菜鸟的GAMES图形学笔记 Lecture 6:Rasterization 2 (Antialiasing and Z-Buffering)
时间:2023-01-29 17:30:01
资料来自
链接: GAMES:101
M李丽
Heinrich
网络日志阮一峰
麻花团子
松下J27
阿姆斯特朗
维基百科
Sampling Artifacts(Errors/Mistakes/Inaccuracies)
Jaggies
Moire
Wagon wheel effect
Sampling & aliasing
先过滤波(模糊化),再采样 vs 先采样再滤波
为什么会出现这种差异?
猜测:在保留高频信号信息的同时,频信号信息,先采样直接丢失高频信号信息
信号与系统(数字信号处理)
信号处理
首先,维基百科清楚地讲述了傅里叶级数和时域频域的图片
傅里叶级数是傅里叶变换的一种特殊形式。傅里叶级数作用于周期函数,而傅里叶变换可作用于非周期函数
傅里叶将时域和空域转换为频域,即我们看到的频谱图。横坐标是频率,纵坐标是振幅值
关于时域、空域、频域可以看这里: M李丽
这里可以看到从傅里叶级数到傅里叶变化的相位谱: Heinrich
图像和信号处理
为什么图像与波的信号处理有关?因为如果图像的一行像素RGB通道值被视为关于像素位置的函数,可以得到类似波的图形
看这里的链接: 网络日志阮一峰
维基百科对高通滤波的描述:
维基百科对低通滤波的描述:
低通滤波器:允许低频信号通过,但减弱(或减少)频率高于截止频率的信号通过。用于绘制长期趋势或均化。
二维频谱图
将频域图推广到二维以获得以下频谱图
关于如何解读频谱图可以看这里链接: 麻花团子
和这里松下J27
在右图中,每一点:
1)它到中点的距离描述频率
2)指向它的方向是平面波的方向
3)那一点的灰度值描述了它的振幅值
平面波的方向与频谱图点的位置关系:链接: 阿姆斯特朗
以下是二维频谱图和高通低通滤波的展示
原图
高通滤波器(过滤掉低频信号)
低通滤波器(过滤掉高频信号)
卷积定理
看维基百科的卷积定理说明
可以说,时域的卷积相当于频域的乘积,时域的乘积相当于频域的卷积
对上图中 a · c采样操作:连续 · 离散 得到离散
相当于
上图中 b * d :连续 * 离散 得到连续
离散和连续乘积操作是直觉上的对应点乘积
关于卷积操作,分为离散与离散、连续与连续、离散与连续,虎书对卷积的解释是滑动加权平均。
一是离散离散卷积:
然后是连续连续卷积:
帮助理解的技巧:移动f使f(0)与g(x)之后,两个函数的积累(倒过来的积累)就是 f * g 的 x 也就是说 f * g(x)
最后是离散和连续的卷积:
如果想得到x=5.3时,a * f的值,也即 a * f(5.3)
把f(0)移到a[5.3]这里也是如此(a * f)(5.3) 位置},然后相应位置倒置
/;/;/
先滤波再采样能antialiasing的频域解释
本来是这样的
处理后变成这样
其他antialiasing技术
MSAA
通过设置更多的采样点(在一个像素中设置多个采样点)来细化像素的染色,不再是黑色或白色,而是有一定的灰度