คำถามติดแท็ก supersampling

ในการติดตามรังสี / การติดตามเส้นทางหนึ่งในวิธีที่ง่ายที่สุดในการต่อต้านนามแฝงของภาพคือการแทนที่ค่าพิกเซลและเฉลี่ยผลลัพธ์ IE แทนที่จะถ่ายภาพตัวอย่างทุกชิ้นผ่านจุดศูนย์กลางของพิกเซลคุณชดเชยตัวอย่างด้วยจำนวนเงินหนึ่ง ในการค้นหาทั่วอินเทอร์เน็ตฉันได้พบสองวิธีที่แตกต่างกันในการทำสิ่งนี้: สร้างตัวอย่างอย่างไรก็ตามคุณต้องการและชั่งน้ำหนักผลลัพธ์ด้วยตัวกรอง ตัวอย่างหนึ่งคือPBRT สร้างตัวอย่างที่มีการแจกแจงเท่ากับรูปร่างของตัวกรอง สองตัวอย่างคือขนาดเล็กและทังสเตนเรนเดอร์ของBenedikt Bitterli สร้างและชั่งน้ำหนัก กระบวนการพื้นฐานคือ: สร้างตัวอย่างอย่างไรก็ตามคุณต้องการ (ลำดับแบบสุ่มแบ่งชั้นความคลาดเคลื่อนต่ำ ฯลฯ ) ชดเชยเรย์ของกล้องโดยใช้สองตัวอย่าง (x และ y) แสดงภาพด้วยรังสี คำนวณน้ำหนักโดยใช้ฟังก์ชั่นตัวกรองและระยะห่างของตัวอย่างโดยอ้างอิงจากจุดศูนย์กลางพิกเซล ตัวอย่างเช่น Box Filter, Tent Filter, Gaussian Filter, ฯลฯ ) ใช้น้ำหนักกับสีจากการเรนเดอร์ สร้างเป็นรูปร่างของตัวกรอง หลักฐานพื้นฐานคือการใช้การสุ่มตัวอย่างการแปลงผกผันเพื่อสร้างตัวอย่างที่กระจายตามรูปร่างของตัวกรอง ตัวอย่างเช่นฮิสโตแกรมของตัวอย่างที่กระจายในรูปร่างของเกาส์เซียนจะเป็น: สิ่งนี้สามารถทำได้อย่างแน่นอนหรือโดยการ binning ฟังก์ชั่นเป็น pdf / cdf แยก smallptใช้ cdf ผกผันที่แน่นอนของตัวกรองเต็นท์ ตัวอย่างของวิธีการ binning สามารถพบได้ที่นี่ คำถาม …

20 raytracing  antialiasing  pathtracing  filtering  supersampling 

ในกราฟิกมันเป็นเรื่องธรรมดาที่จะเก็บตัวอย่างหลาย ๆ อันภายในขอบเขตของพิกเซลและรวมเข้าด้วยกัน (โดยทั่วไปแล้วจะทำการเฉลี่ย) สำหรับสีพิกเซลตัวอย่างสุดท้าย นี่เป็นผลของการต่อต้าน aliasing ภาพ ในแง่หนึ่งสิ่งนี้สมเหตุสมผลสำหรับฉันเพราะสิ่งที่คุณกำลังทำอย่างมีประสิทธิภาพคือการรวมสีของพิกเซลเหนือพื้นที่ที่พิกเซลแสดง ในแนวความคิดนี้การสุ่มตัวอย่างเฉลี่ย "สุ่ม" น่าจะเป็นการตั้งค่าที่เหมาะสำหรับการรวมกันของ monte carlo ("สุ่ม" อาจแบ่งเป็นชั้นเสียงตามสีน้ำเงินลำดับความคลาดเคลื่อนต่ำเป็นต้น) ในทางกลับกันสิ่งนี้รู้สึกผิด (หรืออย่างน้อยก็ไม่ถูกต้องเท่าที่ควร) จากมุมมองการประมวลผลสัญญาณดิจิตอล จากมุมมองดังกล่าวรู้สึกว่าเราได้รับตัวอย่างจำนวนมากจากนั้นลดขนาดตัวอย่างลงโดยใช้ตัวกรองกล่อง (เบลอกล่อง) เพื่อรับค่าพิกเซลสุดท้าย ในแง่นี้ดูเหมือนว่าสิ่งที่ดีที่สุดที่ควรทำคือใช้การกรองแบบ sinc แทนที่จะใช้ค่าเฉลี่ยตัวอย่าง ฉันเห็นว่าตัวกรองกล่องเป็นค่าประมาณที่ถูกกว่าในการคิดตามเส้นเหล่านี้ นี่ทำให้ฉันสับสนเล็กน้อย แนวคิดหลักที่เรากำลังรวมพื้นที่พิกเซลและค่าเฉลี่ยถูกต้องหรือไม่? หรือว่าเราเป็นกลุ่มตัวอย่างและควรใช้ sinc แต่ใช้ตัวกรองแบบกล่องเพราะรวดเร็ว หรือเป็นอย่างอื่นอย่างสิ้นเชิง? เกี่ยวข้องกับเล็กน้อย: การลบรอยหยัก / การกรองในการติดตามเรย์

12 sampling  antialiasing  supersampling