[计算机图形学入门]5.光栅化(二)

[计算机图形学入门]5.光栅化(二)

目录

一.反走样anti-aliasing

1.产生原因-采样理论

2.反走样方法

---

一.反走样anti-aliasing

        -锯齿,学名走样aliasing.

1.产生原因-采样理论

         -采样瑕疵sampling artifacts,包括但不限于锯齿,还有摩尔纹,车轮效应等.

        -本质是采样频率跟不上信号变化频率.

        ①频率

        ②傅里叶级数展开 和傅里叶变换        

                -傅里叶级数展开:任何一个周期函数可以被分解为不同频率的正弦余弦函数的线性组合加常数项

                -傅里叶变换:一个周期函数经过复杂的操作可以变成另外一个函数.同样也可以逆变回来

                - 函数可以变成不同频率的段.用相同的采样频率采样不同的函数,则发现随着函数频率增高,靠采样点难以恢复出函数原来的走向.

                 -通过频率来分析走样.

                假如这是两个不同函数,但在该频率下采样,得到的结果会相同甚至相似,无法区分.

                则走样的标准解释:通过同样的频率进行不同频率函数采样,得到的结果无法区分函数.

        ③滤波

        -去掉一系列的频率.

        -傅里叶变换可以把时域(空间也算)变到频域

                (时域->频域,中心低频,边缘高频,用亮度表示不同频率的信息数量,此图低频多)

         -去掉低频,可以明显看到图片边界,边界处颜色差大,信号变化大,称为高频.(高通滤波,让高频通过)

         -去掉高频,边界被模糊了(这个例子是不完美的低通滤波)

        ④卷积

        -图形学的简化定义,用计算公式,与周围的信息求平均

         -直接图形卷积,或转换到频域乘以合适滤波后再转换到时域,是一样的

        时域的卷积==频域的乘积

         -一种经典的低通滤波器,盒子滤波器

         ⑤从频率上来解释采样

        -重复在频域上原始信号的内容,给定一个信号,留下它的若干个点.

        如下图,给定频率在采样的频率下不断重复

         -若采样频率不够,则采样时间间隔变大,频率函数在坐标轴间距变小(下图x轴),则频谱出现重叠部分.

2.反走样方法

        ①采样前先进行模糊(卷积),效果不错

        (但先采样再模糊效果是不行的,结果不是反走样,而变成了模糊的走样,还是走样.)

        该方法对应频谱来说,先进行低通滤波,在重复,砍掉一些部分来减少重叠

        ②增加采样率,一般不可取

        ③MSAA反走样近似,根据覆盖率来与周围颜色平均

        -用很多采样点(单像素内)来计算一块图形在某象素里的覆盖大小,若单块像素覆盖3/4,则该块填色75%(举例子数值)

        -但不能完美解决反走样,增大了4x4倍计算量(举例数据),但在实际应用中,并不会每个像素都有那么多采样点,有的采样点是被复用了,从而大大提高了MSAA的计算速度.

        ④FXAA  fast approximate aa

        ⑤TAA  temporal aa : 复用上一帧的点