Anti-Aliasing

Une image générée par ordinateur est faite de pixels ; bien sûr chaque pixel ne peut être que d’une seule couleur. Dans le processus de rendu le moteur de rendu doit ainsi assigner une couleur unique à chaque pixel selon l’objet qui est affiché dans ce pixel. Ceci conduit souvent à de mauvais résultats, spécialement au niveau des bords francs, ou aux endroits où des lignes fines sont présentes, et c’est particulièrement évident pour les lignes obliques.

Pour surmonter ce problème, qui est connu comme Aliasing, il est possible de recourir à une technique d’Anti-Aliasing. chaque pixel est « suréchantillonné », en en faisant le rendu comme si c’était cinq pixels ou plus, et en assignant une couleur « moyenne » au pixel rendu.

The buttons to control Anti-Aliasing, or Oversampling (OSA), are below the rendering button in the Render Panel.

Options

Anti-Aliasing (checkbox)

Active le suréchantillonnage.

Samples

Le nombre d’échantillons par pixel. Plus la valeur est haute, meilleurs sont les bords, mais cela ralentit le rendu.

5, 8, 11, 16

Par défaut, nous utilisons dans Blender une table « Distributed Jitter » fixe. Les échantillons dans un pixel sont distribués et gigués d’une manière qui garantit deux caractéristiques :

1. Chaque échantillon est à égale distance des échantillons voisins.
2. Les échantillons couvrent toutes les positions sous-pixel, à la fois horizontalement et verticalement.

Les images ci-dessous montrent les motifs d’échantillons de Blender pour 5, 8, 11 et 16 échantillons. Pour montrer que cette distribution est égalisée sur de multiples pixels, les motifs des pixels voisins sont également dessinés. Noter que tous les pixels ont le même motif.

5 échantillons

8 échantillons

11 échantillons

16 échantillons

Full Sample

Pour chaque échantillon d’anti-aliasing, enregistrez les résultats du calque de rendu entier. Ceci résout les problèmes d’anti-aliasing avec la composition.

Filtering

Quand les échantillons ont été rendus, nous avons les couleur et information alpha par échantillon. Il est alors important de définir la manière dont chaque pixel contribue au pixel.

La méthode la plus simple est de moyenner tous les échantillons et en faire la couleur du pixel. Ceci est appelé un « Box Filter ». L’inconvénient de cette méthode est qu’elle ne tient pas compte que certains échantillons sont très proches du bord d’un pixel, et ainsi pourraient aussi influence la couleur du/des pixel(s) voisin(s).

Filter menu: Set The filter type to use to “average” the samples:

Box

Une courbe en forme de boîte de basse qualité.

Note

Ce filtre est relativement de basse qualité. Vous pouvez voir que seuls les échantillons dans le pixel lui-même sont ajoutés à la couleur du pixel. Pour les autres filtres, la formule garantit qu’une certaine quantité de la couleur d’échantillon est aussi distribuée sur les autres pixels.

Tent

Un filtre rudimentaire qui donne des résultats nets.

Quadratic

Une courbe quadratique.

Cubic

Une courbe cubique.

Gauss

Distribution gaussienne, le plus flou.

Catmull-Rom

filtre Catmull-Rom, donne le résultat avec le plus de netteté.

Mitchell-Netravali

Un bon filtre polyvalent qui donne une netteté raisonnable.

Box.	Tent.	Quadratic.	Cubic.
Gaussian.	Catmull-Rom.	Mitchell-Netravali.

Filter Size

En rendant la valeur de taille du filtre plus petite, cela va presser plus les échantillons vers le centre, et floute plus l’image. Une taille de filtre plus grande rend le résultat plus net. Notez que les deux derniers filtres ont aussi une partie négative ; ceci va donner un résultat extra net.

Exemples

AA 8, Box filter.	AA 8, Tent filter.
AA 8, Quadratic filter.	AA 8, Cubic filter.
AA 8, Gaussian filter.	AA 8, Catmull-Rom filter.
AA 8, Mitchell-Netravali filter.