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
- 将直线段看作具有一定宽度的狭长矩形
- 当直线段与某象素有交时,求出两者相交区域的面积
- 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 )
- 将屏幕象素分割成n个更小的子象素
- 计算中心落在直线段内的子象素的个数,记为
k
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:
-
求直线段与象素的相交区域
-
计算
-
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
- 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
- 求出所有中心落于直线段内的子象素
- 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。
( w 1 w 2 w 3 w 4 w 5 w 6 w 7 w 8 w 9 ) = 1 16 ( 1 2 1 2 4 2 1 2 1 ) \begin{pmatrix} w_1 \ w_2 \ w_3 \\ w_4 \ w_5 \ w_6 \\ w_7 \ w_8 \ w_9 \end{pmatrix}=\frac {1} {16} \begin{pmatrix} 1 \ 2 \ 1 \\ 2 \ 4 \ 2 \\ 1 \ 2 \ 1 \end{pmatrix} w1 w2 w3w4 w5 w6w7 w8 w9 =161 1 2 12 4 21 2 1
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