理想直线方向的相邻两个象素有时会有较大的灰度差

加权区域采样

改进非加权区域采样方法的第3条性质，相交区域对象素亮度的贡献依赖于该区域与象素中心的距离

权函数 w(x,y)

• 反应了微面积元 dA 对整个象素亮度的贡献大小
• 一般与微元面积到像素中心的距离 d 成反比
• 权函数取恒等函数时, 加权区域采样退化为非加权区域采样

计算步骤:

1. 求直线段与象素的相交区域

2. 计算

3. 用结果乘象素的最大灰度值，即该象素的显示灰度。

• 计算量大

加权区域采样方法的离散计算方法

1. 将象素均匀分割成n个子象素, 则每个象素的面积为1/n, 计算每个子象素对原象素的贡献，并保存在一张二维的加权表中
2. 求出所有中心落于直线段内的子象素
3. 计算所有这些子象素对原象素亮度贡献之和的值, 该值乘以象素的最大灰度值作为该象素的显示灰度值。

$$\left(\begin{array}{c}{w}_1{w}_2{w}_3\\ w_4{w}_5{w}_6\\ w_7{w}_8{w}_9\end{array}\right)=\frac{1}{16}\left(\begin{array}{c}121\\ 242\\ 121\end{array}\right)$$

其他反走样算法

这里只做简单介绍, 想要详细了解请自行搜索相关信息

时域反走样 (TAA)：通过使用多个帧的信息来平滑边缘，结合当前帧与过去帧的数据，利用运动矢量来减少锯齿现象，适合动态场景，但可能产生模糊效果

快速近似反走样 (FXAA)：是一种后处理技术，通过分析图像的边缘和颜色差异来平滑锯齿，快速且性能消耗低，但可能在某些情况下产生色彩失真

深度学习超采样 (DLSS)：使用神经网络模型预测和重建高分辨率图像，通过较低分辨率渲染提升画面质量，能显著提高性能，尤其在现代游戏中得到广泛应用