SMAA: Verbesserte morphologische Glättung von Subpixeln

Dieser Artikel basiert auf den Magazinen von Jorge Jimenez, Jose Echevarria, Thiago Sauce und Diego Gutierrez.

Die Demo-Implementierung von SMAA finden Sie hier (EXE-Datei). Auf meiner GTX 960 2GB funktioniert es ganz gut.

Alte Anti-Aliasing-Methoden

Für viele Jahre waren die Standards für die Glättung MSAA (Multisampling Antialiasing) und SSAA (Supersampling Antialiasing). Tatsächlich bieten sie immer noch die höchste Qualität unter allen modernen Anti-Aliasing-Techniken. Wie wir wissen, tritt Aliasing aufgrund des Fehlens von Abtastwerten sowohl auf räumlicher (gestrichelte Linien) als auch auf zeitlicher Ebene (Flackern) auf, normalerweise in der Nähe der Ränder und Bereiche des Bildes mit hohem / niedrigem Kontrast. Um damit umzugehen, haben wir zwei Methoden, die einst die einzigen Lösungen waren: Supersampling und Multisampling. Mit Supersampling vergrößern wir das Bild und reduzieren es dann auf die gewünschte Auflösung. Dieses Prinzip funktioniert hervorragend, da es für alle Aspekte des Problems gilt. Multisampling verwendet eine ähnliche Lösung. Bei dieser Methode wird jede Probe basierend auf einem bestimmten Koeffizienten dupliziert. Bei modernen hohen Auflösungen sind dafür recht leistungsstarke Grafikkarten erforderlich. Daher brauchen wir neue Glättungsmethoden, sowohl auf räumlicher als auch auf zeitlicher Ebene. Alle diese Methoden verwenden einen Algorithmus für ihre Arbeitskantenerkennung. Aber sie führen andere Operationen durch.

Moderne Glättungsmethoden

Es gibt viele moderne filterbasierte Methoden, die gute Arbeit leisten, obwohl sie den beiden oben aufgeführten unterlegen sind. FXAA, DEAA, GPAA, GBAA, CSAA, EQAA, DLAA ... In diesem Artikel werden wir über SMAA und seinen Vorgänger - MLAA - sprechen. Diese modernen filterbasierten Methoden haben ihre eigenen Probleme:

• Die meisten Kantenerkennungsalgorithmen, die diesen Methoden zugrunde liegen, berücksichtigen nur numerische Unterschiede zwischen Pixeln und ignorieren die Art und Weise, wie sie dem Betrachter angezeigt werden.
• Die ursprüngliche Form des Objekts bleibt nicht immer erhalten, die allgemeine Rundung der Ecken ist auf Texten, scharfen Ecken und Subpixelelementen fast immer deutlich sichtbar.
• Die meisten Lösungen sind so konzipiert, dass sie nur horizontale oder vertikale Muster verarbeiten und Diagonalen ignorieren.
• Reale Subpixelelemente und Subpixelbewegungen werden nicht korrekt verarbeitet. Aliasing-Reflexionen (Spiegel) und Schattierungen (Schattierungen) werden nicht vollständig eliminiert.

Wie Sie vielleicht erraten haben, haben wir diese Probleme angesprochen, weil wir sie beseitigen wollen.

Morphologisches Antialiasing (MLAA)

MLAA versucht, die Abdeckung der Quellgeometrie zu bewerten. Für eine genaue Rasterung des geglätteten Dreiecks ist es erforderlich, den Abdeckungsbereich jedes Pixels innerhalb des Dreiecks zu berechnen, um es richtig mit dem Hintergrund zu mischen. MLAA beginnt mit einem Anti-Aliasing-Bild und kehrt dann den Prozess um, indem die Silhouetten vektorisiert werden, um die Bereiche zu berechnen, die sie abdecken. Da der Hintergrund nach der Rasterung nicht erkannt werden kann, mischt der MLAA ihn mit dem Nachbarn, vorausgesetzt, sein Wert liegt nahe am Wert des ursprünglichen Hintergrunds. Mit anderen Worten , der Algorithmus erkennt Grenzen (unter Verwendung von Informationen über Farbe oder Tiefe) und findet dann bestimmte Muster in ihnen. Die Glättung erfolgt durch intelligentes Mischen von Pixeln in den Rändern. MLAA hat Implementierungen auf DirectX 10 und Mono Game (XNA). Es ist ehrlich gesagt in Spielen wie Fable II implementiert. Die Ersteller des MLAA haben später das SMAA ( Enhanced Subpixel Morphological Antialiasing) (erweitertes subpixelmorphologisches Anti-Aliasing) erstellt, das das Hauptthema dieses Artikels ist.


MLAA in Aktion

Verbessertes morphologisches Subpixel-Antialiasing (SMAA)

Vergleich von SMAA und anderen Methoden in Crysis 2

SMAA bietet eine zuverlässige Kantenerkennung sowie eine einfache und effiziente Möglichkeit, scharfe geometrische Elemente und diagonale Linien zu verarbeiten. Darüber hinaus ändert SMAA die Form der Geometrie nicht wie viele andere Methoden.


