專利名稱：用于抗混疊的過濾方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明所揭露的實(shí)施例均在圖形數(shù)據(jù)處理的領(lǐng)域中。
背景技術(shù)：
混疊(aliasing)是計(jì)算器圖形的基本問題，而抗混疊則減輕混疊的問題、或肇 因于不足采樣(undersampling)的高頻噪聲。目前用于實(shí)時(shí)著色(real-time rendering)
(尤其是用于游戲)的抗混疊技術(shù)通常過于昂貴。然而，最新的圖形硬件的性能已使 得抗混疊不再是奢侈、而是一項(xiàng)值得期待的特征。舉例來說，圖形基準(zhǔn)評述(graphics benchmarking review)指出，即使是中價(jià)位的硬件，也最少需要2X多重采樣抗混疊。目前已發(fā)展出數(shù)種抗混疊的方法。已知的解決方案通常對像素次采樣采用 盒式過濾器(box filter)，該盒式過濾器在顯示的結(jié)果中提供了一些改良。超級采樣 (supersampling)和多重采樣抗混疊(multisample anti-aliasing ； MSAA)為針對現(xiàn)代圖形 硬件提供抗混疊的兩種常用方式。一般而言，超級采樣是以較高的分辨率(resolution) 對場景加以渲染，并繼而下降采樣至目標(biāo)分辨率。超級采樣就性能和存儲(chǔ)器帶寬而言 是昂貴的，然而，由于整個(gè)場景均以較高的分辨率渲染，因此，結(jié)果傾向具有高質(zhì)量 (quality)。下降采樣是實(shí)施于稱為解析(resolve)的處理步驟中，該解析是使用過濾來聚 集采樣。MSAA為另一種超級采樣，并且是目前消費(fèi)者圖形處理器單元(GPU)上的實(shí)時(shí) 圖形主要的抗混疊方法。第三種方法也是最近才出現(xiàn)的，稱為覆蓋采樣，該覆蓋采樣的 目標(biāo)為產(chǎn)生類似于MSAA的質(zhì)量水平，但卻具有減少的存儲(chǔ)器需求。在多重采樣方法中，每當(dāng)像素中一個(gè)或多個(gè)次采樣被多邊形覆蓋時(shí)，則針對那 個(gè)像素，計(jì)算該多邊形的單一顏色分布，并且針對每一個(gè)覆蓋的次采樣位置存儲(chǔ)此顏色 數(shù)值。文中將會(huì)提及該緩沖器，在該緩沖器中，此數(shù)值是存儲(chǔ)作為MSAA顏色緩沖器。 如果實(shí)施深度緩沖，則也會(huì)針對每一個(gè)次采樣計(jì)算唯一的深度數(shù)值，并將該深度數(shù)值存 儲(chǔ)于MSAA深度緩沖器中。當(dāng)該場景可供顯示時(shí)，則實(shí)施解析(通常僅有MSAA顏色 緩沖器被解析，因?yàn)樯疃刃畔⒉]有顯示在屏幕上)。在大多數(shù)的實(shí)作中，是使用簡單 盒式過濾器，該簡單盒式過濾器將次采樣信息予以平均。硬件MSAA模式是由采樣網(wǎng)格 的圖案來特征化，大部分的圖形硬件單元采用不規(guī)則的網(wǎng)格。圖IA顯示實(shí)例抗混疊圖案 102、104和106。在圖IB中，左像素108顯示基元(primitive)的區(qū)域分布。在MSAA 中，通過使用次像素采樣而近似該區(qū)域，如像素110所顯示的。通過僅僅增加采樣的數(shù)目有可能增加影像的質(zhì)量。然而，當(dāng)采樣的數(shù)目增加 時(shí)，存儲(chǔ)器和處理費(fèi)用也大幅度地增加。因此希望能提供一種通過有利地使用現(xiàn)有的圖 形處理硬件、但又不會(huì)增加采樣的數(shù)目的方法，來改良抗混疊質(zhì)量。

發(fā)明內(nèi)容
