计算机图形学(闫令琪博士课程答疑)-Rasterization(triangle)（二）

反走样，以及去锯齿状

课程链接

  因为我们计算机一般是没用真正意义上的连续了，所以我们还是得采用一个采样的逻辑来实现。因此是无法避免采样出现的问题。eg;锯齿（前面有了实例），二摩尔纹，车轮效应（顺时针旋转图像，可能你会看到是逆时针旋转）

自己在加一个：失真，（采样会出现跳过峰值的情况），比如y=sinx，而我们采样是（-oo，+oo）的所有整数点，已知道当在pi/2会出现一个峰值（x大概=1.55），但是我们只取了两点x=1，x=2，这显然导致失真，错过了峰值，当然举的例子可能采样太稀，但是也可以反映问题所在。

总得来说，出现的原因主要是信号变化太快了，采样速度更不上变化的速度

 

反走样采样方式一：模糊法：

边界的处理模糊化，颜色灰度值降低（变透明）

现在我们介绍一下傅里叶级数展开：简单说就是任意周期函数都可以写成，一系列正弦，余弦的线性组合以及一个常数。

啊这有点难

20201108.12:40份暂时到此

举个例子：这是一个余弦，左图变成有图显然是将峰值提高了（A/2）等等

在看一个两个余弦的：

总的来说就是：（傅里叶变化和逆傅里叶变化） 

按照老师的逻辑：傅里叶变化就是把函数变成不同频率的段，

我们采样的时候发现，如果不同的频率采样相同发现失真特别明显，所以我们可以得出这样的结论：如果采样的频率是和函数的频率一起变化的话会保证更好的反走样（小声bb一下，在边界细化）

再看一个图

我们已知两个函数（黑，蓝），使用相同的采样点，不同函数却得到相同的采样函数，这就是走样的一个定义。

还有一个重要概念就是滤波：如果有一些频段在特定地区，我们把他过滤掉就是我们说的滤波

傅里叶变化实例（实域 -> 频域）

我们吧中心理解为低频的区域，外围就是高频的区域，也就是说，从中心到外围频率会越来越高

信息的附带使用亮度来显示，越亮表示附带信息越高(就是说一般图片信息主要集中于低频段)

其中有四条白光好像是xy轴那样，是怎么回事呢，这主要是因为，我们傅里叶变化是研究周期性的函数的，也就是说我们会吧图片从左到右不同平铺，从上到下不停平铺，当我们到达一张图片的边界的时候（以左边界到有边界为例），很可能会发生剧烈的信号变化，这才导致的亮线（我们不考虑他们）。

我们在对图片进行滤波

你看左边那个图片，实际上是不是可以当作该图像的描边

这个就叫做高通滤波：

只有高频才能通过

 

我们解释一些为什么高频信号就是边界，当某一个地方图像信息发生巨大变化，那不就是高频信息嘛

我们再看下一个实验：

吧高频都给去掉

我们发现变模糊了，边界模糊了

再看带通滤波

这一块暂时就算是完成了。

回到滤波：

我们从另外一个角度看

滤波=卷积（平均）

那么什么是卷积呢

先看图

我们有一个窗口，比如现在处理第二个位置（3）哪里，我们采用结合他的旁边两个数来变化当前状况，变化方式如图那一小行

就是吧他周围的数的权值加权到中心点，这是一个简化的定义

如果我们想吧时域上的两个信号进行卷积其实就是频域上的乘积 

所以卷积可以两种方式一种是直接卷积，另外一种就是先转化成频域，然后乘积才逆傅利叶变化 。

我们也可以推出频谱的卷积就是时域的乘积，如图所示

eg：

每个点都是他周围所有点的和，

这是一个方格，思考如果我们将方格放大或者缩小，那我们的频谱会发生什么变化呢。我猜是这样的，因为变大了，信号更集中了，所以中心会变小，因为变化更宽广了，所以会变亮（错了，因该是变暗了）

我们再从频率看采样

中间那个叫做冲激函数，就是他只在特定位置有值，其他位置是没有值，采样其实就是函数和冲激函数从乘积

图像里面可以看出，采样其实就是在重复原始信号的频谱

那我们为什么会发生走样呢

你进行采样的时候会有一个频率如果不够快就是导致如图所示，发生交叠，采样间隔应该对应频率的倒数

我们可以通过他怎么解决走样

第一种增加采样率使用更小的像素点，但是这个是硬件决定的，

另外一个操作：先做模糊，再采样.

先把高频信号取出，在进行采样（），也可以是模糊，这样频率降低，就不会出现重叠，就不会走样了，

实际操作：我们使用什么滤波器进行操作，怎么变模糊呢，

使用一定大小的滤波器进行卷积。我们以一个像素点进行操作、将覆盖面积平均到每一个位置。

现在我们开始看那个我们怎么求面积勒

实际去计算是工作量太大了所以我们采样这个

我们采用更多的像素点，我们将一个像素点分解成更多的小像素点，如果小像素点再里面就点亮，不在就不点亮（总的来说就是覆盖率），根据点亮的个数决定实际该像素显示的亮度，色彩饱满度。（是一种层级类型，不会完全平均）

eg：我们吧一个像素分成了四个方块，如果经过就表示亮，一个25%两个...三个...四个100%

实际结果

缺点：计算量增大了：如果一个像素分成（2 X 2）四个点，计算量等于增加了四倍.因此实际工业我们不是用这样的，是采用更高级分割方式，具体暂时不研究。再光线追踪会细说。

抗锯齿二：FXAA

我们先把有锯齿图片求出来，然后再把他弄出来，然后用原图把他替换，（这个方法真的很蛇皮怪）

抗锯齿三：TAA

寻找上一帧的锯齿信息，复用。相邻俩帧我们使用不同同的位置来感知是否像素再三角形里面。（静态物体）

现在提一个概念：Super resolution（超分辨率）

我们有一张2k图片，但是屏幕只有1080p，我们现在把图片方法，如何吧信息的缺失给补回来。我们采用一个猜测的方式（深度学习DLSS）