图形学中的抗锯齿讨论以及在unity中的应用

news/2025/1/12 22:52:51/

抗锯齿(Anti-Aliasing)是图形学中,很重要的一个部分。本文旨在做一些分析总结,并对平时不理解的细节,做了调研,但毕竟不是做GPU行家,所以有不对的地方,欢迎拍砖^^。

1 什么是锯齿

下图,是一个在unity中,不开启抗锯齿的情况下的渲染效果,可以看到,边沿区域,例如黄色块的边沿,有非常明显的锯齿效果。
锯齿指的是徐

接着, 我启用了抗锯齿功能(URP设置里,有个Anti Aliasing),渲染效果如下,边沿区域,有一些过度颜色,不会那么生硬的,要么黄,要么灰了!
在这里插入图片描述

2 锯齿原因

原因是:光栅化阶段,执行片元着色器时,采色要么采A色,要么采B色。例如上面的黄色区域,采样时,要么就黄色,要么就某种灰色了。所以边界区域,颜色变化比较剧烈,看起来像锯齿。

再回溯一下,光栅化阶段,最重要2个部分(更多请参考 GPU 渲染管线与着色器 大白话总结):
三角形设置与遍历 + 片元着色器

三角形设置与遍历,简单的说,是找出所有三角形都覆盖哪些像素,然后生成对应的片元。 具体而言,是判断像素的中心点,是否在三角形内。判断方法,请参考叉乘在图形学中的几何意义 ---- 判断一个点是否在三角形内。如果在三角形内,就生成一个片元。

当然了,肯定存在不同三角形对应同一个屏幕像素,那对应的2个片元,其深度值z不一样。z值最小的,在最上面,z值大的片元,在下面,如果上面没有透明色,那下面的片元,就不需要执行片元着色器了。

anyway,有效的片元,总归要执行片元着色器(fragment shader,又叫pixel shader),对该片元着色。着色后,对于一些边界区域,颜色变化如果很大,就会看起来有锯齿。

例如下图,根据像素中心是否在三角形内的原则,采样后的三角形,如下,锯齿非常明显。
在这里插入图片描述

3 抗锯齿的方法

抗锯齿的目标,就是让颜色剧烈变化的像素区域,有一些过度色,不那么生硬!

在图形学中,有几种主流的抗锯齿方法,常用的包括:

  1. 超级采样抗锯齿(Super-Sample Anti-Aliasing,SSAA):

    • 渲染管线阶段:光栅化阶段。
    • 简要介绍:SSAA在渲染过程中使用比实际屏幕分辨率更高的分辨率进行渲染,然后再将图像缩小到目标分辨率。这样做会导致在渲染过程中对于每个像素执行更多次的片元着色器,从而获得更平滑的图像。
    • 特点:效果好,消耗性能。
  2. 多重采样抗锯齿(Multisample Anti-Aliasing,MSAA):

    • 渲染管线阶段:光栅化阶段。
    • 简要介绍:对SSAA的优化,在每个像素位置进行多次采样,然后根据采样结果进行平均。
    • 特点:比SSAA节约性能,但效果差一些。
  3. 快速近似抗锯齿(Fast Approximate Anti-Aliasing,FXAA):

    • 渲染管线阶段:后期处理阶段。
    • 简要介绍:不管什么三角形了,只关心最终图像。通过对图像进行分析,检测锯齿和边缘走样,并应用特定的滤波器来减少锯齿效果。FXAA是一种快速而低成本的抗锯齿技术,但可能会导致细节损失和模糊。 优点:节约性能。
    • 特点:最节约性能。
  4. 子像素采样抗锯齿(Subpixel Morphological AA, SMAA):

    • 渲染管线阶段:后期处理阶段。
    • 简要介绍:都是对像素左侧和上侧的边进行边缘检测,但又考虑了局部的像素对比,提取更多几何信息,保留不该模糊的边缘。
  5. 帧间抗锯齿(Temporal AA, TAA)