文中所描述的用于抗混疊的過濾方法和裝置包含處理圖形數(shù)據(jù)的方法，該方法 包括將像素根據(jù)像素采樣的數(shù)值和周圍鄰域的像素采樣的數(shù)值分類成一個(gè)或多個(gè)群 組；以及，以特定于像素的每一個(gè)群組的過濾器來過濾該群組。在一個(gè)實(shí)施例中，該采樣包括使用從包括超級采樣、多重采樣、和覆蓋采樣的 群組中所選擇的一個(gè)或多個(gè)抗混疊方法所產(chǎn)生的采樣。一個(gè)實(shí)施例進(jìn)一步包括將兩個(gè)像素群組界定成邊緣像素和非邊緣像素。在一個(gè)實(shí)施例中，一個(gè)群組被分類為邊緣像素，以及其中，該方法進(jìn)一步包括 決定邊緣像素的邊緣方向的近似值。在一個(gè)實(shí)施例中，邊緣像素的邊緣方向的該近似值包括邊緣法線方向的近似值。在一個(gè)實(shí)施例中，計(jì)算該邊緣方向的該近似值包括對采樣的數(shù)值進(jìn)行線性函數(shù) 擬合。一個(gè)實(shí)施例進(jìn)一步包括通過評估該近似值的準(zhǔn)確度來將邊緣像素再分類為邊緣 或非邊緣像素。一個(gè)實(shí)施例進(jìn)一步包括使用最大差異閾值法來分類像素。一個(gè)實(shí)施例進(jìn)一步包括如果最大差異閾值法非邊緣像素接觸到邊緣像素，則將 該最大差異閾值法非邊緣像素再分類為邊緣像素.一個(gè)實(shí)施例進(jìn)一步包括產(chǎn)生主動(dòng)和被動(dòng)像素的屏蔽。一個(gè)實(shí)施例進(jìn)一步包括對從每一個(gè)邊緣像素和從該邊緣像素的鄰域所取得的該 采樣使用過濾器，以計(jì)算像素?cái)?shù)值。在一個(gè)實(shí)施例中，該過濾器通過利用根據(jù)該邊緣法線方向的該近似值所計(jì)算的 采樣權(quán)重來恢復(fù)邊緣位置。本文所描述的用于抗混疊的該過濾方法和裝置進(jìn)一步包含一種系統(tǒng)，包括圖 形處理器；以及，存儲(chǔ)器裝置，可被該圖形處理器訪問，該存儲(chǔ)器裝置具有存儲(chǔ)于其 上的指令，該指令包含著色程序，當(dāng)在該圖形處理器上執(zhí)行該著色程序時(shí)，實(shí)施抗混疊 方法，該方法包括，將像素根據(jù)像素采樣的數(shù)值和周圍鄰域的數(shù)值分類成一個(gè)或多個(gè)群 組；以及，以特定于該像素的每一個(gè)群組的過濾器過濾該群組。在一個(gè)實(shí)施例中，該采樣包括使用從包含超級采樣、多重采樣、和覆蓋采樣的 群組中所選擇的一個(gè)或多個(gè)抗混疊方法所產(chǎn)生的采樣。一個(gè)實(shí)施例進(jìn)一步包括將兩個(gè)像素群組界定成邊緣像素和非邊緣像素。本文所描述的用于抗混疊的該過濾方法和裝置進(jìn)一步包含，一個(gè)群組被分類為 邊緣邊緣像素，以及其中，該方法進(jìn)一步包含決定邊緣法線方向的近似值。
本文所描述的用于抗混疊的該過濾方法和裝置進(jìn)一步包括一種系統(tǒng)，包括圖 形處理器；以及，存儲(chǔ)器裝置，可被該圖形處理器訪問，該存儲(chǔ)器裝置具有存儲(chǔ)于其上 的指令，該指令包含著色程序，當(dāng)在該圖形處理器上執(zhí)行該著色程序時(shí)，實(shí)施抗混疊方 法，該方法包括，接收抗混疊像素采樣；邊緣屏蔽，包括識別該采樣中的非邊緣像素； 過濾器屏蔽，包括識別該采樣中的邊緣像素；根據(jù)每一個(gè)邊緣像素的邊緣的法線方向使用導(dǎo)出的過濾器過濾該邊緣采樣，以及，使用標(biāo)準(zhǔn)過濾器算法過濾該非邊緣采樣。一個(gè)實(shí)施例進(jìn)一步包含軟件驅(qū)動(dòng)器，以及其中，該抗混疊方法是由該驅(qū)動(dòng)器使 用該圖形處理器上的多個(gè)渲染通道來實(shí)施，該多個(gè)渲染通道包括第一通道，該第一通道 僅通過不含有邊緣像素的區(qū)塊。