MIT 6.837：Sampling & Aliasing 采样与混叠

数字图片的采样和量化

真实世界中的场景是连续的，而计算机一般处理离散的数据。

将连续函数变为离散函数的过程称为采样，而将连续的数值变为离散的数值的过程为量化。为了得到适于计算机处理的数据形式，我们必须对原始场景的图片进行采样和量化。

对连续的图片进行采样的过程可以用采样矩阵表示。采样矩阵的基础是二维冲激函数 δ(x,y)={1,(x,y)=(0,0)0,otherwise，可以用冲激函数表示采样矩阵为

∑j=0h−1∑i=0w−1δ(u−i,v−j)

将这个矩阵与表示连续图像的连续二维函数相乘，得到二维函数在整点上的颜色值，如下图所示。

通过傅里叶分析，我们可以知道采样是频域上的周期搬移，而重建是频域上的低通滤波。但由于信号中包含高频，搬移时会发生相邻周期的频谱混叠，而这种混叠将导致重建时无法还原出原始的一个周期，最终体现为图片中的错误与失真。

为了保证重建中不发生问题，我们需要对信号进行预处理，例如移除其中的高频部分，或增加采样密度。根据采样定理，采样频率应不小于最高频率的两倍，只要预处理能够使信号满足此条件，则不会发生混叠失真。

在计算机图形学中，滤波器被用于两种情况：重建信号、去除高频部分得到带限信号。这两者都是低通滤波器，通常可以使用同一种滤波器完成。

二维的滤波可以通过矩阵的卷积来计算，因此滤波器可以用卷积核矩阵来表示。

预处理滤波器用于滤去高频信号，故为低通滤波器，可用覆盖像素面积的比例来实现。例如，光栅化直线的时候，应用预处理滤波器平滑直线边缘的锯齿。

后处理坐标系用于对样本滤波，可用对附近像素求平均值实现，也可以实现与预处理滤波器类似的效果。

理想滤波器：频域低频增益为 1，高频衰减至 0。时域是无穷信号，难以实现。

实际滤波器：存在低频衰减和高频泄露问题，依然可能存在混叠失真。

高斯滤波器：CRT 显示器在人眼中成像与之类似。

方框滤波器：时域上是一个门函数，上采样时造成锯齿。对应最近邻插值。

三角滤波器：时域上是一个三角形，易于实现，效果比方框略好。对应双线性插值。

双三次插值：时域上更接近理想滤波器的曲线，效果更好。

由于纹理贴图是分辨率有限的图片，在一些情况下容易产生走样。利用滤波等原理，我们可以改善这些走样问题。

纹理被放大时，如果使用方框滤波器会产生锯齿，因此可以利用三角滤波器（双线性插值）代替，从而得到平滑的结果，但会带来模糊的效果。

纹理被缩小时，其中的高频分量会导致奇怪的效果（如摩尔纹等），因此可以利用低通滤波器去除其高频分量。可以预处理出多种尺寸的缩小滤波结果，以减少渲染时的计算开销。

MIP Map 是一种保存缩小纹理的方式，它通过预处理出 1/2、1/4、……尺寸的缩小结果，再将其拼在同一张图中。由等比数列求和，新的纹理图片仅为原图片的 2 倍大小。

由于每次映射贴图时不一定是等比例缩放，需要沿各边缩放的结果，可以利用各向异性 MIP Map 来处理这种情况。在这种方法中，保存的缩小贴图各边缩小为 1/2、1/4、……等尺寸，图片大小为原图的 4 倍。