    • 渲染管线阶段:后期处理阶段。
    • 简要介绍:通过加权混合相邻多帧达到抗锯齿效果,从理论上解释就是将计算量分摊(Amortized)至多帧的超采样

下文对一些抗锯齿方法做一些详细介绍。

3.1 SSAA简介

既然叫超采样,顾名思义,就是增加采样点了。
一个像素本来采1个中心点,现在采N个:
在这里插入图片描述

例如上面的最左边像素,本来像素中心不在三角形内,就没颜色。现在像素内取4个点采,就有1个子采样点,在三角形内了。

实际落地办法,先弄个虚拟的输出画面buffer,分辨率是最终输出画面的N倍,例如4个采样点,就提高2倍。然后渲染到该buffer上。然后,再同比缩小到实际输出画面上。
在这里插入图片描述
缩小后,一个实际像素的颜色,会取4个子采样点的像素的平均值。
所以,实际效果会这样:
在这里插入图片描述
在边沿区域,有了较好的过度色。例如最左下方,本来没颜色,现在color = 1/4 * yellow_color,有了一些过度了。

注意,4个子采样点,都是独立运算的,那就可能发生4个子采样点,得到的颜色值不一样。
在这里插入图片描述
最终像素的颜色,也是根据多种颜色的平均值哦。

好了,问题是解决了,但是增加了计算量,具体而言,是增加了片元数量。

例如,没有SSAA,上面的三角形,需要12个片元,执行12次fragment shader。但如果用了SSAA,需要49个片元,意味着要执行49次fragment shader了。真实游戏中,三角形数量成千上万个,计算量增加就很恐怖了!

所以一般这种抗锯齿,不会真实采用。

3.2 MSAA简介

MSAA是对SSAA的改良,减少计算量。
怎么减少呢?

前面说的,光栅化阶段,最重要2个部分:
三角形设置与遍历 + 片元着色器。

三角形设置与遍历,简单的说,是找出一个三角形都覆盖哪几个像素,然后生成对应的片元。
接着,片元着色器,对该片元配色。

MSAA的方法,第一步还是会做,即,找到三角形都覆盖哪些子采样点,以及子采样点的深度信息。但片元着色器,合并到一次计算了!4个子采样点,采到2个,那么,片元着色器,颜色取50%。

上面的说法比较粗糙,不考虑细节,如深度信息的判断,实际GPU如何操作,这里不做展开啦!

所以,MSAA基本没有增加fragement shader的计算,节约了性能。

3.3 FXAA简介

注意,这个抗锯齿就跟三角形无关了,只对最终图像做进一步处理,所以是在后处理完成的。
怎么实现呢?其实也简单:

  1. 找到边沿。
  2. 对边沿的像素色做处理。例如,将该像素点周围最近的四个像素点进行双线性插值,计算得到目标颜色。

FXAA通过在屏幕空间进行像素级别的处理,以一种相对简单和快速的方式提供了一定程度的抗锯齿效果。它的主要优点是在保持较高性能的同时提供了一定程度的图像平滑和锯齿消除。然而,由于其近似性质,FXAA可能会导致一些细节损失和模糊效果,尤其在高对比度和细节丰富的场景中。

简单展开一下,更多细节请参考附录贴的文章。
在这里插入图片描述
(a) 提取与检测点相邻的四个像素点的颜色值(亮度值),并找出其中的最大,最小值,作差得到该像素点的局部对比度值。和一个阈值做差,看是否判断为边沿像素。
(b) 确定边沿方向(垂直 or 水平) 。对当前像素为中心的九宫格内的另外八个邻近像素颜色值进行计算
水平的: |(upleft - left) - (left - downleft)| + 2 * |(up - center) - (center - down)| + |(upright - right) - (right - downright)|
垂直的: |(upright - up) - (up - upleft)| + 2 * |(right - center) - (center - left)| + |(downright - down) - (down - downleft)|
这两个量中最大的一个将给出边缘的主要方向。
(c ) 计算边沿长度。
(d) 确定坐标偏移量,读取新的颜色。

4 在unity中的应用

在unity中,可以对Camera设置抗锯齿。
在这里插入图片描述
注意,camera相当于是最终输出画面,所以这个是设置,只针对最终画面做抗锯齿处理。所以没有MSAA的选项哦!!!

