Games101—06光栅化（深度缓存、抗锯齿）
采样1、采样可以发生在不同的地方
发生在不同的位置：photograph
发生在不同的时间：video
2、采样的artifacts(Errors / Mistakes / Inaccuracies)（可指我们不希望发生的事情）
（1）锯齿
（2）摩尔纹
（3）车轮效应
（4）more.....
3、走样的原因
信号太快，采样速度跟不上
4、反走样（抗锯齿）
在采样之前做一个先对信号做模糊处理
使用模糊之后的采样结果
反走样的顺序不能变（信号--模糊处理--采样）如果将模糊和采样变换了顺序之后会出现以下左图情况
频域
从sin/cos举例
用f定义频率的快慢
傅里叶变换
（1）傅里叶级数展开
把一个函数描述成sin和cos的和
（2）傅里叶展开和傅里叶变换的关系
从左边的函数变换到右边的函数，然后再通过函数将右边变回左边的函数这就是傅里叶变换和逆傅里叶变化
高的频率需要快的采样
对于函数本身来说它有一定的频率，对于采样本身来说它也有一定的频率，采样和频率是有非常大关联的
走样的定义（从频率角度看）
一样的采样下无法区别出不同的频率的曲线
采样跟不上频率就会发生走样
滤波
1、滤波Filtering：
抹掉特殊频率的东西
2、傅里叶变换的作用
把一个函数从时域变换到频域
3、不同滤波的效果
高通滤波：边界
低通滤波：模糊
4、滤波（Filtering）=卷积（Convolution）=平均（Averaging）
（1）卷积操作的定义
①原始信号的任意一个位置，取其周围的平均
②作用在一个信号上，用一种滤波操作，得到一个结果Result
eg：见下图↓
（2）卷积定理：时域上的卷积就是频域上的乘积（时域上的乘积=频域上的卷积）
做一个卷积的两种操作
Operation1：图和滤波器直接在时域上做卷积操作
Operation2：先把图傅里叶变换，变换到频域上，把滤波器变到频域上，两者相乘；乘完之后再逆傅里叶变换到时域上
eg：
就等于说是傅里叶变换得到一个滤波然后通过卷积的滤波最终保留了一个低频的滤波模糊效果，最后逆傅里叶变换得到模糊的图像
时域的卷积等于频域的乘积
（3）Box Filter（卷积盒）-低通滤波器
时域上变大 → 频域上变小
采样Sampling
1、从频率的角度定义
采样就是重复频率上的内容
时域将函数采样之后变成一系列离散的点，频域上将频普重复复制时域将函数采样之后变成一系列离散的点，频域上将频普重复复制
2.走样的原因
采样不够快→中间间隔小→信号混在了一起
所谓的走样就是频谱在经过复制粘贴的情况下发生了混合而产生走样的原因
反走样Antialiasing
Option1： Increase sampling rate提升采样率
受制于物理设备并不是反走样，不是我们这个课程需要的
Option 2: Antialiasing
原本密集的频谱经过模糊之后变的稀疏，这就解决了频谱混叠而产生走样的问题了
怎样通过滤波操作将三角形变模糊？
用一个一定大小的低通滤波器进行卷积
实际模糊操作
任何一个点/块都做一个平均
最简单的点→pixel像素
Supersampling：MSAA
反走样-模糊的一个近似做法，通过增加采样点实现
MSAA只是通过增加采样点的操作，而不是增加像素的分辨率
使用MSAA来反采样但是增加了其计算量来换取的
结果如下：
3.更多其他采样方法
（1）FXAA
一种后期图像处理，和采样无关
（2）TAA
复用上一帧感知到的结果
（3）Super resolution / super sampling（超分辨率）
DLSS深度学习。算法问题
页:
[1]