Artifacts 瑕疵,频率方面的基础知识,傅里叶变换,卷积 ,从频率的角度看采样,减少走样的方法,深度缓存 Z-Buffer

本文主要是介绍Artifacts 瑕疵,频率方面的基础知识,傅里叶变换,卷积 ,从频率的角度看采样,减少走样的方法,深度缓存 Z-Buffer,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Artifacts 瑕疵

在计算机图形学中Artifacts(瑕疵)指的是Errors / Mistakes / Inaccuracies

采样产生的Artifacts

锯齿

在这里插入图片描述

摩尔纹

Moire Pattterns(去掉图像的奇数行和奇数列)—— 由欠采样undersampling造成
在这里插入图片描述

产生Artifacts 的原因

很多Artifact产生的原因是信号变换太快而采样太慢

一种反走样的方法 —— 在采样之前做模糊(滤波)

对原始的信号做模糊(滤波)再进行采样即可进行反走样。(注意:顺序不能变,先采样再模糊无法反走样
在这里插入图片描述

频率方面的基础知识

频域 Frequency Domain

频域是描述信号在频率方面特性时用到的一种坐标系。 在电子学,控制系统工程和统计学中,频域图显示了在一个频率范围内每个给定频带内的信号量 。

频率和周期

频率是f,周期是T。
频率越快,函数变化越快,如下图所示。
在这里插入图片描述

傅里叶变换

傅里叶级数展开

一切函数都可以写成一系列正弦函数和余弦函数的线性组合与一个常数项。任何函数分解为频率从低到高的若干函数。
在这里插入图片描述

傅里叶变换

下面展示了傅里叶变换和逆傅里叶变换。
在这里插入图片描述

从频率图像上来分析走样

频率越高的函数,采样回复到原函数的效果越差。即:高频率需要更快的采样。
在这里插入图片描述
在这里插入图片描述
走样:从频率分析角度定义走样:同样的采样方法采样两种频率的函数,但是得出的结果无法区分。

滤波

(频率角度上)滤波就是去掉一系列的频率。

傅里叶变化的作用

傅里叶变换可以把图像从时域变到频域。对下左图进行傅里叶变换,得到下右图。下右图中,中心是低频区域,向外延伸,频率越来越高,为高频区域亮度代表信息密度,区域越亮表示信息越集中,下图表示图片的大多数信息都处于低频。右下图右成为频谱。
在这里插入图片描述

高通滤波(High-pass filter)

消除低频的信号,只让高频信号可以通过,再使用逆傅里叶变换得到图像。
在这里插入图片描述
边界的特点:图像中发生突变的位置(颜色差的很多)。对应信号变换特别大,频率大,所有高通滤波器显示边界。

低通滤波/模糊(Low-pass filter/Blur)

消除高频的信号,只让低频信号可以通过,然后进行逆傅里叶变换。
在这里插入图片描述
低筒滤波器消除边界,让图片变得模糊。

带通滤波(Band-pass filter)

去掉高频和低频的信息,然后进行逆傅里叶变换。
在这里插入图片描述

卷积 Convolution

滤波 Filtering = 卷积 Convolution (= 平均 Averaging)
卷积是多个变量在某范围内相乘后求和的结果。
简单理解:有一个滑动窗口(滤波器),窗口的每个格子有权重,将这个窗口在信号上从左向右滑动做点乘。如下图所示。
在这里插入图片描述

卷积定理 Convolution Theorem

卷积定理指出,函数卷积的傅立叶变换是函数傅立叶变换的乘积。
具体分为时域卷积定理和频域卷积定理,两者具有对偶关系。

卷积定理的应用

如下图所示上面一行图片是时域的卷积(*是卷积操作)下面一行图片是频域的乘积。
在这里插入图片描述

卷积中的低通滤波器

下面盒子形状的滤波器(Box Filter)就是低通滤波器。
在这里插入图片描述
乘上1/9是为了卷积后的图片颜色与原来基本一致,否则图片就太亮了(归一化)。

卷积核大小与频率的关系

越小的box,留下频率种类越多。
在这里插入图片描述
在这里插入图片描述
越大的box,留下越低的频率,结果更加模糊。

从频率的角度看采样

采样就是重复频域上的内容。

冲激函数

在这里插入图片描述

获得采样(与冲激函数相乘)

