一、Aliasin 走样
采样是广泛存在的,Sampling Artifacts(采样瑕疵)也是广泛存在的。
体现就是
1.锯齿Jaggies
2.Moire摩尔纹
3.车轮效应 人眼在时间上的采样跟不上实际的变化,造成本来是顺时针变成了逆时针。
走样的原理都是:信号变化太快,但采样速度跟不上。
二、反走样
2.1 模糊
先给信号做模糊(滤波),再采样。
2.2傅里叶
傅里叶级数展开:任何一个周期函数都可以写成一系列正弦和余弦的组合以及一个常数项。
无限接近真实函数。
傅里叶变换与逆变换:
可以把图像从时域变到频域
越白频率越低,频率越高越细节。注意为0的部分占大部分。
高通滤波:只剩下高频信息(边界)
低通滤波:
(详细学习数字图像处理)
对于函数来说:采样频率低,但函数变化快就难以恢复函数的信息。见下图:
走样:
2.3卷积
卷积 = 平均 = 滤波
均值模糊:
时域的卷积 = 频域的乘积
时域的乘积 = 频域的卷积 都可
采样:重复频域的内容。重复原始信号的频谱。
所以走样就是:采样频率小,间隔就小,采样间隔造成了信号发生了混合,就是发生了走样。就是频率在复制粘贴或者搬移时发生了混合就是走样。
2.4反走样
1.在高分辨率的显示器上,采样频率高,硬件上就不容易发生频谱的混合,走样现象就会好一些。
(当然反走样是用算法去规避)
2.先模糊再采样。拿掉高频信号再采样。
2.5 MSAA 多重采样 Multy Sample Anti-aliasing
一个像素被划分成很多小像素。比如1 - 4,然后有3个像素在三角形内就有了权重75%。通过更多的样本,模拟模糊。MSAA解决的是模糊的操作。No free Lunch 这里通过增加点来检测是否在三角形的内部,增大了计算量。但不会每个划分成4个,就真实需要多计算4倍。工业上没有真的规则的划分成4个像素。而是采样点是有一些图案并且,有些点复用了。
2.6 FXAA Fast Approximate AA快速近似抗锯齿
图像的后期处理,得到有锯齿的图,再找到边界,将边界换成没锯齿的边界。
2.7 TAA Temporal AA
复用上一帧的结果。
2.8超分辨率 Super resolution/ super sampling
DLSS(Deep Learning Super Sampling)
小图拉大,信息缺失。使用深度学习去猜测。