پروژه دانشجویی پایان نامه Antialiasing یا لبه دارشدن لبه‌ی تصویر دیجیتال تحت word دارای 77 صفحه می باشد و دارای تنظیمات و فهرست کامل در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد پروژه دانشجویی پایان نامه Antialiasing یا لبه دارشدن لبه‌ی تصویر دیجیتال تحت word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : توضیحات زیر بخشی از متن اصلی می باشد که بدون قالب و فرمت بندی کپی شده است
بخشی از فهرست مطالب پروژه پروژه دانشجویی پایان نامه Antialiasing یا لبه دارشدن لبه‌ی تصویر دیجیتال تحت word
چکیده
فصل اول: آنتی آلیزینگ
1-1 Anti-Aliasingچیست؟
1-2 چگونگی کار Anti-Aliasing؟
1-3 نکته هایی در مورد Anti-Aliasingکردن برای سازنده ها
1-4 چرا تصاویر کامپیوتری بدون فیلتر AA دندانه دار به نظر می آیند؟
1-5 چگونه AA چشم ما را فریب می دهد؟
1-6 چرا AA باعث کاهش فریم ریت می شود؟
1-7 مفهوم FSAA چیست؟
1-8 انواع Anti-Aliasing
1-8-1 Supersampling
1-8-2 Multisampling
1-9 مقادیر Anti Aliasing
فصل دوم: طراحی آنتی آلیزینگ
2-1 طراحی فیلترantialiasing1 برای پایین آوردن نرخ نمونه برداری پیکسل تابع و فرعی بوسیله تجزیه و تحلیل قلمرو فرکانسی
2-2 مقدمه
2-3 نمونه‌برداری پایین پیکسل تابع پیشنهاد شده بر پایه تجزیه و تحلیل قلمرو- فرکانسی
2-3-1 A: DSD- FA
2-3-2 B: DDSD-FA
2-4 ارزیابی‌های قابل ملاحظه و علمی
2-4-1 A: LSM (Least Mean square)
2-4-2 B: LAM
2-4-3 C: LCM (Line Conditioning Module)
2-4-4 D: CDM
2-5 انجام عملکرد و نتایج
2-6 نتیجه‌گیری
2-6-1 aliasing
2-6-2 Frequency- Domain analysis
2-6-3 Low Pass Filter
2-6-4 پردازش سیگنال دیجیتال
فصل سوم: بااستفاده ازمورفولوژی زیرپیکسل پیشرفته برای از بین بردن دندانه‌ها
3-1 SMAA: ازبین بردن لبه های دندانه دارتصویر(آنتی الیاسینگ)بااستفاده ازمورفولوژی زیرپیکسل پیشرفته
3-2 مقدمه
3-3 کارهای مرتبط
3-4 ضدالیاسینگ مورفولوژی
3-5 SMAA: ویژگی‌ها و الگوریتم
3-5-1 آشکارسازی لبه
3-5-2 کنترل الگو
3-5-3 پردازش زیرپیکسل
3-5-4 طرح موقت
3-6 نتایج
3-6-1 نتیجه
3-6-2 سوپرنمونه‌گیری
3-6-3 نتیجه کلی
مراجع
بخشی از منابع و مراجع پروژه پروژه دانشجویی پایان نامه Antialiasing یا لبه دارشدن لبه‌ی تصویر دیجیتال تحت word
[1] Y. Amano, “A flat-panel TV display system in monochrome and color,”IEEE Trans. Electron. Devices, vol. ED-22, no. 1, pp. 1–7, Jan
[2] T. Benzschawel and W. E. Howard, “Method of and apparatus for displaying a multicolor image,” U.S. Patent 5 341 153, Aug. 23,
[3] L. M. Chen and S. Hasegawa, “Influence of pixel-structure noise on image resolution and color for matrix display devices,” J. Soc. Inf. Display, vol. 1, no. 1, pp. 103–110, Jan
[4] P. Barten, “Effects of quantization and pixel structure on the image quality of color matrix displays,” in Proc. IEEE Int. Conf. Display Res., 1991, pp. 167–170
[5] ClearType information [Online]. Available: http://www.microsoft. com/typography/cleartypeinfo.mspx
[6] S. Gibson, Sub-pixel font rendering technology [Online]. Available: http://www.grc.com/cleartype.htm
[7] M. A. Klompenhouwer, G. De Haan, and R. A. Beuker, “Subpixel image scaling for color matrix displays,” J. Soc. Inf. Display, vol. 11, no. 1, pp. 99–108, Mar
[8] J.-S. Kim and C.-S. Kim, “A filter design algorithm for subpixel rendering on matrix displays,” in Proc. 15th EUSIPCO, 2007, pp. 1487–1491
[9] S. Daly, “Analysis of subtriad addressing algorithms by visual system
models,” in SID Int. Symp. Digest Tech. Papers, 2001, vol. 32, pp. 1200–1203
[10] [Ake93] AKELEY K.: Reality engine graphics. In SIGGRAPH ’93: Proceedings of the 20th Annual Conference on Computer Graphics and Interactive Techniques (1993), pp. 109–116
[11][AMD10] AMD: Morphological anti-aliasing,
[12][AMD11] AMD: EQAA Modes for AMD 6900 Series Graphics Cards. Tech. rep., AMD,
[13][And10] ANDERSSON J.: 5 major challenges in interactive rendering. In ACM SIGGRAPH Courses (2010)
[14][And11a] ANDERSSON J.: DirectX 11 Rendering in Battlefield 3. In Game Developers Conference 2011 (2011). 2,
[15][And11b] ANDREEV D.: Directionally localized anti-aliasing (DLAA). In Game Developers Conference 2011 (2011)
[16][BHD10] BIRI V., HERUBEL A., DEVERLY S.: Practical morphological antialiasing on the GPU. In ACM SIGGRAPH 2010 Talks (2010), SIGGRAPH ’10, pp. 45:1–45:1
[17][Bir11] BIRI V.: Morpological antialiasing and topological reconstruction. In GRAPP 2011 (2011)
[18][Blo83] BLOOMENTHAL J.: Edge inference with applications to antialiasing. SIGGRAPH Comput. Graph. 17 (1983), 157–162
[19][CML11] CHAJDAS M. G., MCGUIRE M., LUEBKE D.: Subpixel reconstruction antialiasing for deferred shading. In Symposium on Interactive 3D Graphics and Games (2011), pp. 15–22
[20][DP11] DE PEREYRA A.: MLAA: Efficiently Moving Antialiasing from the GPU to the CPU. Tech. rep., Intel,
[21][DWS_88] DEERING M., WINNER S., SCHEDIWY B., DUFFY C., HUNT N.: The triangle processor and normal vector shader: a vlsi system for high performance graphics. SIGGRAPH Comput. Graph. 22 (June 1988), 21–30
[22][Eng08] ENGEL W.: Light pre-pass renderer,
[23][GPB04] GELDREICH R., PRITCHARD M., BROOKS J.: Deferred lighting and shading. In Game Developers Conference 2004 (2004)
[24][Har04] HARGREAVES S.: Deferred shading. In Game Developers Conference 2004 (2004)
[25][IK99] ISSHIKI T., KUNIEDA H.: Efficient anti-aliasing algorithm for computer generated images. In ISCAS (4) (1999), pp. 532–535
[26][IYP09] IOURCHA K., YANG J. C., POMIANOWSKI A.: A directionally adaptive edge anti-aliasing filter. In Proceedings of the Conference on High Performance Graphics 2009 (2009), pp. 127–133
[27][JGY_11] JIMENEZ J., GUTIERREZ D., YANG J., RESHETOV A., DEMOREUILLE P., BERGHOFF T., PERTHUIS C., YU H., MCGUIRE M., LOTTES T., MALAN H., PERSSON E., ANDREEV D., SOUSA T.: Filtering approaches for real-time antialiasing. In ACM SIGGRAPH Courses (2011). 2, 3, 4,
[28][JME_11] JIMENEZ J., MASIA B., ECHEVARRIA J. I., NAVARRO F., GUTIERREZ D.: Practical Morphological Anti- Aliasing. In GPU Pro 2. AK Peters Ltd., 2011, pp. 95–113 1, 2, 3, 4, 5, 6, 7,
[29][Koo07] KOONCE R.: Deferred Shading in Tabula Rasa. In GPU Gems 3. Addison Wesley, 2007, pp. 429–457
[30][Lot11] LOTTES T.: FXAA. Tech. rep., NVIDIA, 2011. 2,
[31][NSL_07] NEHAB D., SANDER P. V., LAWRENCE J., TATARCHUK N., ISIDORO J. R.: Accelerating real-time shading with reverse reprojection caching. In Proceedings of the 22nd ACM SIGGRAPH/EUROGRAPHICS Symposium on Graphics Hardware (2007), pp. 25–35 3,
[32][Per11] PERSSON E.: Geometric post-process anti-aliasing,
[33][Res09] RESHETOV A.: Morphological antialiasing. In Proceedings of the Conference on High Performance Graphics 2009 (2009), pp. 109–116 2, 3,
[34][Shi05] SHISHKOVTSOV O.: Deferred Shading in S.T.A.L.K.E.R. In GPU Gems 2. Addison Wesley, 2005, pp. 143–166
[35][Sou07] SOUSA T.: Vegetation Procedural Animation and Shading in Crysis. In GPU Gems 3. Addison Wesley, 2007, pp. 373– 385
[36][VO92] VAN OVERVELD C. W. A. M.: Application of morphological filters to tackle discretization artifacts. Vis. Comput. 8 (1992), 217–232
[37][YNS_09] YANG L., NEHAB D., SANDER P. V., SITTHIAMORN P., LAWRENCE J., HOPPE H.: Amortized supersampling. ACM Trans. Graph. 28 (2009), 135:1–135:12 3,
[38][You06] YOUNG P.: Coverage Sampled Antialiasing. Tech. rep., NVIDIA,
[39][YSLH11] YANG L., SANDER P. V., LAWRENCE J., HOPPE H.: Antialiasing recovery. ACM Trans. Graph. 30 (2011). 3 c 2012 The Author(s) c 2012 The Eurographics Association and Blackwell Publishing
1-1 Anti-Aliasingچیست؟
Anti-Aliasing یا آنتی آلیزینگ یکی از مهم ترین تکنیک ها برای واضح کردن تصاویر 2 بعدی و 3 بعدی استفاده میشود و هرچه دقت آن بیشتر باشد وضوح تصویر بالاتر میرود و یک جسم در صفحه نمایشگر طبیعی تر به نظر میرسد. Anti-Aliasing که یک نوع فیلتر در گرافیک محسوب میشود میتواند به قدری خطوط را صاف و یکنواخت کند که شما فکر کنید یک خط در مانیتور شما مانند یک خط در کتاب هست. البته اینکار مستلزم قدرت سخت افزاری و زمان است
به طور مثال به عکس صفحه بعد نگاه کنید
در عکس سمت چپی از فیلتر Anti-Aliasing استفاده نشده ولی در عکس سمت راستی از Anti-Aliasing استفاده شده که با کمی دقت متوجه تفاوت آنها میشوید. میبینید که کمی خط صیقلی تر شده است و از دور صاف تر نسبت به عکس سمت چپی به نظر میرسد. (شکل1-2)
در عکس بالا میتوان به تفاوت خیلی زیاد 2 عکس توجه کرد. در عکس بالایی Anti-Aliasing اصلا وجود ندارد ولی در عکس پایینی Anti-Aliasing با دقت و کیفیت بالایی صورت گرفته است و هر کسی میتوان آنرا متوجه شود
البته این نوع Anti-Aliasing بیشتر در بازی های رایانه ای ارکید استفاده میشود که دور نمایی بهتری نسبت به بازی های سوم شخص دارد
در کل آنتی آلیزینگ در زبان علمی یعنی حذف سیگنال های اصلی از روی مدل که باعث هم سطح کردن فرکانس با پردازش دستگاه میشود
1-2 چگونگی کار Anti-Aliasing؟
ابتدا تصویری که نمایشگر نشان میدهد توسط دستگاه دیده میشود و بعد مختصات تمام پیکسل ها در راستای X و Y با توجه به فرکانس های که برای انسان قابل فهم است آلیزینگ میشود
در این روش فقط کافی است فرکانس های بالاتر حذف شود چون برای انسان فرکانس های خیلی کم اصلا معلوم نمیشود ، پس بهتر است فرکانس هایی که در دید انسان قابل حس هست پاک شود تا تصویر مطلوب تری آید بیننده شود. در عکس زیر یک نوع Anti-Aliasing را میبینید که با دقت متوسط انجام گرفته
یک نوع دیگر هم Anti-Aliasing استفاده میشود که به آن آنتی آلیزینگ تمام صفحه میگویند و در این روش چندین مرحله وجود دارد ، مثله x4 x8 x16 که به این معنی است به تعداد هر پیکسل چندبار هر پیکسل رندر شود ، مثلا در مرحله x16 هر پیکسل به طور کامل باید 16 بار رندر شود که این عمل به قدرت سخت افزاری زیادی احتیاج دارد
در عکس بالا عکس سمت راستی با مرحله 16x آنتی آلیزینگ شده و عکس وسطی با مرحله 4x آنتی آلیزینگ شده. البته آنچنان تفاوت حس نمیشود و باید عکس های که در آن خطوط بیشتری وجود دارد را برسی کنید
1-3 نکته هایی در مورد Anti-Aliasingکردن برای سازنده ها
همیشه این عمل آنتی آلیزینگ را در پایان کار انجام دهید چون اگر در اول انجام دهید باعث میشود بعضی اجسام جا بمانند یا به خوبی عمل آنتی آلیزینگ انجام نشود
همیشه سعی کنید نوشته و متن های را که به صورت تکسچر نیستند را با مرحله متوسط آنتی آلیزینگ کنید ، مخصوصا نوشته های بزرگ. به عکس زیر توجه کنید
رنگ در Anti-Aliasing بسیار مهم است و اگر میبینید که مثلا یک خط قهوه ای در یک پس زمینه سیاه دارید ، لازم نیست آن را تا آخرین مرحله Anti-Aliasing کنیم
1-4 چرا تصاویر کامپیوتری بدون فیلتر AA دندانه دار به نظر می آیند؟
دندانه دار بودن لبه ها بعلت محدودیتهای صفحه نمایش کامپیوتر ایجاد می شه چه در مورد مانیتورهای CRT و چه در مورد مانیتورهای TFT/LCD. مانیتورها تنها قادرند خطوط افقی و عمودی را بخوبی ترسیم کنند ولی در مورد خطوط قطری با هر زاویه ای, این خطوط دندانه دار بنظر می آیند. علت این است که صفحه نمایش از تعدادی پیکسل که در جهت طولی و عرضی آرایش یافته اند تشکیل شده است
در سمت چپ مشاهده می کنید که برای ترسیم یک خط صاف قطری, خط باید از داخل پیکسل ها عبور کند در حالیکه این غیر ممکن است و امکان پذیر نیست که نصف یک پیکسل رنگی و نصف دیگر آن بدون رنگ باشد و همانطور که در سمت راست مشاهده می کنید پیکسل ها یا قرمز و یا خالی از رنگ هستند و به همین دلیل خطوط قطری ترسیم شده توسط مانیتور دندانه دار به نظر میاد
مانیتورهای جدیدتر قادرند با کاهش Dot Pitch بر این مشکل تا حدی غلبه کنند. Dot Pitch در واقع فاصله بین پیکسلهاست. هر چه پیکسلها از هم فاصله کمتری داشته باشند, خطوط کمتر دندانه دار بنظر می آیند با این حال اگه فاصله پیکسلها کم باشد تاثیر این روش هم کم خواهد بود. حالا در مورد اینکه چگونه AA چشم ما را فریب می دهد می پردازیم
1-5 چگونه AA چشم ما را فریب می دهد؟
سیستم ماهرانه ای که AA بکار می برد این است که تغییراتی در رنگ نواحی اطراف خطوط و منحنی ها بوجود می آورد. این تغییرات جزئی باعث خمیدگی خطوط در طول انحناها شده و باعث میشه که خطوط طبیعی و نه دندانه دار مشاهده شوند. تغییرات ایجاد شده در رنگ آنقدر جزئی هستند که چشم ما قادر به تشخیص آنها در شرایط عادی نیست و اگه به مثال اول برگردیم, می بینیم که در صورت بزرگ کردن تصویر ما نقاط خاکستری رنگی ( و نه سیاه رنگ ) را در اطراف حرف a در انحناها مشاهده می کنیم
حالا اگه سایز نرمال حرف a را نگاه کنیم, این حرف صافتر بنظر میاد بدون اینکه نقاط خاکستری رنگ مشاهده شوند. بله AA اینگونه چشم ما را فریب داده و ما لبه حرف a را صاف و تک رنگ ( سیاه ) مشاهده می کنیم
اگر چه مقداری محو شدگی اطراف تصویر وجود دارد ولی در هنگام بازی یا هنگام خواندن متون و دیدن تصاویر, در صورتی که به آنها خیره نشویم قادر به تشخیص آن نخواهیم بود
1-6 چرا AA باعث کاهش فریم ریت می شود؟
پاسخ این سوال بسیار آسان است. این تکنیک توسط انجام محاسبات ویژه ای جهت تعیین رنگ نواحی اطراف انحناها اجرا می شود. کارت گرافیک شما عهده دار این مسئولیت خواهد بود و باید مقداری از توان خود را صرف این محاسبات کند
فریم ریت تحت تاثیر مقدار پیکسلی است که توسط کارت گرافیکی شما در هر ثانیه رندر میشه و با فعال کردن AA رندر کردن تصاویر با تاخیر انجام میشه و شما دچار افت فریم ریت در حین انجام بازیها خواهید شد
1-7 مفهوم FSAA چیست؟
FSAA مخفف عبارت Full Scene Anti Aliasing هست و در واقع واژه ای کلی برای AA به حساب میاد. این واژه بدین معناست که سطوح و خطوط هر فریم از بازی را از بالا تا پایین آن صاف و صیقلی می شود. این تکنیک باعث افت شدید فریم ریت در حین بازی شده و تنها کارتهای گرافیکی بسیار قوی از عهده انجام آن بر می‌آیند
1-8 انواع Anti-Aliasing
دو نوع اصلی تکنیک AA وجود دارد
Multisampling و Supersampling
البته زیر گروهایی نیز از اینها بسته به توان مدلهای مختلف کارتهای گرافیکی وجود دارند. سازندگان کارتهای گرافیکی محدودیتی برای استفاده از این تکنیکها گذاشته اند تا شما دچار افت کارایی در استفاده از کارت گرافیکی تولید شده توسط آنها نشوید. حال به شرح هر یک از تکنیکها خواهیم پرداخت
1-8-1 Supersampling
در این روش میانگین رنگ نقاط حاشیه ای هر پیکسل برآورد میشه و بدین ترتیب پیکسلهای نقاط حاشیه ای تصویر با این رنگ میانگین نمایش داده می شود. این عمل در طول کل حاشیه خطوط و انحناها ادامه پیدا کرده و با این روش انحناها بخوبی صاف می شوند. تصویر زیر براحتی نحوه انجام این تکنیک را در چهار مربع واقع در مرکز تصویر نمایش می دهد. 3 تا از این 4 مربع هم در نقاط قرمز و هم در نقاط سفید واقع شده اند و بنابراین به رنگ نارنجی (میانگین رنگ) در آمده اند. یکی از این مربعها هم بطور کامل در منطقه سفید قرار داشته که بنابراین کاملا سفید نمایش داده شده است. بدین ترتیب اگر مربعی داشتیم که بطور کامل در منطقه قرمز واقع بود, رنگ آن نیز کاملا قرمز میشد
البته این مثال ساده ای از این تکنیک بود و در عمل نقاط بسیاری برای تعیین رنگ میانگین استفاده می شود و محاسبات پیچیده ای برای تعیین رنگ میانگین در حاشیه خطوط و انحناها انجام می شود. این تکنیک باعث میشه ابتدائا تصویر چهار برابر بزرگتر رندر بشوند و بعد از انجام محاسبات, تصاویر به اندازه واقعی خودشان نمایش داده شوند. بنابراین این تکنیک باعث افت شدید کارایی سیستم شده ولی در عین حال بهترین نتایج را در پی خواهد داشت
1-8-2 Multisampling
این تکنیک سبکتر از تکنیک قبلی است ولی در عین حال تصاویر را به اندازه تکنیک قبلی زیبا نمایش نمی دهد. همانطور که از اسمش پیداست در این روش برای هر پیکسل از چندین نمونه جهت تعیین رنگ میانگین پیکسل نواحی حاشیه ای استفاده می شود. در حالت استاندارد از سیستم Quincuپروژه دانشجویی پایان نامه Antialiasing یا لبه دارشدن لبه‌ی تصویر دیجیتال تحت word ( پنج تایی ) استفاده میشه که در آن 4 نمونه از نواحی حاشیه ای و یک نمونه هم از مرکز گرفته می شود. البته در برآورد رنگ میانگین برای هر یک از 4 نقطه حاشیه ای سهم 1/8 و برای نقطه مرکزی هم سهم 1/2 در نظر گرفته می شود ( 4 تا 1/8 بعلاوه 1/2 میشه 1 ) و بعد از آن رنگ میانگین محاسبه خواهد شد
با این تکنیک همانطور که در شکل بالا مشاهده می کنید, از هر خانه دو Sample یا نمونه گرفته شده و 3 نمونه دیگر نیز از نقاط حاشیه ای هر خانه گرفته می شود. بدین ترتیب نقاط حاشیه ای در محاسبات بیشتر دخیل بوده و این باعث صاف بنظر آمدن خطوط و انحناها می شود. بدیهی است که این تکنیک در خانه هایی قابل انجام است که حاوی بیش از یک رنگ باشند و اگر چنین باشد برای آن خانه محاسباتی صورت نمی گیرد
1-9 مقادیر Anti Aliasing
این مقادیر دلالت بر تعداد نمونه های گرفته شده جهت تعیین رنگ میانگین پیکسل نواحی حاشیه ای دارد. هر چه تعداد این نمونه ها بیشتر باشد تصویر بهتری از خطوط به نمایش در میاد ولی بعلت بزرگتر بودن تصویر رندر شده این تصویر دیرتر هم به نمایش در میاد. بدیهی است برای مقادیر بالاتر نیاز به کارتهای گرافیکی قویتری خواهیم داشت
2-1 طراحی فیلترantialiasing1 برای پایین آوردن نرخ نمونه برداری پیکسل تابع و فرعی بوسیله تجزیه و تحلیل قلمرو فرکانسی
در این بحث ما به پایین آوردن نرخ نمونه برداری با استفاده از روشهای پیکسل تابع و فرعی برای بدست‌آوری هوشیاری بالا برای نمایش شفاف مایع پرداختیم و یک مسأله وجود دارد که یک تصویر با دقت بالا یا یک تصویر تلویزیونی بر پایانه‌های با دقت پایین ظاهر می‌شودکه ما محدودیت ظاهرسازی تصویر توسط پایانه با دقت پایین را داریم پس ما تصویر را کوچک می‌کنیم. فرضیه و تئوری پردازش signal به ما می‌گوید که خسارات بهینه به تصویر با سرعت پایین با تکرار قطع جریان مناسب و با نمونه‌برداری پایین، دنبال و اعمال میشود. در این عملکرد، حذف جزئیات تعدادی تصاویر مفید و در نتیجه‌گیری ضرورت دارد. نمونه‌برداری پایین بر پایه پیکسل تابع و فرعی دربرگیرنده این حقیقت است که هر پیکسل بر یک LCD رنگی واقعاً از علامتها به رنگ آبی، سبز و قرمز تشکیل شده است. که میتواند دقت بالاتر را فراهم آورد. در این بحث ما از تجزیه و تحلیل Froquency domain analysis در حوزه‌ی فرکانس2برای توضیح کیفیت وقایع و نمونه‌برداری پایین بر اساس پیکسل فرعی و تابع و چرایی امکان آن برای اکتساب دقت بهتر استفاده کردیم. بر اساس تجزیه و تحلیل و مشاهدات ما، تکرار و بسامد قطع جریان از فیلتر با سرعت پایین با کوچک شدن بر پایه پیکسل تابع میتواند خارج از فرکانس nyguist با کاربرد یک فیلتر ضد الیاسینگ جدید گسترش یابد. با کاربرد فیلتر پیشنهادی برای دو طرح و نقشه نمونه‌برداری پایین پیکسل تابع تحت عنوان نمونه‌برداری پایین براساس پیکسل تابع مستقیم، DSD و طرح مورب، DSD (DDSD) ما دو طرح و نقشه بهبود یافته را بدست می‌‌آوریم. DSD براساس تجزیه و تحلیل فرکانسی (DSD-FA) و DDSD براساس تجزیه و تحلیل فرکانسی (DDSD-FA). نتایج آزمایش تعیین می‌کند که DDSD-FA و DSD-FA پیشنهادی میتواند نتایج بهتری را فراهم آورد که با پیکسل تابع یا روشهای نمونه‌برداری پایین براساس پیکسل تابع مقایسه شد
2-2 مقدمه
پیکسل واحد بر یک پرده شفاف مایع از چندین رنگ مقدماتی تشکیل شدند که 3 علامت به رنگ‌های آبی، سبز و قرمز می‌باشند. علامت‌های رنگی پیکسلهای جزئی هستند و رنگ‌های 3 پیکسل برای ظاهرسازی یک رنگ واحد بر سیستم بصری بشری بوسیله ترکیب و ادغام فاصله‌ای با سلول‌های عصبی در چشمان ظاهر می‌شوند. پیکسلهای تابع زمانی که در فاصله‌های خیلی نزدیک هستند نمایان و پدیدار می‌شوند.آنها خارج از فاصله محدود قابل مشاهده نیستند. به هرحال، محققان دریافتند که با کنترل ارزیابی پیکسلهای تابع از پیکسلهای مجاور، امکان تغییر کوچک موقعیت معلوم یک خط یا تیز کردن لبه و دقت بالاتر ممکن است. روشهای دربرگیرنده در این بحث، محاسبه عددی مستقل پیکسل تابع نامیده میشود. روشهای مستقل پیکسل تابع و فرعی از ارائه فونت بر LCD ریشه می‌گیرد. برای مدت زمان طولانی، یک فونت بر اساس پیکسل ساده استفاده شده است و کوچکترین سطح جزئیات که یک کامپیوتر میتواند بر LCD آشکار کند یک پیکسل واحد می‌باشد. به عبارت دیگر ارائه پیکسل تابع، نتایجی از این حقیقت را دربردارد که هر پیکسل بر LCD رنگی واقعاً از علامت‌های پیکسل تابع مشخصی تشکیل شده که فونت بزرگتر را ارائه میدهد
تصویر2، ارائه پیکسل ساده را نشان میدهد که میتواند به علت محصولات مصنوعی دندانه‌دار در لبه‌های شیب مانند باشد. همانگونه که در تصویر2 نشان داده شد یک پیکسل از 3 پیکسل تابع جداگانه تشکیل میشود و تعداد مراحل و مسیرها ممکن است تولید و ساخت مجدد تصویر را اداره کند که ممکن است 3 مرتبه افزایش یابد و ما می‌توانیم پیکسلهای فرعی را از کل پیکسلهای مجاور اقتباس کنیم. تصویر(b)2 نتایج بهتری در مقایسه با تصویر(a)2 نمایش میدهد که تغییر و حرکت جزئی موقعیت معلوم لبه شیب مانند با فاصله یک یا دو پیکسل تابع و فرعی را دربردارد. به هر حال ارائه پیکسل تابع و فرعی یک تعادل و موازنه را در رنگ محلی و موضعی به وجود می‌آورد. همانگونه که در تصویر (c)2 نشان داده شد. یک محصول مصنوعی عموماً، حاشیه رنگی نامیده میشود زیرا برای بعضی پیکسلها، فقط یک یا دو پیکسل فرعی و تابع خاموش یا روشن می‌شوند. در این بحث ما به نمونه‌برداری پایین تصویری با کاربرد روشهای پیکسل تابع برای اکتساب تصاویر بر LCD مشغول می‌باشیم. به عنوان مثال، در حالیکه تصاویر رقمی و عددی معمولاً با دقت بالا اقتباس میشود. تعدادی از آنها بر مانیتورهای کامپیوتر LCD، چهارچوب عکس یا پرده‌های LCD به موبایل یا وسایل شمارشی شخصی آشکار میشود که دقت پایین‌تری دارد. یک موقعیت و شرایط مشابه برای ویدئوها و تصاویر و تلویزیونها و فیلم‌های HD ممکن است بر تلویزیون یا مانیتورهای استاندارد یا HD دیده شود. برای مشاهده تصویرها و فیلم‌ها با دقت بالا، فرایند نمونه‌برداری پایین ضرورت دارد. یک روش ساده که نمونه‌برداری پایین براساس پیکسل مستقیم نامیده میشود که نمونه‌برداری را با انتخاب یک از هرn پیکسل انجام میدهد و آن میتواند محصولات مصنوعی الیاسسینگ.را در ناحیه‌های با فرکانس فاصله‌ای بالا موجب شود. همانند محصولات مصنوعی پله‌کانی و خطوط شکسته، همانگونه که در تصویر (b)3 نشان داده شد. یک روش بهبود یافته و پیشرفته‌ی نمونه‌برداری پایین برپایه پیکسل با یک فیلتر الیاسینگ نامیده میشود و فیلتر قبل از DPD به کار برده میشود. محصولات مصنوعی الیاسینگ در تیرگی تصویر متوقف میشود و فقط اطلاعات فرکانس پایین میتواند در فرایند حفظ شود. DPD و PDAF محصولات مصنوعی رنگی را موجب نمیشود
تعداد مراحل تولید مجدد در یک LCD میتواند با در نظرگرفتن پیکسلهای فرعی افزایش یابد. کاربرد ارائه پیکسلهای تابع و فرعی در طرح‌های نمونه‌برداری پایین ممکن به بهبود تجزیه و تحلیل آشکار منجر شود. تجزیه و تحلیل بالاتر و بهتر همیشه برای مصرف کننده جذاب می‌باشد.زیرا برای ارائه اندازه فیزیکی نمایش، تجزیه و تحلیل بهتر و بالاتر میتواند تصاویر واقعی را با ارائه جزئیات بیشتر ایجاد کند. به عنوان مثال برای دو تصویر با اندازه یکسان 4 اینچ × 3 اینچ، یک تصویر 576 × 704، جزئیات بیشتر از 288×352 را دربرمی‌گیرد و همچنین HDTV نسبت به SDTV با اندازه فیزیکی یکسان مطلوب‌تر است
متأسفانه، کاربرد مستقیم رویکرد پیکسل تابع بر نمونه‌برداری پایین ممکن است مسأله و شکل حاشیه رنگی را موجب شود و ممکن است محصولات مصنوعی تحریف شده را بوجود آورد. یعنی فیلترها و صافی‌ها برای توقیف محصولات مصنوعی حاشیه رنگی بدون صدمه به تجزیه و تحلیل آشکار بهبود یافته ضروری است
گیب‌سان یک فیلتر با سرعت پایین Low Pass Filter3 برای بهبودی نتایج نمونه‌برداری پایین بر پایه پیکسل تابع استفاده کرد. به هر حال، فیلتر با سرعت پایین، حاشیه رنگی را درتیرگی تصویر آشکار می‌سازد و فقط میتواند به عنوان یک روش افزایش برای تصاویر بی‌رنگ پذیرفته شود. براساس آزمایشات و بررسی‌های زیست‌شناسی روانی، تعریف و تعیین یک خطا در قلمرو و حوزه فرکانس انجام می‌پذیرد و ضرایب فیلتر با حداقل رساندن اندازه و معیار خطا ناشی میشود. بت‌ری‌سی‌ات‌آل،از نتایج و بررسی‌های پلات برای ارائه فونت بی‌رنگ استفاده کرد که بر پایه سیستم نوع آشکار و واضح میکروسافت بود. در تصاویر 14 و 15، یک محاسبه عددی براساس HVS برای توقیف تیرگی مشهود پیشنهاد شد. به هر حال تمام این روش‌ها نمونه‌برداری پایین بر پایه پیکسل فرعی و تابع را به صورت افقی به انجام رساند. محققان بر به‌کارگیری نمونه‌برداری پایین بر پایه پیکسل به‌طور عمودی تلاش نکردند و نتایج کمتری در مسیر عمودی نسبت به مسیر افقی پیکسلهای فرعی و تابع بدست آمد. در این بحث ما بر این تلاش هستیم که از تجزیه و تحلیل قلمرو فرکانسی برای بررسی رویدادها و وقایع در نمونه‌برداری پایین بر پایه پیکسل تابع و چرایی امکان اکتساب تجزیه و تحلیل بالاتر و آشکار استفاده کنیم و ما سپس به طرح‌ریزی فیلترها و صافی‌های ضد الیاسینگ برای طرح‌ها و نقشه‌های نمونه‌برداری پایین بر پایه پیکسل تابع و فرعی بر اساس تجزیه و تحلیل قلمرو- فرکانسی می‌پردازیم
پایان این بحث همانند ذیل سازماندهی میشود. در بخشی II ما در ابتدا خصوصیات فرکانس DPD و دو طرح نمونه‌برداری پایین بر پایه پیکسل فرعی و تابع، نمونه‌برداری بر پایه پیکسل تابع مستقیم (DSD) و DSD مورب را تجزیه و تحلیل می‌کنیم. زمانی که DSD و DDSD محصولات مصنوعی حاشیه زندگی را موجب میشود، ما فیلترها و صافی‌های جدید برای آنها براساس تجزیه و تحلیل قلمرو فرکانسی خودمان طرح‌ریزی می‌کنیم و طرح‌ها و نقشه‌های نتیجه‌گیری DSD بر پایه تجزیه و تحلیل قلمرو فرکانسی (DSD-FA) و DDSD بر پایه تجزیه و تحلیل فرکانسی (DDSD-FA) می‌نامیم. در بخش III ما به معرفی ارزیابی‌های اهدافی برای محاسبه روشهای پیشنهاد شده می‌پردازیم. نتایج آزمایشی در بخش IV شرح داده شدند و سرانجام بخش V به نتیجه‌گیری بحث می‌پردازد
2-3 نمونه‌برداری پایین پیکسل تابع پیشنهاد شده بر پایه تجزیه و تحلیل قلمرو- فرکانسی