对于原始信号a,让它与冲激函数相乘,就可以得到采样的结果。
在这里插入图片描述
**采样就是重复原始信号的频谱。**采样就是将原始信号粘贴了一份。

走样 = 频谱在搬移后出现了混合 Aliasing=Mixed Frequency Contents

在这里插入图片描述
走样的原因是:在频谱的角度,原始信号在复制粘贴时出现了信号的重叠。

减少走样的方法

增加采样率

可以使用高分辨率的显示器、传感器、帧缓冲器。

进行反走样

不是通过提高分辨率抗锯齿。
反走样简单来说就是:在对频谱重复之前,先让频谱更窄,减少信号的重叠。即先去掉一些的高频信息,然后再采样。这就解释了为什么模糊一个图像后采样能够抗走样。,如下图所示。
在这里插入图片描述

如何模糊三角形—通过在像素区域平均来反走样

使用一个低通滤波器,针对每个像素做卷积操作,然后对每个像素中心进行采样。
在这里插入图片描述
像素区域的亮度等于覆盖的图案覆盖这个像素的面积(即把像素内部的值平均起来)
在这里插入图片描述

多重采样 Antialiasing By Supersampling(MSAA)

我们通过在一个像素内划分出更多的中心点来用更多的采用点进行反走样,将一个划分多个像素,判断这些更小的像素点是否在三角形内部,统计在三角形内部小像素点的个数判断覆盖率但注意这只是反走样的近似,并不能真正解决反走样问题

超采样 Supersampling

第一步:对每个像素划分N × N的采样点。
在这里插入图片描述

第二步:在每个像素里对这个N × N的采样点做平均。
在这里插入图片描述

结果:
在这里插入图片描述
抗锯齿了:
在这里插入图片描述
这种方法增大了计算量实现抗锯齿。

其他抗锯齿的方法

FXAA(Fast Approxiamate AA):先获得有锯齿的图,然后找到边界,然后将有锯齿的边界替换成没有锯齿的边界。
TAA(Temporal AA):复用上一帧感知到的结果,相当于把MSAA的样本分布到时间上,然后不对当前这一帧引入额外的操作。

超分辨率问题 Super resolution / super sampling

  • 超分辨率就是从低分辨率到高分辨率(比如把256 × 256图片拉大到1024 × 1024)
  • 本质上仍是采样不足的问题,与抗锯齿的问题相似。
  • 可以采用DLSS(Deep Learning Super Sampling)的方法,利用深度学习猜出来。

可见性 / 遮挡 Visiblity / occlusion

画家算法 Painter’s Algorithm

思想:首先绘制距离较远的场景,然后用绘制距离较近的场景覆盖较远的部分。
存在的问题:首先画家算法需要按照深度排序需要将物体按照深度进行排序,但是对于以下三个三角形,无法确定深度的顺序,所以实际上我们无法使用画家算法。
在这里插入图片描述

深度缓存 Z-Buffer

  1. 存储每个像素当前最小的z值(深度值)
  2. 需要一个额外的缓存来存储深度值
  • frame buffer 存储颜色值
  • depth buffer(z-buffer)存储深度值(为了简化,我们假设所有z都是正数,z越小越近)
    在这里插入图片描述
    上述两张图同步生成,左边的图实际渲染,右边的是深度缓存图,离我们近颜色越深,反之离我们越远。

