光栅化及反走样

经过MVP变换后，将需要绘制的模型都集中于[-1,1]^3中，下一步就是绘制到屏幕上。绘制到屏幕的过程叫做光栅化（判断屏幕像素是否处于三角形内，通过深度检测等将屏幕像素颜色确定）。

视口变换将投影空间转换到屏幕空间，此时只考虑xy坐标，视口变换的矩阵如下（屏幕宽高为width、height）：

光栅化带来的走样问题

走样产生的原因

走样即一些错误的效果，如锯齿、摩尔纹等。

产生走样的原因：从频域角度分析：采样频率和函数频率有误差，如下图所示，采用相同的采样频率，实际函数频率越高（采样频率和函数频率相差越大），采样后的函数和实际函数效果越不一致

图形与频谱

任意图图像我们可以假定其拥有时域的信息，并且可以将其通过傅里叶变化转化到频域。

对于右边的频谱图来说，其中心代表低频，四周代表高频；可见低频信息相对比较多。十字形状的白色线是由于一般我们定义的时域函数都是连续的，所以将图形上下左右平铺后，图像边界处通常具有较大的改变，所以产生频率变化较大，所以出现白线。 

经过高通滤波后，图像如下所示，可以看到高频代表着图像中的边界处，这些信息显示比较明显

（是否可以用作描边技术？）

 

经过低通滤波后，图像如下所示，可以看到图像变模糊了，因为高频被滤除，边界信息不再明显。

 其实滤波可以理解为卷积、平均，所以可以通过平均的方式实现模糊的效果，即对每一个像素与其周围的像素做一个加权平均

 

 频域分析产生走样的原因

时域对一个信号进行采样，可以将其与冲激信号相乘。时域中的乘积就是频域中的卷积，所以频域中就是将信号与冲激函数卷积。如下图所示，可以看到在频域中实际上就是将原始信号进行搬移。

 不同的采样频率有对应不同的冲激函数（对应不同的搬移）,当冲激函数频率过小的时候，频域中就会出现频谱混叠的现象，这就是走样的产生。

如何 解决走样也就比较明确了，我们可以增加冲激函数的频率，对应就是增加时域的采样间隔（频域与时域有很多相反的关系）。

 

对于去掉的部分，实际上是高频信号，因为对于频谱而言越外面的频率越高。

如何解决走样

原理明确之后，解决走样的方法从根本上可以通过增加采样频率解决，但是受限于物理条件，例如一个固定分辨率的屏幕，我们没法更改他的分辨率，即采样频率。如何解决走样问题呢？从频域分析，我们可以去掉产生频谱混叠那部分的高频信号，如下图：

先模糊、再采样可以解决走样的问题，因为模糊操作等于做了个低通滤波，即去掉了高频的信号，减少了信号重叠的情况。

但是先采样再模糊是不行的，因为在频域上，采样后频谱已经混叠了，此时再去掉高频信号，相当于是对走样的图像进行了一次模糊，效果是不正确的。

如何进行模糊

反走样可以通过模糊+采样的方式实现，接下来的重点就是如何进行模糊操作。

对于三角形的任何一个点，都用低通滤波器进行操作，即用一个box-filter对其进行平均操作，选用最简单一个像素大小的box-filter，对三角形的每一个点进行平均。即可以得到一个像素中三角形的占比，将占比与三角形颜色相乘得到最终的像素颜色。

 MSAA（MultiSampling Anti-Aliasing）

对于一个像素来说，假设将其划分成更多小的像素，称为超采样；通过2x2的超采样计算三角形占比如下图：

MSAA虽然增加了采样点，但是它为的是检测三角形在一个像素内的覆盖情况，也就是为了做模糊操作（虽然采样操作也隐藏在了里面），我们可以发现它其实并没有改变屏幕的分辨率，因此它不属于通过改变采样频率来实现反走样的操作。 

前面也说了使用MSAA增加了采样点，那么自然而然，计算量也就增加了很多。因此为了更好的性能同时能够实现反走样，也对MSAA进行了很多的优化。例如增加的采样点并不是均匀分布的，而是按照一定的规则摆放，或者有些采样点能够被复用等等。

FXAA（Fast Approximate Anti-Aliasing）

先得到带有锯齿的图，然后通过一些图像匹配的方法找到这些锯齿边界，然后将这些边界换成没有锯齿的边界。属于图像的后期处理。

时间抗锯齿，TAA（Temporal Anti-Aliasing）

将采样点从单帧分布到多个帧上，使得每一帧并不需要多次采样增加计算量。