【Games101】Lecture06 光栅化笔记

Haru_L

已于 2022-04-20 21:01:33 修改

阅读量260

点赞数

文章标签：图形渲染

于 2022-04-20 21:00:30 首次发布

本文链接：https://blog.csdn.net/qq_42379707/article/details/124294972

版权

视频&图片：【B站】GAMES101-现代计算机图形学入门-闫令琪

1. 反走样

因为像素点是内部颜色均匀的小方块，所以如果想要画一个三角形，实际采样的时候会变成下图这种状况（都是锯齿，学名走样）。

采样不仅能发生在不同的位置，也能针对同一物体在不同时间的状态进行采样（视频和动画这种）。

Artifacts：泛指图形学上的锯齿等等瑕疵的情况。

走样问题的本质：信号变化太快，采样速度跟不上变化速度→频率问题。

**一种思路：在采样之前先进行一次模糊/滤波。**相当于缩圈（低通滤波）。

先采样再模糊（Blurred Aliasing）：反向操作不行，简单理解就是本来就有锯齿，再模糊也是有锯齿，属于是雪上加霜了（。

傅里叶级数展开 $f(x)=\frac{A}{2}+\frac{2A\cos(tw)}{\pi}$
傅里叶变换和傅里叶展开的关系（左边展开右边变换）：从时域到频域

傅里叶函数的本质：把函数变成不同频率的段，并且把这些不同频率的段给显示出来

如图能很清晰展示采样率和函数频率的关系。
黑点是采样点，虚线连线是根据采样点还原出的函数，绿色曲线是原函数。
可以看到，采样率远低于函数频率，还原出的函数与原函数相比会失去很多关键信息。
因此，为了保证不失真，要求采样率满足奈奎斯特定律。

从频域解释走样：

如图，蓝色曲线是函数A，黑色曲线是函数B，空心圆为采样点。
从图上可以看出，两个完全不同的函数A和函数B，经过采样后，得到了完全相同的采样结果→由采样结果无法分辨，这就是走样发生的原理。

从时域（左）变化到频域（右），低频信息集中在中央，高频信息在外围（边缘）少。

如下图，通过高通滤波，能过滤掉低频信息（右），还原到时域，发现只剩下边界。

所谓边界（高频信息），指的是边界两侧发生了剧烈的变化，也就是信号本身蕴含的高频信息。

如下图，通过低通滤波，能过滤掉高频信息（边界被去掉）。

卷积（图形学上的简单定义）：时域上对两个信号进行卷积，相当于频域上两个信号的乘积。

对时域做卷积，连续函数离散化；对频域做卷积，离散函数拓展。
因此得出：采样就是在重复原始信号的频谱。

图1，采样率正常。
图2，采样率低，频谱出现了混叠，这块混叠就是产生走样的原因。

感性认识一下，大概就是把一张图拉的巨大，但同时要保证这张图正常显示不变模糊。总之也是为了解决采样点不足的问题。

关注