学习笔记：GAMES101图形学入门闫令琪(五)抗锯齿

这节课听的一脸懵逼 总之先随便记记吧= =

继续昨天的锯齿/走样来说
三种常见的采样导致的问题：
锯齿
摩尔纹（手机拍电视）
车轮倒转（高速看车轮转动感觉像是逆时针转）

本质都是因为信号变化过快，以至于采样速度跟不上

如何做反走样：
在采样之前，对原始的函数/信号做一个模糊/滤波



这边课程开始讲起了傅里叶变换
大致解释了这两个问题：
为什么采样不足会导致锯齿？
为什么先模糊后采样能够抗锯齿，而先采样后模糊不行？
下图中黑色点为采样点，在频率越来越大的时候，就越无法根据采样点来还原原本的函数


同样的采样方法，采样两种频率不同的函数，得到的结果可能相同，无法区分。

继续说边界模糊是怎么做的：
滤波器
通过滤波器抛弃特定频率的内容
左边是原图，右边是转换成频域的图（？一脸懵逼）

高通滤波器
通过这么一种滤波器，可以让图片只剩下高频

某一个地方，附近突然发生了剧烈的变化，比如黑衣服和白背景交界的位置。这就相当于信号发生了剧烈的变化，这个信号就处在高频的位置

低通滤波器

低频反之，只去掉了边界处

中通滤波器

最高的频率去掉，低频去掉，留下了接近边界的部分

圈再大一点，留下更多的高频的部分，更接近高频
（以上内容想深入去看：数字图像处理）

滤波=卷积=平均
下图为卷积操作：

很明白了：信号在任何一个地方，在它周围的区域，做了一次平均操作

上半部分：拿到一张图，任何一个像素，都是周围3*3像素的平均，理所当然它现在模糊了
或者
下半部分：拿到一张图，先把它做傅里叶变换，做成频域上的的结果，卷积和本身也可以在频域上表示出来，进行乘法运算后，将得到的频域图，逆傅里叶变换，就会得到相同的结果
时域的卷积=频域的乘积

另外：卷积核就是求图像上某一点周围像素的平均值，然后将最后得到的结果作为中心点的像素，上图中取9个格子的平均数，所以要求为了不让图像变亮或者变暗，才取系数为1/9

时域变大了，频域变小

时域上对 a×c的操作得e，频域上b和d进行卷积得f
采样：采样就是重复一个原始信号的频谱（笔者懵逼了已经）

接下来闫令琪继续阐述了走样产生的原因，大致就是：
采样的频率不够时，频谱的移动范围就会变小，最终导致频谱混叠

反走样
1.提升硬件水平

2.先把一个信号高频信息去掉，再进行采样

回到最开始：先把高频信号去掉（边界去掉，用一定大小的低通滤波器进行卷积），然后进行采样

MSAA

通过MSAA对信号做模糊，然后再进行采样

将一个像素划分成好多小的像素：多加采样点


计算过程：



然后再进行采样。

缺点：
增大计算量（工业上其实已经做了很多的优化，比如采样点根据某些图案取分布，使计算上更有效率，有一些点还会被附近的像素所复用等等）

另外还提到了其它抗锯齿手段：
FXAA (Fast Approximate AA)：先得到有锯齿的图，从图像层面上，先将边界找到（通过图像匹配），然后将边界换成没有锯齿的边界，速度很快
TAA (Temporal AA)：对于静止的物品，复用上一帧感知的结果

超分辨率
把一张小图拉大又不想看到锯齿
DLSS：通过深度学习，给出足够经验的东西，让它给缺的地方补上去