采样瑕疵
锯齿
摩尔纹
车轮效应
这些现象出现的原因本质上是信号变化过快,采样的速度跟不上变化的速度
反走样
模糊
在采样之前做一个模糊或者滤波,可以缓解锯齿的问题
左边未做处理,右边是模糊处理后的效果,可以看出效果不错
然而先采样后做模糊效果并不好
但是为什么会出现走样的现象?
为什么先采样后模糊起不到效果?
傅里叶级数展开
任何一个周期函数,都可以写成正弦函数和余弦函数的组合
傅里叶变换
给定一个函数,经过一个相当复杂的复杂的操作可以变成另外一个函数,同样的,变换后的函数通过逆变换可以变回原函数
可以把图像从时域变到频域
如上图,对于一组函数,频率从上到下逐渐变高,使用相同的采样频率对它们进行采样,可以看到频率越高,采样的效果越差
对于上图中的蓝色函数和黑色函数,两者的频率完全不同,但采用如图所示的采样频率,会得到相同的结果,这就是所谓的走样
滤波
去掉一系列的频率
如上图,左边为原图像,右边为频域图,可以发现图像大部分都是低频信号
使用高通滤波器使图像只剩下高频信号,再还原回原图像,可以看到图像只剩下边界部分
相对的,低通滤波器去掉高频信号,只剩下低频率信号,可以看到图像变得模糊,边界不再清晰
同时去掉高频和低频信号,留下一段中间的频率,得到左边的图像
从上我们可以粗浅认为,滤波等效平均,从而可以联想到卷积操作
卷积作用在一个信号上,我们使用某一种滤波器对该信号进行加权平均,得到处理后的结果
时域上的卷积等效于频域上的乘积
用更大的卷积核只能留下更小的频率
采样即是重复一个原始信号的频谱
采样不够快,f就越小,频谱在复制粘贴的时候发成了重叠,导致走样的问题
如何减少走样问题
增加采样率
反走样
如何模糊
用一个一定大小的低通滤波器对图像进行卷积
一个简单的方法是直接使用一个像素作为低通滤波器,对三角形的每个像素进行平均
MSAA-反走样的方法
使用更多的采样点,如上图,由每个像素一个采样点变成四个采样点,计算每个像素的覆盖率,采样结果如下