در پردازش دیجیتالی، آنتی‌آلیاسینگ تکنیکیست جهت کاستن کج‌شکلیهای زاده شده به نام آلیاسینگ در حین اجرا با وضوح تصویری پایینتر از وضوح تصویر طبیعی برنامه.
در تصاویر، آلیاسینگ می‌تواند متشکل باشد خطوط مواج، الگوها و بافتهای مغتشش و کم کیفیت، تکان‌تکان خوردن کناره‌های اشیاء و متغیر بودن وضعیت آن به صورت ناخواسته.(اکثرا در رزولوشن یا وضوح تصویر متفاوت از اصل)
نمونهی یک بافت مغتشش
آنتی‌آلیاسینگ یعنی حذف کردن سیگنال‌های اصلی که فرکانسی بالاتر از قدرت پردازش دستگاه مجری دارند. پروسه‌ی این حذف کردن قبل از سمپل یا ریسمپل کردن(تغییر نقاط رنگی صفحه‌ی نمایشگر جهت تغییر تصویر) دستگاه در وضوحی پایینتر انجام میگردد. اگر عمل به صحه انجام نگردد و عمل سمپل بدون آنتی‌آلیاسینگ انجام پذیرد مشکلاتی مضاعف نیز اتفاق خواهد افتاد که نمونهی آنرا در تصاویر زیر به شرح خواهید دید.
نمونه‌ها
الف
ب
ج
تصویر الف نشان دهنده‌ی یک الگوی با انحطاط بدون استفاده از آنتی آلیاسینگ است. به قسمت بالای عکس توجه کنید که منتهای آن غیر قابل رویت بوده وضوحی کمتر از دیگر قسمتها دارد.
تصویر ب نشان دهنده‌ی تصویر الف بعد از اجرای تکنیک آنتی‌آلیاسینگ است. چهارخانه‌ها در نزدیک کادر بالایی به رنگ خاکستری گراییده و ترتیب خود را از دست داده‌اند که معمولا دلیل آن، کافی نبودن وضوح تصویر برای ارائه ی پیکسلهاست. قسمتهای اعلی حتی کمی نامفهومتر از تصویر الف به نظر میرسند اما صافتر هستند.
در تصویر جیم ما شاهد آنتی آلیاسینگی با الگوریتم متفاوت از تصویر اول هستیم که بر پایه‌ی سینک فـیلتر بنا شده و انوجاج بالایی تصویر را بهتر حل کرده است.
دال
تصویر دال جهت مقایسه تهیه گردیده است. نیمه‌ی چپ از تصویر الف و نیمه‌ی راست از تصویر جیم انتخاب شده است. توجه کنید که پیکسل‌های خاکستری کمک می‌کنند که تصویر جیم صافتر و ملموس تر از تصویر الف به نظر برسد.(اگر چه با مقیاسی که جهت زووم روی تصویر به کار رفته شده شاید به نظر شما نیاید).
شیوه‌ی آنتی‌آلیاسینگ
در این شیوه، تصویر ایده آل از دید سیگنال نگریسته شده، تصویری که نمایشگر نشان میدهد سمپل، و به نسبت مختصات X و Y برای هر پیکسل، آن سیگنال پیکسل با توجه به فرکانس ***** میشود. البته، با به بسامدهای قابل قبول مغز انسان.
فرمول "تبدیل فوریه" یا Fourier Transform به ما کمک می‌کند که سیگنالها را به امواج ساده تجزیه بکنیم، و دامنه هر موج را در سیگنال خود به دست آوریم. فرمول عبارتست از:
که در آن j و k همواره ارزشهایی نامنفی خواهند بود. این دو متغیر فرکانس موج هستند، j مشخص کننده‌ی فرکانس در محور X و K مشخص کننده‌ی فرکانس در محور Y. در واقع امواج دارای سینوس نیز هستند اما در این موضوع، ما کوسینوس را کافی می‌گیریم.بر اساس برهان سمپلینگ نیکوویست-شانون ثابت گردیده است، که برای عمل سیگنال‌های با فرکانس n کافی نیست و شما حد اقل 2n نقطه برای سمپل لازم دارید.