Z-Buffer 算法

  1. 初始化深度缓存为无限大
  2. 在光栅化时,有:
    在这里插入图片描述
    例子:
    在这里插入图片描述

这篇关于Artifacts 瑕疵,频率方面的基础知识,傅里叶变换,卷积 ,从频率的角度看采样,减少走样的方法,深度缓存 Z-Buffer的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/253430

相关文章

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

html5的响应式布局的方法示例详解

《html5的响应式布局的方法示例详解》:本文主要介绍了HTML5中使用媒体查询和Flexbox进行响应式布局的方法,简要介绍了CSSGrid布局的基础知识和如何实现自动换行的网格布局,详细内容请阅读本文,希望能对你有所帮助... 一 使用媒体查询响应式布局        使用的参数@media这是常用的

Spring 基于XML配置 bean管理 Bean-IOC的方法

《Spring基于XML配置bean管理Bean-IOC的方法》:本文主要介绍Spring基于XML配置bean管理Bean-IOC的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一... 目录一. spring学习的核心内容二. 基于 XML 配置 bean1. 通过类型来获取 bean2. 通过

基于Python实现读取嵌套压缩包下文件的方法

《基于Python实现读取嵌套压缩包下文件的方法》工作中遇到的问题,需要用Python实现嵌套压缩包下文件读取,本文给大家介绍了详细的解决方法,并有相关的代码示例供大家参考,需要的朋友可以参考下... 目录思路完整代码代码优化思路打开外层zip压缩包并遍历文件:使用with zipfile.ZipFil

Python处理函数调用超时的四种方法

《Python处理函数调用超时的四种方法》在实际开发过程中,我们可能会遇到一些场景,需要对函数的执行时间进行限制,例如,当一个函数执行时间过长时,可能会导致程序卡顿、资源占用过高,因此,在某些情况下,... 目录前言func-timeout1. 安装 func-timeout2. 基本用法自定义进程subp

Python列表去重的4种核心方法与实战指南详解

《Python列表去重的4种核心方法与实战指南详解》在Python开发中,处理列表数据时经常需要去除重复元素,本文将详细介绍4种最实用的列表去重方法,有需要的小伙伴可以根据自己的需要进行选择... 目录方法1:集合(set)去重法(最快速)方法2:顺序遍历法(保持顺序)方法3:副本删除法(原地修改)方法4:

Python中判断对象是否为空的方法

《Python中判断对象是否为空的方法》在Python开发中,判断对象是否为“空”是高频操作,但看似简单的需求却暗藏玄机,从None到空容器,从零值到自定义对象的“假值”状态,不同场景下的“空”需要精... 目录一、python中的“空”值体系二、精准判定方法对比三、常见误区解析四、进阶处理技巧五、性能优化

C++中初始化二维数组的几种常见方法

《C++中初始化二维数组的几种常见方法》本文详细介绍了在C++中初始化二维数组的不同方式,包括静态初始化、循环、全部为零、部分初始化、std::array和std::vector,以及std::vec... 目录1. 静态初始化2. 使用循环初始化3. 全部初始化为零4. 部分初始化5. 使用 std::a

如何将Python彻底卸载的三种方法

《如何将Python彻底卸载的三种方法》通常我们在一些软件的使用上有碰壁,第一反应就是卸载重装,所以有小伙伴就问我Python怎么卸载才能彻底卸载干净,今天这篇文章,小编就来教大家如何彻底卸载Pyth... 目录软件卸载①方法:②方法:③方法:清理相关文件夹软件卸载①方法:首先,在安装python时,下

电脑死机无反应怎么强制重启? 一文读懂方法及注意事项

《电脑死机无反应怎么强制重启?一文读懂方法及注意事项》在日常使用电脑的过程中,我们难免会遇到电脑无法正常启动的情况,本文将详细介绍几种常见的电脑强制开机方法,并探讨在强制开机后应注意的事项,以及如何... 在日常生活和工作中,我们经常会遇到电脑突然无反应的情况,这时候强制重启就成了解决问题的“救命稻草”。那