本文深入探讨了计算机图形学中的反走样技术，包括模糊处理来消除锯齿和摩尔纹等采样瑕疵。同时，介绍了信号的时域和频域概念，以及傅里叶变换在两者之间的转换作用。滤波和卷积作为关键步骤，用于去除或保留特定频率信号。采样原理和频率的关系被详细阐述，揭示了采样速度对走样误差的影响。最后，提出了解决走样误差的两种方法——使用低通滤波和超采样，并探讨了超分辨率技术的应用。
一、反走样（Antialiasing）
（1）上一讲中提到的锯齿属于走样（Aliasing）的一种。
（2）计算机图形学中采样的瑕疵（Sampling Artifacts）
①锯齿
②摩尔纹
③车轮效应
（3）下面举一个反走样的例子。
①先对图像进行模糊操作，再进行采样，可以得到反走样的图像，如下图。
二、信号的相关知识
（1）时域和频域
①时域（time domain）是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。是真实世界，是惟一实际存在的域。
②频域（frequency domain）是描述信号在频率方面特性时用到的一种坐标系。
（2）傅里叶变换
①傅里叶变换可以把一个函数从时域变换到频域。
②一个函数可以使用傅里叶变换从时域变换到频域；且可以使用逆傅里叶变换从频域变换到时域。
（3）更高频的信号需要更快速的采样。
（4）欠采样会导致频率走样。
三、滤波（Filtering）
（1）滤波是指去掉一系列频率。
①高通滤波：仅通过高频信号，抹去低频信号。
②低通滤波：仅通过低频信号，抹去高频信号。
（2）以两张图片的变换来理解滤波。
①两张图片的原图如下。
②使用高通滤波之后两张图片如下。
③使用低通滤波之后两张图片如下。
④过滤掉高频和低频信号，仅留下中间频率的信号。
（3）滤波也可以理解为卷积。
（4）查阅的一些小知识点
①对于一张图片而言，像素点的灰度值发生更大变化的区域频率更高，通常对应图像里的边界、细节和噪点。
②对于一张图片而言，像素点的灰度值近似的区域频率更低，通常是一大片同色块，如天空等。
四、卷积（Convolution）
（1）卷积的操作如下：
（2）卷积的一些理论知识
①在时域上进行卷积相当于在频域上进行乘积；反之亦然。
②操作一：在时域进行卷积
③操作二：首先使用傅里叶变换变换到频域，然后乘上操作一的卷积核（需要进行傅里叶变换），最后使用逆傅里叶变换变换回时域。
④操作一和操作二结果一致。
（3）用一个例子理解上面的知识点
（4）卷积核
①卷积核也称为滤波器，下面是一个卷积核的例子。其中做平均是进行归一化操作。
②下面是两个不同大小的卷积核对应的频率，可以看到卷积核越大频率越低。直观地理解是，一张图片使用更大的卷积核进行操作会更加模糊，频率越低也会更加模糊，这是一致的。
五、采样（Sampling）
（1）从频率的角度看，采样就是重复频域上的内容。
（2）下面是一个函数在时域和频域上的采样情况。
①图a为该函数在时域上的图像；图c为冲击函数表示每隔一段时间进行采样；图e为该函数在时域上的采样结果，是一系列离散的点。
②图b为该函数在频域上的图像；图d为冲击函数变换到频率的结果；图f为该函数在频域上的采样结果，相当于把这个函数的频谱按照冲击函数复制粘贴了许多个。
（3）下图为不同采样速度的频域图像对比。
①在时域上采样速度越慢，在频域上就越密集；采样速度越快，则越稀疏。
②如果频域上的采样越密集，复制粘贴也会更密集，就会发生混叠现象，这就是产生走样的原因。
六、解决走样误差的方法
（1）解决走样误差的操作
①增加采样率（开销大，需要更高的分辨率），并不是在进行反走样操作。
②反走样
（2）反走样的第一种方法：使用低通滤波进行模糊操作，去掉高频信号
①去掉高频信号后，频谱覆盖面积变小，因此低采样率也可以采样到正确的频谱。
②实际操作中，对于图像来说相当于使用一个卷积核进行卷积操作。
③使用滤波器（卷积核）之后，该像素会变成周围像素点的均值。
④该方案需要进行卷积操作，计算量较大。
（3）反走样的第二种方法：超采样
①在每个像素点内使用复数个点进行采样。
②超采样并不是增加了采样率，而是获得更加近似的覆盖率，来更加近似原图像。
③采用超采样方法后的结果。
（5）一些有效的方法
①超分辨率是指例如想把一张512512的图像变成一张10241024的图像，即从低分辨率转换到高分辨率，这个过程与超采样有点相似。目前实现超分辨率大多使用深度学习进行恢复。
扫一扫
885
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