دیدگان انسان به فرکانس‌های کمتر حساس‌تر است، و بنابر آن، در پردازش سیگنالی، ما فرکانس‌های بالاتر را از هدف حذف نموده و تنها سیگنال‌های مناسب برای انسان را باقی می گذاریم. تصویر جیم از همین تکنیک در الگوریتم خود استفاده کرد است. البته در مورد چشم‌های انسان اطلاعات ما کافی نیست و سیگنالها بر اساس برهانها و نتایج به دست آمده حذف می‌شوند برای همین هیچگاه تصویر دیجیتالی به طور کامل بدون موج اضافی نخواهد ماند. شاید نامتقارن بودن *****ها، برای مثال در گروه تصاویر اولی که شرح داده شد، عجیب به نظد آمده باشد. از آنجا که چشم‌ها میتوانند در حفره‌ی خود بچرخند، میبایست ارتباطی مستقیم با این داشته باشد که سر و کار ما با یک تصویر مداوم نیست و خدف ما تنها یک چهارچوب است و دلیل اصلی این امر همین است که در محیطهای دارای بعد بیشتر از دو محور مشکل ایجاد میگردد.
میپ‌میپینگ
این تکنیک برای مپینگ بافتها به کار میرود و در مقالاتی دیگر در مورد آن صحبت خواهد شد.
آنتی آلیاسینگ تمام صفحه
کارت گرافیکهای جدید متدهایی برای آنتی‌آلیاسینگ تمام صفحه ارائه می‌کنند که باعث میشود تصویر پایانی نرمتر و واقعی‌تر به نظر برسد. آنتی‌آلیاسینگ تمام صفحه با سوپرسمپلینگ کار خود را انجام میدهد. سوپرسمپلینگ تکنیکیست که در آن رزولوشن بر اساس اطلاعات بدست آمده از وضوح تصویر اصلی، آنرا افزایش میدهد. چند حالت برای سوپرسمپلینگ وجود دارد. مثلا در حالت 2x که به ازای هر پیکسل چهاربار سمپل اعمال میشود و حالت 4x که به ازای هر پیکسل چهاربار پیکسل‌ها رندر می‌شوند.
در تصاویر، آلیاسینگ می‌تواند متشکل باشد خطوط مواج، الگوها و بافتهای مغتشش و کم کیفیت، تکان‌تکان خوردن کناره‌های اشیاء و متغیر بودن وضعیت آن به صورت ناخواسته.(اکثرا در رزولوشن یا وضوح تصویر متفاوت از اصل)
نمونهی یک بافت مغتشش
آنتی‌آلیاسینگ یعنی حذف کردن سیگنال‌های اصلی که فرکانسی بالاتر از قدرت پردازش دستگاه مجری دارند. پروسه‌ی این حذف کردن قبل از سمپل یا ریسمپل کردن(تغییر نقاط رنگی صفحه‌ی نمایشگر جهت تغییر تصویر) دستگاه در وضوحی پایینتر انجام میگردد. اگر عمل به صحه انجام نگردد و عمل سمپل بدون آنتی‌آلیاسینگ انجام پذیرد مشکلاتی مضاعف نیز اتفاق خواهد افتاد که نمونهی آنرا در تصاویر زیر به شرح خواهید دید.
نمونه‌ها
الف
ب
ج
تصویر الف نشان دهنده‌ی یک الگوی با انحطاط بدون استفاده از آنتی آلیاسینگ است. به قسمت بالای عکس توجه کنید که منتهای آن غیر قابل رویت بوده وضوحی کمتر از دیگر قسمتها دارد.
تصویر ب نشان دهنده‌ی تصویر الف بعد از اجرای تکنیک آنتی‌آلیاسینگ است. چهارخانه‌ها در نزدیک کادر بالایی به رنگ خاکستری گراییده و ترتیب خود را از دست داده‌اند که معمولا دلیل آن، کافی نبودن وضوح تصویر برای ارائه ی پیکسلهاست. قسمتهای اعلی حتی کمی نامفهومتر از تصویر الف به نظر میرسند اما صافتر هستند.