Oben - AA nein; in der Mitte - MLAA; unten - SMAA

SMAA basiert auf der MLAA-Pipeline und verbessert oder überdenkt jeden Schritt. Insbesondere wird die Kantenerkennung verbessert, indem Farbinformationen zusammen mit der Anpassung des lokalen Kontrasts verwendet werden, um schärfere Kanten zu erzeugen. Die Methode erweitert die Anzahl der Muster, die zum Speichern scharfer geometrischer Elemente und Diagonalen verwendet werden. Schließlich zeigt er, wie morphologische Glättung mit Multisampling oder Supersampling und zeitlicher Reprojektion genau kombiniert werden kann.

Kantenerkennung

Die Kantenerkennung ist ein kritischer Schritt, da nicht erkannte Kanten verzerrt bleiben. Andererseits verringern zu viele Kanten mit Filterung die Qualität des geglätteten Bildes. Für die Kantenerkennung können verschiedene Informationen verwendet werden: Farbe, Helligkeit, Tiefe, Oberflächennormale und deren Kombination. SMAA verwendet Luma aus vier Gründen:

1. Weniger Artefakte.
2. Die Helligkeit ist immer sichtbar.
3. Es kann mit Schattierungsverzerrungen umgehen.
4. Und schließlich ist es schneller als Chroma.

Links und Mitte: andere Methoden der Kantenerkennung, die zum Auftreten roter Schnittpunkte und Artefakte führen; rechts: perfekt scharfe Kanten SMAA

Erinnere dich an dieses Bild. So funktioniert die Kantenerkennung: Der endgültige berechnete Wert ist ein Boolescher Wert, der als Rand der linken Kante bezeichnet wird . In ähnlicher Weise werden Boolesche Werte für die Oberkante berechnet. Formel

$$

$$c_ {max} = max \ left (c_l, c_r, c_b, c_i, c_ {2l} \ right)$$

$$

$$e_l ^ \ prime = e_l \ wedge c_l> 0.5.c_ {max}$$

Alle Werte von c werden Kontrastdeltas genannt .

Musterverarbeitung

Mustererkennung Mit SMAA können Sie scharfe geometrische Elemente wie Winkel speichern, Diagonalen verarbeiten und eine genaue Suche nach Entfernungen durchführen.

Scharfe geometrische Elemente: Die Vektorisierung von Silhouetten in der MLAA neigt zu abgerundeten Ecken. Um dies zu vermeiden, verwendet die SMAA die Beobachtung, dass der Schnittpunkt der Kanten in den Konturlinien eine maximale Größe von einem Pixel hat und bei scharfen Ecken diese Länge wahrscheinlich länger ist. Daher nimmt der SMAA Schnittkanten mit einer Länge von zwei Pixeln an, was eine weniger aggressive Eckenverarbeitung ermöglicht.

Diagonale Muster: Wir haben eine völlig neue Methode zum Erkennen von diagonalen Mustern hinzugefügt. Es besteht aus den folgenden zwei Stufen:

1. Diagonale Entfernungssuche $$$d_l$und $$$d_r$links und rechts von diagonalen Linien.
2. Sich überschneidende Kanten bekommen $$$e_1$und $$$e_2$.
3. Mit dieser Eingabe definieren wir ein bestimmtes Diagonalmuster für den Zugriff auf die vorberechnete Textur der Region, um die Region zu erhalten $$$a_t$und $$$a_b$.

Wenn die Erkennung von diagonalen Mustern fehlgeschlagen ist, beginnt die Erkennung von orthogonalen Mustern.

Genaue Suche nach Entfernungen: Der Schlüssel zum Erkennen und Klassifizieren von Mustern besteht darin, die genaue Entfernung der Kante (die Länge zu beiden Enden der Linie) zu ermitteln. Um diesen Prozess zu beschleunigen, verwendet MLAA aktiv die Hardware-Interpolation. Die bilineare Hardwarefilterung kann verwendet werden, um bis zu vier verschiedene Werte in einer einzigen Speicherzugriffsoperation zu erhalten und zu codieren. Diese lineare Interpolation von zwei Binärwerten (d. H. Bilinear ) erzeugt einen einzelnen Gleitkommawert, der durch die folgende Formel beschrieben wird:

$$

$$f_x (b_1, b_2, x) = x.b_1 (1-x) .b$$

Wo $$$b_1$und $$$b_2$Sind zwei Binärwerte (0 oder 1) und $$$x$Ist der Interpolationswert.

Ergebnisse

MLAA arbeitet mit einem Sample pro Pixel. Dies führt zu einer Unterabtastung, aufgrund derer es unmöglich ist, echte Unterpixelelemente wiederherzustellen.


Vergleichen Sie MLAA mit SMAA und ohne AA

SMAA arbeitet jedoch auf einer Subpixel-Ebene. Dies führt zu Folgendem:

• Lokaler Kontrast
• Diagonale Muster erkennen
• Scharfe geometrische Elemente
• Genaue Suche

All dies ist in der Abbildung unten zu sehen, in der diese Aspekte mit den Ergebnissen anderer Methoden verglichen werden. Tatsächlich kann SMAA Ergebnisse nahe SSAA 16x liefern.


Der durch jede dieser Lösungen verursachte Overhead ist vernachlässigbar. Insbesondere dauert die Anpassung des lokalen Kontrasts nur 0,08 ms, die Erkennung scharfer geometrischer Elemente und exakter Abstände 0,01 ms und die Verarbeitung von Diagonalen zusätzliche 0,12 ms. Einfach ausgedrückt ist SMAA ziemlich schnell, langsamer als SSAA und MSAA, aber fruchtbarer und weniger ressourcenintensiv.