做加工都在哪个网站推广,淮安软件园网站建设,安装wordpress步骤,可以做视频推广的网站http://blog.csdn.net/codeboycjy/article/details/6312758 前两天在浏览游民星空的时候#xff0c;小编居然在文章中挂了一篇技术文章#xff0c;是关于SRAA的。对于AA的了解很少#xff0c;正好入职之前还有几天的空闲时间#xff0c;所以就这个机会把AA的一些基本算法简… http://blog.csdn.net/codeboycjy/article/details/6312758 前两天在浏览游民星空的时候小编居然在文章中挂了一篇技术文章是关于SRAA的。对于AA的了解很少正好入职之前还有几天的空闲时间所以就这个机会把AA的一些基本算法简单学习了一下不过也只是学习到了一点皮毛而已。 本文将简单介绍四种反走样算法他们分别是 SSAA: Super Sampling Anti-Aliasing MSAA: Multi Sampling Anti-Aliasing MLAA: Morphological Anti-Aliasing SRAA: Sub-pixel Reconstruction Anti-Aliasing 当然AA算法的种类实在是很多还有CSAAADAATransparent AA等等。本文就简单介绍上面四种吧。 首先什么是走样呢我们在现实生活中观察到的物体经常是细节非常丰富的而大部分信息的频率远远高于人眼的识别能力。而计算机中的图像是由一个一个离散的pixel组成的其实是个有限的集合。所以它只能用来逼近现实中的场景并不能完美的重现。走样有很多表现形式例如边缘的锯齿采样频率过低等。本文的AA算法都是针对锯齿边缘的。一般而言纹理的采样频率过低都是通过AF或者更复杂的采样算法来解决的。 举个简单的例子我们放大一条直线所经过的两个pixel。由于对于每个像素我们只在像素的中心采样所以对于上图而言上面的像素中的采样点是在直线上面的而下面采样点则在直线的下面。假设我们要把直线下面的图像填充成黑色如果没有AA那么下面的像素就会是纯黑色而上面是纯白色。而这种情况会产生三角形边缘的锯齿现象我们称之为走样。下图为经过MLAA处理前后的图像变化。 当然如果屏幕分辨率的细致程度已经超过了人眼的识别能力的话例如iphone4的retina屏幕那么由于几何体边缘带来的走样现象也会基本没什么影响了。不过大部分的显示器还是能用肉眼观察到锯齿的。 首先我们了解下SSAA的算法吧。几何体的边缘在理论上来说是无限细致的因为是用数学公式表达的。所以如果投影到光栅屏幕上的话无论如何都会有细节损失的只不过是不是明显罢了。当屏幕分辨率增加或者屏幕分辨率不变而每个像素的采样点增多的时候这种细节会更好的表现在用户面前所以解决AA的一个最直观的办法就是通过增加分辨率。如果在图像的长度和宽度都增加2倍的条件下4 X SSAA )再次渲染图像。然后做一个downfiltering那么图像的细节会表现的更好一些锯齿会明显的减少。这种办法就是SSAA了挺Brute Force的办法。这种方法的好处在于可以更完美的表现画面不过问题在于其计算代价是与屏幕分辨率成正比的。4 x SSAA 的速度要比没有AA慢4倍左右的时间对于大多数应用来说是得不偿失的。从性能角度而言SSAA是不实际的。 当然即使确定了SSAA算法后也还有一些其他的细节需要考虑。例如16 x SSAA可以被理解为每个像素有十六个采样点而采样点的分布是 而这种分布对于反走样并不是特别有效的可以采用如下几种分布来替换 从左到右依次是随机分布泊松分布和Jittered分布。随即分布的问题在于采样点数量不多的时候算法的结果不是特别稳定。泊松分布的问题在于并不能轻易计算出泊松分布的位置而且位置计算代价很大。当然还有很多其他的分布这里就不多介绍了。不同的采样点分布算法可以不同程度的改变反走样的效果。 由于SSAA的算法代价过于大所以应用价值相对而言较小。MSAA假设一个像素内的颜色变化是不大的从而有效的把颜色和顶点的位置法线等信息分离开来了。