《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計應(yīng)用 > 一種高品質(zhì)優(yōu)化的紋理采樣濾波方法
一種高品質(zhì)優(yōu)化的紋理采樣濾波方法
2015年電子技術(shù)應(yīng)用第5期
劉曉芳1,李景麗2
1.河南城建學(xué)院 電氣與信息工程學(xué)院,,河南 平頂山467036,; 2.黃河水利職業(yè)技術(shù)學(xué)院 自動化工程系,,河南 開封475003
摘要: 提出了從一個Mipmap[1]中通過幾種分辨率結(jié)合指定數(shù)目的紋理來創(chuàng)建高品質(zhì)采樣過濾器的方法,。此方法能控制在讀取每次采樣時的紋理數(shù)量,,以便擴(kuò)展品質(zhì)來匹配GPU的內(nèi)存,。
關(guān)鍵詞: 紋理 濾波器 基數(shù)約束
中圖分類號: TN943
文獻(xiàn)標(biāo)識碼: A
文章編號: 0258-7998(2015)05-0109-03
A high quality optimization texture sampling filter method
Liu Xiaofang1,,Li Jingli2
1.College of Electrical and Information Engineering,,Henan University of Urban Construction,,Pingdingshan 467036,,China; 2.Automation Engineering Department,,Yellow River Conservancy Technical Institute,,Kaifeng 475003,China
Abstract: A method by combining texture from a specified number of Mipmap in several resolutions to create high-quality sampling filter is presented in this paper. This method can control the number of reads per sample texture, so as to expand the quality to match the GPU memory. To find the best texture collection to represent a given sampling filter, using cardinality constrained least squares optimization method and storing the results to optimize encoding a table it′s easier to store on the GPU. The results show a few can accurately read the texture reconstruction filter, when four or more per sample texture, and this method can produce better image quality than tri-linear interpolation.
Key words : texture,;filter,;cardinality constrain

    

0 引言

    藝術(shù)家經(jīng)常將圖像、紋理應(yīng)用到三維模型的表面,,然而,,在模型上顯示圖像時必須小心,因為在紋理和顯示像素之間沒有一一對應(yīng)關(guān)系,。當(dāng)一個在遠(yuǎn)處的模型把幾個紋理對應(yīng)于每個像素采樣會導(dǎo)致錯誤的模式,,即出現(xiàn)混疊。如果繪制紋理作為二維信號采樣,,香農(nóng)采樣定理要求在圖像采樣之前必須使用一個低通濾波器去除高頻數(shù)據(jù),。渲染算法通常使用名為Mipmap的圖像金字塔[1]加速圖像濾波。本文提出一種方法,,結(jié)合在Mipmap中的紋理重現(xiàn),,只讀取每個樣本的幾個紋理的低通濾波結(jié)果。由于內(nèi)存帶寬往往是圖形應(yīng)用程序的瓶頸,,所以盡可能有效使用帶寬,。該方法可以通過擴(kuò)展紋理的數(shù)目來匹配可用帶寬,通過精心選擇紋理元素來準(zhǔn)確地再現(xiàn)圖像過濾器,,為圖像的放大,、平移和旋轉(zhuǎn)而過濾掉嚴(yán)重的混疊[2]。此方法還可以近似高質(zhì)量的過濾器,,例如在實時Lanczos 2過濾器[3]中,,由于過濾器的尺寸和復(fù)雜性僅僅影響預(yù)處理時間,因而用來計算濾波器系數(shù)表和生成Mipmap,。

1 多分辨率采樣

tx6-gs1-s.gif

tx6-gs1.gif

tx6-t1.gif

tx6-gs2-3.gif

tx6-t2.gif

    本文的方法和線性插值使用4個基函數(shù)在tx6-gs3-x.gif上插值,。本文方法的結(jié)果見圖2(a),雙線性插值結(jié)果見圖2(c),,從圖上能看出本文方法再現(xiàn)濾波器優(yōu)于線性插值,,基函數(shù)乘以系數(shù)用來近似濾波器的結(jié)果顯示在圖2(b)和圖2(d)中。在圖2(b)中不同的平移顯示近似濾波器的最優(yōu)策略取決于參數(shù)tx6-gs3-x2.gif在左邊,,最好的方法是從比tx6-gs3-x3.gif更寬的基函數(shù)中減去,;在右邊,最好的解決辦法是增加高分辨率基函數(shù)來近似tx6-gs3-x4.gif


2 多項式擬合

tx6-gs4-5.gif

    式(4)中cij是二次方程,它作為一個線性系統(tǒng),,可優(yōu)化選擇多少個紋理可以使用,、如何細(xì)分域和多項式的階。

3 組合和啟發(fā)式算法

    通過求解線性系統(tǒng)來找到紋理的權(quán)重非常方便,,但也會出現(xiàn)許多紋理集合,。對于每個子域,需要找到tx6-bt3-2.gif的紋理集合,,當(dāng)評估式(4)時具有最低的誤差,。如果從N=|E|個可能的紋理中選出n個紋理,則需要檢查tx6-bt3-1.gif個紋理組合的錯誤,。顯然,,為容易處理這個問題需要盡可能地減小N。首先需要觀察的是排除紋理不在tx6-bt3-3.gif的支持內(nèi),,其次需要觀察的是當(dāng)n很小時主要用低分辨率紋理來近似濾波器,。對于一個n=8的濾波器僅用來自相對于Mipmap的0、1和2級的紋理,,因此在優(yōu)化過程中可以排除其他的分辨率,。

4 實現(xiàn)

tx6-bt4-x1.gif

    圖3中用曲線圖表示本文方法的近似誤差和三線性插值的誤差歸一化,比較一個直接卷積濾波器為從2~10的整數(shù)樣本,。本文方法的成本取決于子域的數(shù)目和匹配多項式的順序,,所以比較線性多項式為ei在2×2×1、4×4×2和8×8×4細(xì)分域上的誤差以及二次多項式在2×2×1和4×4×2細(xì)分域上的誤差,。本文的方法可以近似各種濾波器,,用不同濾波器進(jìn)行Mipmap采樣時,比較本文方法與三線性插值的誤差,。

tx6-t3.gif

    圖4是使用8個紋理的濾波器來展示本文方法的訪問模式的示例,。從3個Mipmap級別讀取,而三線性插值僅僅從2個級別讀取,,通過使用兩個緩存交替Mipmap級別為三線性訪問作GPU優(yōu)化,,從3個級別讀取會導(dǎo)致緩存沖突。圖形處理器也可能通過三線性插值優(yōu)化2×2四邊形紋理,。本文方法也將不規(guī)則地讀取相鄰像素,,因為在一個4×4×2離散相鄰的像素中將至少有一個子域的跨越。

tx6-t4.gif

    測試在ATI和NVIDIA的GPU之間是一致的,,表明了本地硬件實現(xiàn)顯著提高了三線性插值的性能,展示了一個濾波器的4×4×2離散的8個紋理訪問模式,。單元域為粗線條黑色方框,,圖像的每一列表示在一個子域所使用的紋理,其中具有非零系數(shù)的紋理為黑色陰影。

    圖5為使用一個濾波器,,取4,、6和8個紋理元件時表現(xiàn)出鋸齒在一個無限平面的棋盤圖案。一個差的過濾器不能輕松地隱藏混疊模式,,當(dāng)使用8個紋理,、在三線性插值獲取相同數(shù)目的紋理時,本文的過濾器看起來銳利和清晰,;使用6個紋理和8個紋理的結(jié)果幾乎無區(qū)別,;當(dāng)使用4個紋理元素,圖像會略顯雜亂,,并在前臺邊緣顯得有點(diǎn)粗糙,。

tx6-t5.gif

5 結(jié)論

    內(nèi)存帶寬是圖形應(yīng)用的一個瓶頸,本文方法具有一定的實用價值,,其局限是GPU已設(shè)計為三線性插值優(yōu)化,,這使得多種解釋方法可能存在:一個是該方法更適合于離線光柵化和光線追蹤;另一個是硬件設(shè)計將改變以更好地支持隨機(jī)訪問該方法的訪問模式,。實驗表明,,在簡單的假設(shè)下可以通過優(yōu)化紋理和系數(shù)實現(xiàn)更好的濾波。

參考文獻(xiàn)

[1] WILLIAMS L.Pyramidal parametrics[M].SIGGRAPH,,1983:1-11.

[2] 吳江波,,汪西原.一種改進(jìn)的基于紋理和顏色的運(yùn)動陰影檢測[J].電視技術(shù),2014,,38(7):178-181.

[3] DUCHON C.Lanczos filtering in one and two dimensions[J].Journal of Applied Meteorology,,1979,18(8):1016-1022.

[4] 李國成,,肖慶憲.基數(shù)約束投資組合問題的一種混合元啟發(fā)式算法求解[J].計算機(jī)應(yīng)用研究,,2013,30(8):2292-2297.

[5] 王波,,高岳林.基數(shù)約束下基于CVaR度量的投資組合優(yōu)化模型[J].統(tǒng)計與決策,,2011,14(1):52-55.

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。