SMAA算法详解 - SearchTex

SearchTex

SearchTex.png (x10)

---

边界样式

# This dict returns which edges are active for a certain bilinear fetch:
# (it's the reverse lookup of the bilinear function)
edge = {
    bilinear([0, 0, 0, 0]): [0, 0, 0, 0],
    bilinear([0, 0, 0, 1]): [0, 0, 0, 1],
    bilinear([0, 0, 1, 0]): [0, 0, 1, 0],
    bilinear([0, 0, 1, 1]): [0, 0, 1, 1],

    bilinear([0, 1, 0, 0]): [0, 1, 0, 0],
    bilinear([0, 1, 0, 1]): [0, 1, 0, 1],
    bilinear([0, 1, 1, 0]): [0, 1, 1, 0],
    bilinear([0, 1, 1, 1]): [0, 1, 1, 1],

    bilinear([1, 0, 0, 0]): [1, 0, 0, 0],
    bilinear([1, 0, 0, 1]): [1, 0, 0, 1],
    bilinear([1, 0, 1, 0]): [1, 0, 1, 0],
    bilinear([1, 0, 1, 1]): [1, 0, 1, 1],

    bilinear([1, 1, 0, 0]): [1, 1, 0, 0],
    bilinear([1, 1, 0, 1]): [1, 1, 0, 1],
    bilinear([1, 1, 1, 0]): [1, 1, 1, 0],
    bilinear([1, 1, 1, 1]): [1, 1, 1, 1],
}

SMAA采用双线性采样加快搜索速度，一次采样可获取4个像素的边界信息。
以左边界为例，存在16种边界样式：

采样偏移值(-0.25， -0.125)，如图所示，

采样结果 :
0/32, 21/32, 7/32, 28/32, 
3/32, 24/32, 10/32, 31/32, 
1/32, 22/32, 8/32, 29/32, 
4/32, 25/32, 11/32, 32/32,
每一个值都代表了一种边界样式

---

纹理大小

为了使用纹理坐标表示上面的16个值，则需要33个像素 [0 - 32]。
同理，上边界需要33个像素，分左右搜索，纹理大小为 66 x 33。

无上下搜索值。上下搜索时，只需要把 x,y 调换，上下就变成了左右。纹理大小就减少一半。

为什么最终的纹理大小为 64 * 16 ?

原始纹理如下：66 x 33

观察原始纹理，存在大部分为 0（黑色）的部分。直接裁掉这些为0的部分，并将其大小变为2次幂。

# Crop it to power-of-two to make it BC4-friendly:
# (Cropped area and borders are black)
image = image.crop([0, 17, 64, 33])

裁剪后纹理，如下

纹理被裁剪了，现纹理与原纹理的UV对应产生了变化。
现纹理与原纹理的对应关系
x : [0 - 66/64] => [0 - 1]
y : [0 - 2] => [0 - 1]
现纹理均有一部分超过了1，超过1的部分认为是被剪裁的值为 0 的部分。
超过的部分没有被保存，但是需要在计算时还原。
在x分量上，x = 1 的部分值为0（最右边一列），只要将纹理采样的 WarpMode 设置为 Clamp，超过1的部分采样后的值即为0。
在y分量上，y = 1 的部分不均为 0 （最下边一行），但是 y = 0 的部分均为0（最上边一行）。

为了与x分量采用相同的优化方式，只需将纹理在y分量上翻转。

image = image.transpose(Image.FLIP_TOP_BOTTOM)

这样就得到了最终的 64*16 的纹理。

---

纹理颜色

# Delta distance to add in the last step of searches to the left:
def deltaLeft(left, top):
    d = 0

    # If there is an edge, continue:
    if top[3] == 1:
        d += 1

    # If we previously found an edge, there is another edge and no crossing
    # edges, continue:
    if d == 1 and top[2] == 1 and left[1] != 1 and left[3] != 1:
        d += 1

    return d

# Delta distance to add in the last step of searches to the right:
def deltaRight(left, top):
    d = 0

    # If there is an edge, and no crossing edges, continue:
    if top[3] == 1 and left[1] != 1 and left[3] != 1:
        d += 1

    # If we previously found an edge, there is another edge and no crossing
    # edges, continue:
    if d == 1 and top[2] == 1 and left[0] != 1 and left[2] != 1:
        d += 1

    return d

从算法可以得出：
纹理中的值只有 0, 1, 2。
但是 0,1,2 三个值非常接近，采样时容易产生误差。
将其变为 0, 127, 254，以此去掉误差，也有助于人眼分辨。
因此，纹理中的颜色为 0, 127, 254

至于以上算法如何得出的，查看SMAA算法详解-SMAASearchXLeft(Right)

---