در تصویر جیم ما شاهد آنتی آلیاسینگی با الگوریتم متفاوت از تصویر اول هستیم که بر پایه‌ی سینک فـیلتر بنا شده و انوجاج بالایی تصویر را بهتر حل کرده است.
دال
تصویر دال جهت مقایسه تهیه گردیده است. نیمه‌ی چپ از تصویر الف و نیمه‌ی راست از تصویر جیم انتخاب شده است. توجه کنید که پیکسل‌های خاکستری کمک می‌کنند که تصویر جیم صافتر و ملموس تر از تصویر الف به نظر برسد.(اگر چه با مقیاسی که جهت زووم روی تصویر به کار رفته شده شاید به نظر شما نیاید).
شیوه‌ی آنتی‌آلیاسینگ
در این شیوه، تصویر ایده آل از دید سیگنال نگریسته شده، تصویری که نمایشگر نشان میدهد سمپل، و به نسبت مختصات X و Y برای هر پیکسل، آن سیگنال پیکسل با توجه به فرکانس ***** میشود. البته، با به بسامدهای قابل قبول مغز انسان.
فرمول "تبدیل فوریه" یا Fourier Transform به ما کمک می‌کند که سیگنالها را به امواج ساده تجزیه بکنیم، و دامنه هر موج را در سیگنال خود به دست آوریم. فرمول عبارتست از:
Cos(2jπx)Cos(2kπy) 1
که در آن j و k همواره ارزشهایی نامنفی خواهند بود. این دو متغیر فرکانس موج هستند، j مشخص کننده‌ی فرکانس در محور X و K مشخص کننده‌ی فرکانس در محور Y. در واقع امواج دارای سینوس نیز هستند اما در این موضوع، ما کوسینوس را کافی می‌گیریم.بر اساس برهان سمپلینگ نیکوویست-شانون ثابت گردیده است، که برای عمل سیگنال‌های با فرکانس n کافی نیست و شما حد اقل 2n نقطه برای سمپل لازم دارید.
دیدگان انسان به فرکانس‌های کمتر حساس‌تر است، و بنابر آن، در پردازش سیگنالی، ما فرکانس‌های بالاتر را از هدف حذف نموده و تنها سیگنال‌های مناسب برای انسان را باقی می گذاریم. تصویر جیم از همین تکنیک در الگوریتم خود استفاده کرد است. البته در مورد چشم‌های انسان اطلاعات ما کافی نیست و سیگنالها بر اساس برهانها و نتایج به دست آمده حذف می‌شوند برای همین هیچگاه تصویر دیجیتالی به طور کامل بدون موج اضافی نخواهد ماند. شاید نامتقارن بودن *****ها، برای مثال در گروه تصاویر اولی که شرح داده شد، عجیب به نظد آمده باشد. از آنجا که چشم‌ها میتوانند در حفره‌ی خود بچرخند، میبایست ارتباطی مستقیم با این داشته باشد که سر و کار ما با یک تصویر مداوم نیست و خدف ما تنها یک چهارچوب است و دلیل اصلی این امر همین است که در محیطهای دارای بعد بیشتر از دو محور مشکل ایجاد میگردد.
میپ‌میپینگ
این تکنیک برای مپینگ بافتها به کار میرود و در مقالاتی دیگر در مورد آن صحبت خواهد شد.
آنتی آلیاسینگ تمام صفحه
کارت گرافیکهای جدید متدهایی برای آنتی‌آلیاسینگ تمام صفحه ارائه می‌کنند که باعث میشود تصویر پایانی نرمتر و واقعی‌تر به نظر برسد. آنتی‌آلیاسینگ تمام صفحه با سوپرسمپلینگ کار خود را انجام میدهد. سوپرسمپلینگ تکنیکیست که در آن رزولوشن بر اساس اطلاعات بدست آمده از وضوح تصویر اصلی، آنرا افزایش میدهد. چند حالت برای سوپرسمپلینگ وجود دارد. مثلا در حالت 2x که به ازای هر پیکسل چهاربار سمپل اعمال میشود و حالت 4x که به ازای هر پیکسل چهاربار پیکسل‌ها رندر می‌شوند.
آخرین ویرایش:
Google