本篇文章主要向大家介紹GRLAA（GRadient Line Anti-Aliasing，梯度線抗混疊）技術，這種縮寫是一種相對簡單且高效的用來區(qū)分別名的方法，而且經常會在汽車導航應用中見到。

在信號處理的準則中，存在一個特定的采樣頻率稱為奈奎斯特頻率 ，當我們對某個信號的采樣頻率低于奈奎斯特頻率時，那么從采樣點恢復恢復出的信號是與原始信號不同的。原始信號與重構信號體現(xiàn)出的差別，這個效果成為“混疊”。

這里我們將與大家討論在計算機圖形中混疊效果最普遍的兩種體現(xiàn)。第一種就是鋸齒（如圖1所示），主要就是在斜直線的方向上呈現(xiàn)鋸齒狀的階梯。這是在顯卡光柵渲染階段像素之間產生的。

圖1：抗混疊效果對比（左：禁止，右：允許）

第二個是采樣混疊。當較高頻率（快速變化）的紋理用于渲染遠景的一些對象時，比如圖2所示的棋盤模式，我們能夠清晰的看到一些混疊效果，稱為云紋圖案模式。

圖2：紋理混疊：雙線性濾波（左）和三線性濾波-MIP貼圖（右）

目前有多種算法能夠降低這些可見的混疊現(xiàn)象，甚至消除鋸齒效果。然而這些算法會占用相當一部分的系統(tǒng)性能，當然這與你使用的硬件平臺也有關系。

·超級采樣抗混疊（SSAA）技術：這是一種比較“暴力”的方式，首先以較高的分別率（最終所期望的整數(shù)倍x2、x4）來渲染整個場景，然后對整個幀緩沖區(qū)進行采樣最終生成我們需要的最終分辨率。最終效果顯示這種方法在質量上有保證，而且優(yōu)化了鋸齒和紋理采樣，但是這個技術的實現(xiàn)成本代價很大。渲染的代價——包括光柵渲染、分片渲染以及相應的帶寬——一般都是分辨率的平方，比如x2 SSAA對應的代價就是x4，x4 SSAA對應的代價就是x16。

·多采樣抗混疊（MSAA）技術：這個方法會增加每個像素點的采樣數(shù)量，將渲染的圖像添加到緩沖區(qū)，并且能夠存儲每個像素點的多個采樣值。然后通過緩沖區(qū)輸出符合我們所期望的圖像分辨率。這種技術在PowerVR硬件平臺上非常高效而且全部是在芯片內部解決，節(jié)省了內存帶寬。MSAA能夠優(yōu)化鋸齒但是對于采樣效果無能為力。

· 基于著色器（Shader）技術如快速近似抗混疊（FXAA）或亞像素形態(tài)抗混疊（SMAA），這兩種方式都是采用分析來檢測和模糊銳利的幾何特性。同時也會在顯示環(huán)節(jié)采用后處理算法，付出的代價一般都是固定的（單個全屏幕通過）但是會需要更大的存儲帶寬，顯然這對于移動和嵌入式設備來講是非常寶貴的。

梯度線抗混疊技術簡介

Gerry Raptis是PowerVR SDK開發(fā)團隊的主管，是他開發(fā)的GRLAA技術來改進我們正在設計的導航應用演示Demo。

GRLAA技術大幅度提升了道路幾何圖形邊沿的可視化質量，所需要的計算成本也相對較低。除此以外這使得沒必要再添加道路輪廓了。輪廓能夠提升道路邊沿的可視化程度，方便用戶識別，更加清楚的區(qū)分道路邊界。

圖3：抗混疊道路圖形輪廓

這個方法背后的一般想法就是渲染道路的不透明區(qū)，然后逐漸提升透明度，即在道路幾何圖形的上面或者邊緣提升像素的百分比。

任何分片的alpha通道都是基于兩個值。第一個是分片區(qū)與道路邊沿的距離，第二個是這個距離的變化率，即我們常說的梯度，或者更正式的來說就是距離的偏導數(shù)。

每個分片的RGB顏色數(shù)值是通過計算（0，0，0）三者之間的差值來確定的，生成一個固定的黑色輪廓（或者其他顏色的輪廓）和道路的平面顏色，然后將統(tǒng)一數(shù)據傳遞給分片的著色器。所有這些計算都是基于差值t，這個值時通過相對距離和變化率來計算確定的。后面的內容會更加詳細的介紹如何推算這些數(shù)值，以及這些數(shù)值對GRLAA技術的重要性。

這個算法目前的形式可能沒有太大的價值，只適用于一些具有已知寬度的幾何圖形，比如一條路或者一條線等。

GRLAA技術詳細分析

為了確定正確的融合水平，這個算法需要知道距離道路邊沿的距離，因為這會影響融合的強度。這意味著數(shù)據集中每個幾何頂點需要附加額外的頂點補償數(shù)據，必須是某個兩個常量值之一，即-1或1。這個賦值應該在奇數(shù)和偶數(shù)之間變換，這表示道路的一側會接收基礎值-1而另一側則對應基礎值1。這些數(shù)據會作為幾何頂點數(shù)據上傳給圖形卡硬件，經過分片著色器計算才能確定最終的alpha通道值。