这种算法在很早的Geforce3中有硬件实现。由于在当时的硬件条件下纹理的读取的开销很大所以把这部分独立出来就充分的节省了bandwidth与fillrate。假设这里是4 x MSAA每个像素的四个采样点中除了没有颜色信息会有其他位置等信息。注意这里面的深度信息也是存储在每个采样点中的就是说深度比较也是基于sub-pixel级别的。Geforce 4系列的AA没有本质的变化不过在采样点的分布上做了一些调整。 蓝色的为像素的中心而红色的为4 x MSAA的实际采样点。由于平均距离小了很多所以反走样的效果有了一定的提升。而同期的AMD的硬件的AA效果要好一些主要是采样分布的原因。Geforce 4用的采样分布属于ordered grid sampling而AMD采用了另一种rotated grid sampling。 从反走样的质量而言AMD的R300系列要远远领先与Nv30。 随着游戏产业的不断发展游戏场景也更加的复杂。很多游戏中利用alpha test简化场景的复杂度。例如下面的铁丝网 问题就出现了由于MSAA的纹理采样频率依旧和没有AA的时候一样所以对于上图左边而言没有MSAA和经过MSAA处理的效果基本没有区别。因为上面的铁丝网是通过alpha test来模拟的而没有实际的网格。MSAA的纹理采样率导致了其在这种情况下的无能为力。当然后来就有了adaptive AA来改进这种问题。 上述的MSAA算法还有一个很严重的问题就是他们只能与forward rendering结合。而随着游戏中光源效果的复杂deferred rendering越来越受到关注。而无论是defered rendering还是msaa都是通过把颜色的计算与几何体计算分离开来而两者是不能并存的。这就导致了很多麻烦。从某种程度上MLAA和SRAA可以理解为后处理运算所以是可以和deferred rendering结合的。 MLAA更像是一种图像处理方法它不需要任何前验信息只根据像素的颜色进行处理。它可以和raster、ray tracing或者其他算法结合而且完全不需要生成任何多余的信息。MLAA的算法相对来说复杂很多这里就不介绍了。 不过由于MLAA只是根据颜色进行判定所以很多时候可以影响一些高频纹理。当然这些纹理很可能在AF采样后自动适应MLAA算法了。至少该算法的作者称MLAA不会对纹理的采样其反作用。 MLAA的算法速度可能相对慢一些作者的数据是在一个单核3GHz的处理器下每秒可以处理20M的像素。对于大分辨率而言这个速度可能还不能算是实时。如果利用GPU或者larrabee可能速度会有些提升吧。论文中是在ray tracing的渲染方法下实验的由于对于动态场景的ray tracing需要更新空间划分结构所以可以利用空余线程处理图像基本不会带来什么开销。对于实时渲染可能就需要用其他手段了。 由于MLAA的一些限制SRAA就提出了解决方案。SRAA虽然也相当于后处理不需要任何forward rendering的元素。不过SRAA需要一个G buffer这个G buffer的分辨率一般要大一些这里就假设是4 x SRAA吧那么G Buffer就是back buffer分辨率的4倍。SRAA根据G Buffer中的几何信息把每个像素与周围一定范围的像素进行混合。由于引入了几何信息所以可以避免很多MLAA的错误。 我们可以看到(c)图中的MLAA算法把右下角本来清晰的矩形模糊化了而SRAA由于引入了几何信息很好的保持了其清晰的特性而又模糊了上面的锯齿。 SRAA算法可以在保持算法性能的条件下生成与16 x SSAA相媲美的画面当然有些细节可能还是要差一点。毕竟有些情况下其算法中的部分假设是不成立的。 基本就介绍到这里吧没有怎么细致介绍只是概要的提到了一些算法而已。 再分享一下我老师大神的人工智能教程吧。零基础通俗易懂风趣幽默还带黄段子希望你也加入到我们人工智能的队伍中来https://www.cnblogs.com/captainbed转载于:https://www.cnblogs.com/skiwnchiwns/p/10167893.html