还有个地方设置抗锯齿,是在URP的设置选项里:在这里插入图片描述
这个就只有一个设置,是MSAA,可以配置要几个子采样点。 注意,这里影响的是光栅化阶段哦。

注意注意,这两种地方的抗锯齿,一般设置1个就行了。如果2个都设置,可能有一个会无效,或者出现,配置了抗锯齿,最终图像反而有锯齿的现象。

参考

图形学基础 - 着色 - 空间抗锯齿技术
图形学中的抗锯齿方法简谈


http://www.ppmy.cn/news/87872.html

相关文章

关于Hive程序的全排序

使用Hive可以高效而又快速地编写复杂的MapReduce查询逻辑。但是某些情况下,因为不熟悉数据特性,或没有遵循Hive的优化约定,Hive计算任务会变得非常低效,甚至无法得到结果。一个”好”的Hive程序仍然需要对Hive运行机制有深入的了解…

day4-项目软硬件环境分析和通讯结构体

硬件部分 fs4412开发板 3*zigbee模块 摄像头 gprs(用于通讯) fs4412部分 3个USB接口分别用于zigbee协调器、usb摄像头、gprs模块 陀螺仪与加速计作为数据采集端,发送到HTML USB-OTG用于安卓下载 电位器用于测量电压 蜂鸣器基于PWM来…

【产品设计】工具类产品,带一些社交元素

工具类产品要加入社交元素,关键在于找到工具与社交的结合点。 一、工具类的产品,可以这样加入社交元素 1、分开来看:工具类产品和社交类产品 工具类产品,顾名思义,以工具属性为主,核心突出的是一个“用”…

Linux安装部署Redis6.2.5图文教程

Redis 是一个开源的使用 ANSI C 语言编写、遵守 BSD 协议、支持网络、可基于内存、分布式、可选持久性的键值对(Key-Value)存储数据库,并提供多种语言的 API。最近学习需要用到Redis,所以就去Linux服务器上部署一个,做下记录,方便…

EMD分解及其matlab实现方法

EMD分解及其matlab实现方法 1. 介绍 EMD全称Empirical Mode Decomposition,是一种信号分解方法,由数学家黄锷在1998年提出。EMD方法具有自适应性,在信号分解过程中不需要先验知识和数学模型,在大多数情况下可以得到比较好的结果…

2023年第十五届B题电工杯初步解题思路

第十五届“中国电机工程学会杯”全国大学生 电工数学建模竞赛题目 B题 人工智能对大学生学习影响的评价 人工智能简称AI,最初由麦卡锡、明斯基等科学家于1956年在美国达特茅斯学院开会研讨时提出。 2016年,人工智能AlphaGo 4:1战胜韩国围棋高手李世石…

Bytebase:更好地管理你的 OceanBase 数据库

我们很高兴宣布:OceanBase 用户现在可以使用 Bytebase 进行数据库变更管理啦!🚀 Bytebase 是一款为 DevOps 团队准备的数据库 CI/CD 工具,专为开发者和 DBA 打造,也是唯一被 CNCF Landscape 收录的 Database CI/CD 产…

如何在华为OD机试中获得满分?Java实现【不含101的数】一文详解!

✅创作者:陈书予 🎉个人主页:陈书予的个人主页 🍁陈书予的个人社区,欢迎你的加入: 陈书予的社区 🌟专栏地址: Java华为OD机试真题(2022&2023) 文章目录 1. 题目描述2. 输入描述3. 输出描述…