反走样（应对取样带来的模糊）

空间上走样

  • 锯齿
  • 摩尔纹
    时间上走样
  • 车轮效应

方法：先模糊，再采样

傅里叶变换

边界：高频率波

  • Low Pass filter 低通滤波，模糊
  • High Pass filter 高通滤波，留下边界
  • Filter out low and high frequency 保留中间信号

Filter = Convolution = Average

Convolution:

  • 用Filter（卷积核）对signal一个点的周围区域进行加权平均，生成一个新的信号（一般都变小了）
  • 卷积定理：直接卷积（时域上），和先傅里叶变换（变到频域上）再与卷积核傅里叶变换的结果进行乘积再逆傅里叶变换回去，结果是一样的。
  • 采样，频域上就是复制波，采样约密集，复制出来的波差的越远
  • 高频信号的频谱更长，采样之后更容易覆盖

抗锯齿处理：

  • 增加采样率
  • 模糊化，本质上砍掉高频信息，让频谱覆盖面小一些
  • 实际运用：
    • MSAA抗锯齿: 几个像素模糊化
    • 代价:更大的计算量
  • 其他应用：
    • FXAA：图像层面抗锯齿，找边界抗锯齿
    • TAA： Temporal AA 与时间相关，时间上复用像素，模糊边界
  • 超分辨率：Super Resolution 把小图拉大
    • 主要还是采样不够的问题
    • DLSS 采样不够用就来猜，深度学习适合猜