目前已经为FMF设计好了5种采样模式。一种是Pixel模式，它实际上就是把像素的中心作为采样点，并且缓存采样点颜色索引（或直接着色土层的最终颜色）的一个代名词。第二种是Grid模式，它是最简单最直接的supersampling算法，把像素的采样区域分成等分后取点计算。第三种是Stochastic模式，实际上就是随机采样。第四种是Poisson Disc，把随机采样的太过随机性给限制了一下，任何两个采样点之间的距离不能太小。最后一种是Jitter，它是先分Grid，然后做小范围的随机采样，应该说是很不错的采样手段。
对于采样后的滤波，现在还只做了两个。一个是Box，一个是Tent，都非常的简单。在泊松盘采样模式中要计算采样点的距离，在Tent滤波中也要计算距离。我采用了一种简化的手段来减低计算复杂度，d = min(dx, dy)。
由于分形的采样成本很高，这对于自适应反走样来说是一个不得不考虑的条件。 某些算法可能会造成过大的测试代价，某些算法可能会因为边界问题而重复计算。对重复计算可以用小范围的缓冲来解决，但如果是测试代价就很难能找到解决的途径了。对于传统的Grid采样，现在实现的一个recursive的反走样处理因为测试代价的问题正在考虑换用老思路。即第一次在corner采样，以后每次深入搜索的时候就在横竖两个方向上的相邻点中间插入新采样点。这样可以避免测试代价，也可以避免像素内的边界重复采样问题，但有可能会引入像素间的边界重复采样。对于其它几种采样模式，还没有想好自适应策略。
本文属Span Zhang（张友邦）原创，转载请注明出处。
中国原创分形艺术、中国原创分形软件第一站
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
