标签：

查找边缘

查找边缘的原因也是因为减少消耗，这样就可以只在边缘处进行超级采样，不必为全图进行采样了。
之前的文章详细说过三种查找边缘的方法Roberts,Sobel,Canny ，其中sobel最优，所以我们就是用sobel查找边缘
这里简单讲解一下，查找边缘的不同在于过滤器的不同，但都是水平垂直采样
Sobel算子的两个过滤器分别算出横向与纵向的灰度
 
GX为水平过滤器，GY为垂直过滤器，垂直过滤器就是水平过滤器旋转90度。
过滤器为3x3的矩阵，将与图像作平面卷积。
如果不存在边则两个点颜色很接近，过滤器返回一个较小的值，否则就可判断出边缘的存在。
找出边缘之后就可以模糊边缘了

模糊边缘

大家经常看到比如说SSAAx2,SSAAx4,x8….后面的数目就是采样点的个数。

之前翻译了一篇wiki上的超级采样

模糊边缘的方式（采样方式）有很多种，比较流行的几种有
网格采样，随机采样，poisson disc采样，Jitter算法采样，旋转网格采样
 

部分方法的采样范围，我设定为他们边缘的灰度了，也就是边缘检测中的G，因为G越大边缘越深，出现锯齿越明显，就要加大采样范围。

我们试试网格，随机，与旋转采样

网格采样比较简单，但是因为太规则了，模糊的效果可能不够好，
显获取周围的点，然后进行混色

		float4 c0 = tex2D(_MainTex, i.uv_MainTex + fixed2(0.5, 1) / _Size);
				float4 c1 = tex2D(_MainTex, i.uv_MainTex + fixed2(-0.5, 1) / _Size);
				float4 c2 = tex2D(_MainTex, i.uv_MainTex + fixed2(0.5, -1) / _Size);
				float4 c3 = tex2D(_MainTex, i.uv_MainTex + fixed2(-0.5, -1) / _Size);

				float2 randUV = 0;
				randUV = rand(float2(n.x, n.y));
				float4 c0 = tex2D(_MainTex, i.uv_MainTex + float2(randUV.x / 2, randUV.y) / _Size);
				randUV = rand(float2(-n.x, n.y));
				float4 c1 = tex2D(_MainTex, i.uv_MainTex + float2(randUV.x / 2, randUV.y) / _Size);
				randUV = rand(float2(n.x, -n.y));
				float4 c2 = tex2D(_MainTex, i.uv_MainTex + float2(randUV.x / 2, randUV.y) / _Size);
				randUV = rand(float2(-n.x, -n.y));
				float4 c3 = tex2D(_MainTex, i.uv_MainTex + float2(randUV.x / 2, randUV.y) / _Size);

		<span style="font-size:14px;">		float4 c0 = tex2D(_MainTex, i.uv_MainTex + fixed2(0.2 / 2, 0.8) / _Size);
				float4 c1 = tex2D(_MainTex, i.uv_MainTex + fixed2(0.8 / 2, -0.2) / _Size);
				float4 c2 = tex2D(_MainTex, i.uv_MainTex + fixed2(-0.2 / 2, -0.8) / _Size);
				float4 c3 = tex2D(_MainTex, i.uv_MainTex + fixed2(-0.8 / 2, 0.2) / _Size);</span>

结果比较

性能

性能方面SSAA比其他AA弱了一些，主要因为方法是这样暴力的采样

SSAA采样方式间的损耗都差不多

都是SSAAx4

无抗锯齿

网格采样

随机采样

旋转采样

在unity中image effect的SSAA消耗与本文差不多

又看了一下其他的unity的抗锯齿方法，发现FXAA消耗是最少的在2.8ms左右

                             ----- by wolf96  http://blog.csdn.net/wolf96/

Unity3d 超级采样抗锯齿 Super Sampling Anti-Aliasing

标签：

原文地址：http://blog.csdn.net/wolf96/article/details/45438653