在一個(gè)實(shí)施例中，該多個(gè)渲染通道進(jìn)一步包括第二通道，該第二通道僅通過含 有至少一個(gè)邊緣的區(qū)塊，以及其中，著色器計(jì)算標(biāo)準(zhǔn)解析，并同時(shí)識別邊緣像素。 在一個(gè)實(shí)施例中，該第二通道包含最大差異閾值法，實(shí)施該最大差異閾值法以 消除可能的內(nèi)部像素。本文所描述的用于抗混疊的該過濾方法和裝置包含一種計(jì)算器可讀取媒體，具 有存儲(chǔ)于其上的指令，當(dāng)在圖形處理系統(tǒng)中執(zhí)行該指令時(shí)，使抗混疊方法得以實(shí)施，該 方法包括接收多個(gè)抗混疊采樣；識別邊緣像素，包括，當(dāng)像素的該抗混疊采樣為相同 時(shí)，將該像素分類為邊緣像素；以及，檢查該像素周圍的像素，并根據(jù)該檢查，決定是 否改變該像素的該分類；以及，使用邊緣像素過濾器過濾邊緣像素，包括將權(quán)重指定給 每一個(gè)所述采樣。在一個(gè)實(shí)施例中，該多個(gè)采樣包括使用從包含超級采樣、多重采樣、和覆蓋采 樣的群組中所選擇的一個(gè)或多個(gè)抗混疊方法所產(chǎn)生的采樣。


圖IA為現(xiàn)有技術(shù)的實(shí)例抗混疊圖案的圖式；圖IB為顯示基元的區(qū)域分布的圖式，其中，該區(qū)域是通過使用MSAA中的次像 素采樣來加以近似；圖2為例示依據(jù)實(shí)施例的積分模型的圖式；圖3為顯示實(shí)例圖案屏蔽A、B、C和D的圖式，圖案屏蔽A、B、C和D是用
來依據(jù)實(shí)施例消除潛在問題像素；圖4為例示依據(jù)實(shí)施例的積分模型的圖式；以及圖5為例示依據(jù)實(shí)施例的各種驅(qū)動(dòng)器通道的圖式。該圖式代表各種實(shí)施例的態(tài)樣，其目的是揭露如所請求保護(hù)的發(fā)明，但并不意 欲以任何方式來加以限制。
具體實(shí)施例方式經(jīng)由圖形硬件的演進(jìn)，當(dāng)可編程單元的能力和彈性增加時(shí)，更多固定功能操作 經(jīng)實(shí)作使用著色程序(shader program)。已經(jīng)顯示許多后渲染效應(yīng)(post-rendering effect)
可實(shí)作在這些著色器單元(例如，運(yùn)動(dòng)模糊(motionblur))上。本文所描述的實(shí)施例包含 可編程抗混疊(AA)功能，其包含改良的過濾軟件和改良的使用硬件資源，其改良抗混疊 和影像質(zhì)量，但卻沒有增加采樣的數(shù)目。最近產(chǎn)生的圖形硬件針對多重采樣抗混疊(MSAA)渲染數(shù)據(jù)提供直接訪問 (directaccess)。通過利用像素次采樣數(shù)值，可使用可編程的圖形處理單元(GPU)著色器 單元來計(jì)算智能型重建過濾器。實(shí)施例包含適應(yīng)型抗混疊過濾器，用來在GPU上實(shí)時(shí)渲 染。通過使用來自于鄰近像素采樣以計(jì)算次像素位置的近似值和像素內(nèi)的基元邊緣的法線方向，以改良質(zhì)量。本文所 描述的用于抗混疊的過濾方法和裝置的實(shí)施例通過使用存儲(chǔ)在多重采樣 抗混疊(MASS)緩沖器中經(jīng)過渲染后的數(shù)據(jù)作為輸入，以利用改良的現(xiàn)有硬件。標(biāo)準(zhǔn)硬 件盒式過濾器接著被更聰明的解析所取代，該解析是使用著色器。實(shí)施例使用由圖形處 理單元(GPU)硬件所產(chǎn)生的現(xiàn)有的采樣來發(fā)現(xiàn)場景邊緣。使用來自于較單一像素大的足 跡的采樣，計(jì)算邊緣位置與邊緣法線方向的近似值。將采樣朝該法線的方向分配的非線 性過濾器給予最終結(jié)果。圖2為系統(tǒng)200的各種組件的方塊圖，系統(tǒng)200包含GPU 202和CPU 214。 圖 2顯示實(shí)施該揭露和請求保護(hù)的發(fā)明的系統(tǒng)的實(shí)例，但并不意欲受其限制。該GPU 202 包含各種驅(qū)動(dòng)器204、存儲(chǔ)器控制器208和各種客戶206。該客戶206與存儲(chǔ)器控制器 208通信。該存儲(chǔ)器控制器208控制客戶206對本地存儲(chǔ)器210 (例如，視頻存儲(chǔ)器)的 訪問，并控制客戶206對總線218的訪問。更確切地說，該存儲(chǔ)器控制器208決定那些 客戶206與本地存儲(chǔ)器210通信以及那些客戶206和于何時(shí)與總線218通信。在一個(gè)實(shí) 施例中，該本地存儲(chǔ)器210存儲(chǔ)如本文進(jìn)一步所提到的多次著色程序222。然而，在其 它實(shí)施例中，該著色程序也可存儲(chǔ)在該GPU 202上的芯片上(on-chip)。在另一個(gè)實(shí)施例 中，著色器222可存儲(chǔ)在系統(tǒng)存儲(chǔ)器216上，而該系統(tǒng)存儲(chǔ)器216可通過橋接器212而經(jīng) 由總線218訪問。在又一個(gè)實(shí)施例中，該著色器222可存儲(chǔ)在該系統(tǒng)中存儲(chǔ)器裝置的組 合上。邊緣導(dǎo)引、方向性適應(yīng)的抗混疊過濾器抗混疊架構(gòu)的概述在計(jì)算器圖形中，物體上的邊緣由顯示裝置的有限分辨率所引起的鋸齒狀外觀 ("jaggies")稱為混疊。更精確地說，混疊是指高頻信號以過低的速率加以采樣的一 種現(xiàn)象，該過低的速率使得該信號無法通過過濾而被正確地重建。該高頻信號經(jīng)過過濾 后，接著如較低頻率信號般呈現(xiàn)在該重建的數(shù)據(jù)中(該高頻數(shù)據(jù)Mft成較低頻率，并且 如噪聲般呈現(xiàn)在該影像中)。計(jì)算器圖形中不希望的混》偽影(artifact)可于該渲染的處 理期間來自于多個(gè)來源，而抗混疊則試圖使用訊框緩沖器操作(frame-buffer operation)來 去除可見的混疊效應(yīng)。所描述的實(shí)施例包含達(dá)到此目標(biāo)的過濾器。接下來的討論集中在 將信號數(shù)字化成訊框緩沖器，以便顯示。在沒有任何抗混疊(“AA” )的情況下，一種 數(shù)字化和在RGB空間中顯示連續(xù)信號f = f(v) (ν為連續(xù)屏幕空間中的位置[X，y])的模 型為fWD=(fU*bOXl^^ (1)其中，De。mb為狄拉克梳狀(Dirac comb)(脈沖串(impulse train))，代表連續(xù)回旋(continuous convolution)，而boxLC;D則為對應(yīng)于顯示像素的盒式過
濾器核心，其中，假設(shè)相當(dāng)?shù)头直媛实腖CD顯示器(在CRT顯示器中，像素并非獨(dú)立因 此可與鄰近的像素混合，但LCD顯示器上的元素卻是離散的(discrete))。如果f沒有適 當(dāng)?shù)貛?bandlimit)于采樣速率(奈氏理論(Nyquisttheorem))的一半，則以D_b采樣將 會(huì)引入混疊。在頻域中，f的傅立葉轉(zhuǎn)換(Fouriertransform) /是與D。。mb的轉(zhuǎn)換作回旋， 其為另一個(gè)狄拉克梳狀。/的副本之間的重疊為來自于不足采樣的噪聲。AA的一般模 型為((Pfilter) · D_b)*boxLCD 方程式⑵
其中，filter是用作預(yù)先過濾器，以帶限f并降低噪聲。通常在圖形中，盒式過 濾器是用于filter，其對應(yīng)于該信號于像素上的積分(integration)?？商岢鰻幷摰氖牵?為預(yù)先過濾器的該盒狀并不是希望的，而是應(yīng)使用更帶限的過濾器。然而，具有較小通 帶(passband)的過濾器由于該模糊效應(yīng)，因此對于游戲圖形而言，并非總是希望的，而 且，他們對于計(jì)算通常更昂貴。一個(gè)實(shí)施例是基于盒式過濾器的使用，但可延伸至不同 的預(yù)先過濾器?？够殳B的一個(gè)目標(biāo)為估計(jì)Pbox的結(jié)果或f于像素上的積分。實(shí)際上， 沒有連續(xù)的f，而是有f基于超級采樣或MSAA網(wǎng)格的采樣。這些網(wǎng)格通常是不規(guī)則的， 但本文所描述的算法可演算任何網(wǎng)格。算法概述在一個(gè)實(shí)施例中，該算法的后期階段是應(yīng)用在部分被基元所覆蓋的像素(也就 是邊緣像素)，而完全被基元所覆蓋的像素則會(huì)被該算法的早期階段偵測出來，并以典型 的方式加以處理。完全被覆蓋的(內(nèi)部)像素通常具有特定結(jié)構(gòu)(textured)，并且，結(jié)構(gòu) 邊緣由于可預(yù)先過濾或以其它方式處理故可予以忽略。對于部分被覆蓋的像素而言，在 長邊緣的中段的那些(延伸通過數(shù)個(gè)像素的那些)最為重要，在這些地方，鋸齒狀最看得 見。假設(shè)該邊緣在該像素處不具有高曲率，則該信號可由該函數(shù)而近似于該像素的鄰域 中。/
權(quán)利要求
1.一種處理圖形數(shù)據(jù)的方法，該方法包括將像素根據(jù)像素采樣的數(shù)值和周圍鄰域的像素采樣的數(shù)值分類成一個(gè)或多個(gè)群組；以及以特定于像素的每一個(gè)群組的過濾器來過濾該群組。
2.如權(quán)利要求1所述的方法，其中，該采樣包括使用從包括超級采樣、多重采樣、和 覆蓋采樣的群組中所選擇的一個(gè)或多個(gè)抗混疊方法所產(chǎn)生的采樣。
3.如權(quán)利要求1所述的方法，進(jìn)一步包括將兩個(gè)像素群組界定成邊緣像素和非邊緣像素。
4.如權(quán)利要求1所述的方法，其中，一個(gè)群組被分類為邊緣像素，以及其中，該方法 進(jìn)一步包括決定邊緣像素的邊緣方向的近似值。
5.如權(quán)利要求4所述的方法，其中，邊緣像素的邊緣方向的該近似值包括邊緣法線方 向的近似值。
6.如權(quán)利要求4所述的方法，其中，計(jì)算該邊緣方向的該近似值包括對采樣的數(shù)值進(jìn) 行線性函數(shù)擬合。
7.如權(quán)利要求6所述的方法，進(jìn)一步包括通過評估該近似值的準(zhǔn)確度來將邊緣像素再 分類為邊緣或非邊緣像素。
8.如權(quán)利要求1所述的方法，進(jìn)一步包括使用最大差異閾值法(MDT)來分類像素。
9.如權(quán)利要求8所述的方法，進(jìn)一步包括如果最大差異閾值法非邊緣像素接觸到邊緣 像素，則將該最大差異閾值法非邊緣像素再分類為邊緣像素。
10.如權(quán)利要求7所述的方法，進(jìn)一步包括產(chǎn)生主動(dòng)和被動(dòng)像素的屏蔽。
11.如權(quán)利要求7所述的方法，進(jìn)一步包括對從每一個(gè)邊緣像素和從該邊緣像素的鄰 域所取得的該采樣使用過濾器，以計(jì)算像素?cái)?shù)值。
12.如權(quán)利要求11所述的方法，其中，該過濾器通過利用根據(jù)該邊緣法線方向的該近 似值所計(jì)算的采樣權(quán)重來恢復(fù)邊緣位置。
13.—種系統(tǒng)，包括 圖形處理器；以及存儲(chǔ)器裝置，可被該圖形處理器訪問，該存儲(chǔ)器裝置具有存儲(chǔ)于其上的指令，該指 令包含著色程序，當(dāng)在該圖形處理器上執(zhí)行該著色程序時(shí)，實(shí)施抗混疊方法，該方法包 括，將像素根據(jù)像素采樣的數(shù)值和周圍鄰域的數(shù)值分類成一個(gè)或多個(gè)群組；以及 以特定于該像素的每一個(gè)群組的過濾器過濾該群組。
14.如權(quán)利要求13所述的系統(tǒng)，其中，該采樣包括使用從包括超級采樣、多重采樣、 和覆蓋采樣的群組中所選擇的一個(gè)或多個(gè)抗混疊方法所產(chǎn)生的采樣。
15.如權(quán)利要求13所述的系統(tǒng)，進(jìn)一步包括將兩個(gè)像素群組界定成邊緣像素和非邊緣像素。
16.如權(quán)利要求13所述的系統(tǒng)，其中，一個(gè)群組被分類為邊緣像素，以及其中，該方 法進(jìn)一步包括決定邊緣法線方向的近似值。
17.—種系統(tǒng)，包括 圖形處理器；以及存儲(chǔ)器裝置，可被該圖形處理器訪問，該存儲(chǔ)器裝置具有存儲(chǔ)于其上的指令，該指 令包含著色程序，當(dāng)在該圖形處理器上執(zhí)行該著色程序時(shí)，實(shí)施抗混疊方法，該方法包 括，接收抗混疊像素采樣；邊緣屏蔽，包括識別該采樣中的非邊緣像素；過濾器屏蔽，包括識別該采樣中的邊緣像素；根據(jù)每一個(gè)邊緣像素的邊緣的法線方向使用導(dǎo)出的過濾器過濾該邊緣采樣，以及使用標(biāo)準(zhǔn)過濾器算法過濾該非邊緣采樣。
18.如權(quán)利要求17所述的系統(tǒng)，進(jìn)一步包括軟件驅(qū)動(dòng)器，以及其中，該抗混疊方法 是由該驅(qū)動(dòng)器使用該圖形處理器上的多個(gè)渲染通道來實(shí)施，該多個(gè)渲染通道包括第一通 道，該第一通道僅通過不含有邊緣像素的區(qū)塊。
19.如權(quán)利要求18所述的系統(tǒng)，其中，該多個(gè)渲染通道進(jìn)一步包括第二通道，該第二 通道僅通過含有至少一個(gè)邊緣的區(qū)塊，以及其中，著色器計(jì)算標(biāo)準(zhǔn)解析，并同時(shí)識別邊 緣像素。
20.如權(quán)利要求19所述的系統(tǒng)，其中，該第二通道包含最大差異閾值法，實(shí)施該最大 差異閾值法以消除可能的內(nèi)部像素。
21.—種計(jì)算器可讀取媒體，具有存儲(chǔ)于其上的指令，當(dāng)在圖形處理系統(tǒng)中執(zhí)行該指 令時(shí)，使抗混疊方法得以實(shí)施，該方法包括接收多個(gè)抗混疊采樣；識別邊緣像素，包括，當(dāng)像素的該抗混疊采樣為相同時(shí)，將該像素分類為邊緣像素；以及檢查該像素周圍的像素，并根據(jù)該檢查，決定是否改變該像素的該分類；以及使用邊緣像素過濾器過濾邊緣像素，包括將權(quán)重指定給每一個(gè)所述采樣。
22.如權(quán)利要求21所述的計(jì)算器可讀取媒體，其中，該多個(gè)采樣包括使用從包括超級 采樣、多重采樣、和覆蓋采樣的群組中所選擇的一個(gè)或多個(gè)抗混疊方法所產(chǎn)生的采樣。
全文摘要
本文所描述的用于抗混疊的過濾方法和裝置的實(shí)施例通過使用存儲(chǔ)在多重采樣抗混疊(MSAA)緩沖器中經(jīng)過著色后的數(shù)據(jù)作為輸入，以利用改良的現(xiàn)有硬件。標(biāo)準(zhǔn)硬件盒式過濾器接著被更聰明的解析所取代，該解析是使用著色程序來實(shí)作。實(shí)施例使用由圖形處理單元(GPU)硬件所產(chǎn)生的現(xiàn)有采樣來發(fā)現(xiàn)場景邊緣。使用來自于較單一像素大的足跡的采樣，經(jīng)計(jì)算的梯度是符合邊緣的方向。將采樣朝該梯度的方向分配的非線性過濾器給予最終結(jié)果。
文檔編號G06T5/00GK102016916SQ200980112351
公開日2011年4月13日 申請日期2009年4月3日 優(yōu)先權(quán)日2008年4月4日
發(fā)明者A·波密亞諾夫斯基, J·楊, K·約爾查 申請人:先進(jìn)微裝置公司