Каков оптимальный радиус распределения Гаусса для определения цвета пикселей?

Используя гауссово распределение точек на плоскости изображения для вычисления значения пикселя, какой радиус / стандартное отклонение даст больше информации в конечном изображении? Слишком большой радиус дает размытое изображение, а слишком маленький радиус игнорирует информацию, которая меньше пикселя, поэтому он не вносит вклад в конечное изображение. Где оптимальный компромисс? Есть ли один ответ на этот вопрос или есть обстоятельства, при которых он может варьироваться?

Я думаю об этом в связи с трассировкой лучей, но я думаю, что это будет в равной степени относиться к таким вещам, как уменьшение изображения. В тех случаях, когда ответы будут отличаться, меня интересует, что применимо при дискретизации плоскости непрерывного изображения, чтобы положения пикселей в большом изображении не могли использоваться для определения оптимального радиуса.

Я не уверен, что есть действительно оптимальный радиус - это будет субъективный вопрос, основанный на том, как выглядит изображение. Как вы говорите, слишком большой радиус приводит к размытию, а слишком маленький радиус - к алиасингу.

Мне нравится устанавливать sigma = 0,5 px, чтобы общий радиус составлял около 1,5 px (поскольку гауссиан имеет большую часть своего веса в пределах ± 3 сигма от его среднего значения). По моему опыту, это дает хороший компромисс между размытием и совмещением, но это только мой вкус, не основанный на каких-либо объективных соображениях.

Кстати, как часть поста в блоге по сглаживанию, который я написал в прошлом году (который основывался на ответе, который я разместил в предыдущем воплощении этого сайта!), Я протестировал множество ядер сглаживания на синтетическом тестовом образе и вышел с 0,5 пикселя Гаусса как мой субъективный фаворит.

Представьте себе, что вы рисуете изображение плоского пола с равномерным черно-белым рисунком шахматной доски, который простирается до горизонта; шашки достаточно велики, чтобы их было хорошо видно в точках рядом с камерой, но недостаточно велики, чтобы их можно было различить вблизи горизонта.

Около горизонта пол должен просто казаться однородным серым. Рядом с камерой шашки должны выглядеть отчетливо. Между камерой и горизонтом внешний вид пола должен каким-то образом переходить между этими двумя крайностями.

Если сцена визуализируется пространственным фильтром, который очень отрезан от овец, то на определенном расстоянии от пола будет изменен клетчатый цвет до серого. Если использовать более мелкий фильтр, переход будет гораздо более постепенным, но вещи, близкие к исходному «отсеченному» расстоянию, будут менее резкими, чем они были бы в противном случае.

Если добавить «стену» или обрезать сцену, чтобы скрыть отдаленные части пола, чтобы не было необходимости размыть какие-либо части клетчатого пола до серого, наилучшие результаты были бы получены с использованием самого крутого фильтр, дающий самое резкое изображение. Использование более мелкого фильтра уменьшит резкость изображения с целью предотвращения неприятного перехода, который все равно не будет виден.

Чтобы выяснить, какой тип фильтрации использовать, необходимо, чтобы кто-то знал о пространственном частотном содержании информации, которая должна отображаться. Если изображение не содержит ничего интересного, что подходило бы для Найквиста, использование крутого фильтра даст самые резкие результаты. Однако, если содержание изображения превышает Nyquist, использование постепенного фильтра позволит избежать уродливых «переходов». Ни один из подходов не будет оптимальным для всех случаев.

По моему мнению и опыту, я не думаю, что существует однозначный ответ ... так как в литературе в основном вы можете легко найти пример адаптивных фильтров (т.е. переменного размера).

Я думаю, что фактический ответ должен быть связан как с контекстом приложений (т. Е. Аппаратным или программным обеспечением, в режиме реального времени или нет), так и с типом сцены, которую вы собираетесь синтезировать (некоторые сцены обычно включают в себя различные виды псевдонимов, когда они синтезируются (я использую это общий термин нарочно)). В основном, компьютерная графика - это изучение алгоритмов и структуры данных для синтеза изображений, и такое определение не связано строго с каким-либо приложением.

Конечно, важным фактором является даже цель, которая будет достигнута в процессе фильтрации (то есть не обязательно, что чрезмерное размытие может быть плохим ...).

Если вы говорите о «приятно видеть», я думаю, вы могли бы согласиться со мной, когда я говорю, что нет никакой конкретной меры «приятного образа».