采样中会出现的一些问题,叫做Artifacts(瑕疵):
在采样之前做一遍模糊(滤波)来抗锯齿:
先做滤波后的效果:
问题:
1.为什么采样速度跟不上信号变化的速度会产生走样?
2.为什么先滤波再采样可以反走样?
为了弄清楚问题,讲了一系列频域(Frequency Domain)方面的知识,通过原理解释了这两个问题。
(具体没听太懂)总而言之,采样在频域的表现上,就是重复频域内容:
而走样则是频域的内容发生了重叠:
那如何反走样?
1.增加采样率。
采样率高,其实就是屏幕分辨率高,意味着采样频率高,在频谱上的重复内容之间的间隔大,就不容易发生走样。但是分辨率更高也就带来了更高的开销。
2.反走样:先模糊再采样。反走样其实就是使用低通滤波,先把高频信号拿掉再采样:
那实际中,如何具体执行滤波这一步操作将三角形变成模糊的三角形:用一定大小的低通滤波器,对它进行卷积。
最简单的,取一个像素大小的低通滤波器:
把三角形覆盖的每个像素内部的值平均起来(就是卷积操作):
在实际中使用的反走样技术:
1.MSAA :Multi-Sample AntiAliasing
打个比方将1个像素中增加到2x2--4个采样点,最终根据一个像素内有几个采样点被覆盖来决定覆盖度是多少。
比如上图中最上方的像素有3个采样点被覆盖,那最终得出它的覆盖率就是75%:
所以MSAA解决的是对信号的模糊的这个操作,不是提升分辨率。它的问题是增加了计算量。而实际中并不是说就把一个像素中均匀分布2x2个采样点,而是使用一些更有效的图案,把采样点分布在图案上边,而有些采样点甚至可以被多个像素复用,以此减少计算量。
2.FXAA(Fast Approximate AntiAliasing )
是图像后处理,把边界的锯齿抹去
3.TAA 把记录之前的采样结果,是一个在时间上分布采样点的MSAA
超分辨率/超级采样(Super resolution/super sampling)
- DLSS(Deep Learning Super Sampling)深度学习采样
作业2
结果: