超級采樣 Supersampling
來源：程序員人生 發布時間：2015-09-11 07:55:01 閱讀次數：9542次
超級采樣是1個spatial 抗鋸齒的1種方法，用于消除走樣（鋸齒和像素化的邊沿）從電腦游戲上的渲染的圖片或其他的電腦程序中產生。不像現實中的物體有連續光滑的曲線，鋸齒的產生是由于電腦顯示給閱讀者的是大量的正方形。這些“像素”都是1樣大的，每一個都有1種色彩。1條線只能被顯示成像素的集合，因此出現了鋸齒，除非是絕對水平或垂直的線。超級采樣的目的是為了減少這類事情，從幾個在像素中的實例進行色彩采樣（不是像正常情況下的只是在正中心），然后計算平均色彩值。這是從渲染的圖片比已顯示的圖片有高的多的分辨率中獲得的，然后縮小到需要的大小，使用額外的像夙來計算。結果是1個
從1行像素到另外一個沿著邊沿的物體有著光滑過渡的下降采樣的圖片。
采樣的數量決定了輸出的質量。
計算消耗與自適應超級采樣
超級采樣計算昂貴，由于它需要很多顯卡顯存和存儲帶寬，緩存的消耗數量是幾倍之大。1個解決問題的方法是使用自適應超級采樣（adaptive supersamplin）技術，只在當像素在物體邊沿時進行超級采樣。最初是在每一個像素只進行很少的采樣。如果這些值非常的類似，這些采樣決定了色彩。如果不是，更多地使用。這個方法的結果是只在必要時進行大量的采樣，從而提高性能。
超級采樣模式
當在像素中進行采樣時采樣的位置可用1些方式決定。雖然方法有沒有限多種，下面這些是很經常使用的。
網格（Grid）
最簡單的算法。像素分離為幾個子像素，每個像素都來自他們的中心。實現起來又快又簡單。但是，由于這類抽樣很有有規律，如果子像素數量很少的話，鋸齒還是存在的。
隨機（Random）
也稱為stochastic sampling，這類方法避免了像網格抽樣的那種規律性。但是，由于這類不規則的模式，采樣在其他1些像素和缺少的區域沒必要要的結束。
Poission disc
又是1個隨機取樣的算法，但是每兩個取樣位置距離都不是很近。終究結果是1個隨機散布的偶數。但是，這個算法需要的時間太大了以致于不能證明它用在實時渲染，除非樣品本身計算比每一個像素的定位取樣點或沒復位的取樣點昂貴。
抖動（Jittered）
網格算法的修正，近似于Poission disc。1個像素分離為幾個子像素，但是樣品不是每一個都從中心發出的，但是從在子像素中的1個隨機的點。集合能仍然存在，但是程度較輕。
旋轉的網格（Rotated grid）
1個2x2網格的布局被使用但是取樣模式是旋轉的，來避免在水平或垂直軸的校準，通常大大的提高的抗鋸齒的質量。對1個最好的模式，旋轉角度是arctan (1/2) (大約 26.6°)，正方形被1個因素拉伸 √5/2
原文來自wiki：http://en.wikipedia.org/wiki/Supersampling
譯自：wolf96
生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈
