为什么在路径跟踪中使用帐篷过滤器？

C路径跟踪器Smallpt的99行会为其打算渲染的每个像素渲染一个2x2的子像素网格，然后执行一个帐篷过滤器将它们合并。

有一个有趣的演示解释代码在这里，它提到了帐篷过滤器，但没有解释为什么它的存在。

谁能解释为什么在这种情况下，帐篷过滤器比盒子模糊（仅对样本取平均值）更合适？

使用比帐篷过滤器更好的东西（例如双三次Hermite插值）会更高质量吗？

理论上理想的用于离散采样数据的抗混叠滤波器是一个Sinc滤波器，因为它可以完美地去除所有高于奈奎斯特频率的频率，而不会留下所有较低的频率。因此，在某种程度上，我们可以预期抗锯齿滤镜与sinc滤镜更相似，以产生更高质量的图像。

帐篷过滤器（三角形过滤器）肯定比箱形过滤器更类似于sinc过滤器的中心峰：

双三次滤波器（例如Mitchell-Netravali）甚至可以更精确地捕捉到辛克的形状，包括其前两个负波瓣。

滤波器选择的实际情况比“尽可能接近正弦”要微妙得多，因为“非理想”抗锯齿滤波器会产生不同种类的伪像，例如混叠，过度模糊和振铃。同样，不同的过滤器可能或多或少地在计算上昂贵。因此，这是一个试图权衡不同工件之间以及性能之间进行权衡的游戏。不同的场景/图像可能会偏爱一个选择或另一个选择，这在某种程度上也是一种审美判断。

至于为什么smallpt特别使用帐篷过滤器，我猜想性能（它是评估的快速过滤器）和简洁性的结合-可以用几行代码完成，而双三次过滤器则需要花费更多码。

顺便说一句，smallpt实际上使用2x2子像素网格，并在每个子像素处放置一个帐篷滤镜，然后将四个子像素的结果平均在一起。因此，奇怪的是，总体效果是四个帐篷的总和，最终看起来像一个金字塔，顶部平坦：

我不确定这是故意的，还是恰好是解决问题的方式。我的猜测是，与每个像素使用一个帐篷滤镜相比，这会导致图像更清晰（由于支持范围更窄），但可能还会出现更明显的锯齿。

我刚刚看了有关双线性插值的Wikipedia文章。帐篷过滤器是一种双线性插值。双线性插值在2维上进行插值。它首先在一个维度上进行线性插值，然后在另一个维度上进行线性插值。

当您查看此图片时，它首先在列上，然后在行上进行。

之所以比平均颜色更好，是因为当其中一个点比另一个点更靠近中心时，它对最终颜色的贡献更大。通过平均颜色，即使一个点比另一点更靠近中心，所有点的贡献也相同。

如果所有4个点都位于距中心等距离的固定位置上，那么您对所有点的贡献都恰好是25％，这与求平均值相同。

这意味着当您实现抗锯齿时，只需以4倍的高分辨率进行渲染，然后对其进行下采样。据我了解，这两种方式之间的输出应该相同。

那么，您应该使用哪个过滤器？好吧，这取决于您想要什么和您的情况。如果您为样本选择随机的子像素位置，则最好使用双线性插值。如果所有点都是固定的，而您只是以较高的分辨率进行渲染，则取平均值可能会很有用。最后，这只是通常您不会或几乎不会注意到的一些子像素的事情，因此，如果有AA的话，那就足够了。但这只是我的观点，可能是3D动画或类似内容的一般观看者的观点。

双三次插值使您看起来更平滑。双三次：

双线性：

哪个更好？好吧，这取决于您的喜好，我认为不会有很大的不同。

我的资料来源：https : //zh.wikipedia.org/wiki/Reconstruction_filter#Image_processing

https://zh.wikipedia.org/wiki/Bilinear_interpolation

https://zh.wikipedia.org/wiki/Bicubic_interpolation

（图像来自维基百科，属于公共领域）

我希望这会有所帮助，我只想说我不是一个专业人士，我只是一个喜欢计算机图形学的人。可能是我犯了一些错误。如果是这样，请说出来，然后我更改！