給每個頂點賦值的基礎值按道路的兩側來分是不同的，比如左手側和右手側。因為這些頂點數(shù)據會被分片著色器用于計算，它們自動會被硬件進行插值轉換。

圖4：代表幾何的基礎屬性值

插值轉換后的基礎值會用于計算當前分片與道路邊沿的距離。比如道路中心的分片相對于道路的兩邊都是最遠的，意味著相對距離如果是1，那么就能夠有效的接收不需要融合。隨著分片距離道路邊沿越來越近，相對距離會接近到0，隨之需要接收更多的融合。

float distance = 1.0 – abs(roadBaseVal);

既然我們已經確定了道路邊沿相對道路寬度的相對距離，那么我們就需要確定渲染的道路輪廓的寬度。算法的第二大部分主要涉及需要渲染的分片百分比。

頂點數(shù)據的基礎插值作為標準的GLSL偏導（梯度）函數(shù)的參數(shù)。函數(shù)“dFdX”和“dFdY”一般分別用來計算給定值在X方向和Y方向上的變化率，而且通常由一個小型網格（2x2）的分片來確定的。

計算過程能夠輸出當前分片距道路邊沿相對距離的變化速率，根據當前分片與相鄰分片的偏導數(shù)來推算?；谥付ǚ制淖兓饰覀兡軌蛴嬎愠龊线m的alpha通道值。最終結果則決定了分片的百分比，即定義了道路的邊沿，此外為了繪制一個平滑的輪廓，我們還需要處理更多個分片。

#define ANTIALIAS_STRENGTH 2. // Constant affects how much AA will be applied, a higher value //will increase blurring at the cost of reduced detail, while a lower value will reduce the //amount of blurring at the cost of more aliasing.

float blend_range = ANTIALIAS_STRENGTH * sqrt(dFdx(roadBaseVal) * dFdx(roadBaseVal) + dFdy(roadBaseVal) * dFdy(roadBaseVal));

float blend_halfrng = 0.5 * blend_range;

變化率非常的重要，只有它才能夠讓算法不必考慮顯示屏幕上道路的規(guī)模和尺寸。使用偏導數(shù)函數(shù)能夠確定某對象所占用屏幕空間的百分比，比如下面的情況：

· 如果對象占用屏幕空間比較小（縮放），那么占用的像素點需要進行融合渲染來實現(xiàn)比較光滑的邊沿效果，等同于占用較大百分比的屏幕像素空間。這是因為變化率比較大，基值是通過少量分片插值變換得出的。因此需要開始渲染距離道路邊沿較遠的分片，這時就可能出現(xiàn)鋸齒。

· 相反，如果對象占用屏幕空間比較大（放大），那么占用的像素點需要通過融合渲染來降低占用的總像素數(shù)的百分比。這時變化率會比較低，基值的差值轉換會涉及到更多的分片。因此就需要開始融合渲染距離道路邊沿比較近的分片。如果結果比需要的百分比大，那么道路就會變得模糊。

圖5：變化率，縮小vs放大

所有組件確定后就可以計算分片的最終顏色值，通過在輪廓顏色（這里主要是黑色）閾值和道路顏色（統(tǒng)一標準）閾值之前進行插值變換，我們才能夠計算出RGB組件的屬性值，插值變換是從相對距離和變化率衍生而來的。同時alpha組件的值也是通過相似的方式來計算，但是不需要進行插值轉換。

#define OUTLINE_WIDTH 0.25 //How large our outline will be relative to the road width

float outline_distance = clamp(((distance – OUTLINE_WIDTH – blend_halfrng) / blend_range) + 0.5, 0.0, 1.0);

float blend_distance = clamp(((distance – blend_halfrng) / blend_range) + 0.5, 0.0, 1.0);

oColour.rgb = mix(vec3(0.0, 0.0, 0.0), roadColour.rgb, outline_distance);

oColour.a = blend_distance;

相比之前基于紋理抗混疊方法，GRLAA最主要的優(yōu)勢就是mip-map不需要任何依賴?；诩y理的方法會在抗混疊像素的數(shù)量上有一定的限制，尤其當幾何圖形被最小化后，因此我們采用基于mip-map的圖形技術，本篇文章介紹的算法在處理任何尺寸的幾何圖形時都不會有問題，能夠輸出非常清晰高質量的抗混疊效果的邊緣輪廓，而且不受對象尺寸和方向的限制。

第二個優(yōu)勢就是這個算法不需要任何的紋理資源，這樣就會降低整體的存儲帶寬。這絕對是一個好消息，因為釋放的一些存儲帶寬可以用于其他功能，尤其占用較多紋理資源的技術。

最后，就循環(huán)計算操作來講這個算法的代價相對還是比較小的，因此不會明顯增加計算負擔。我們經過測量發(fā)現(xiàn)執(zhí)行所有的著色器大概需要20個操作循環(huán)。此外根據你所采用的圖像卡核心，設置中等精確度會進一步降低循環(huán)操作。