Физика просто так не работает. Псевдоним необратимо преобразует частоты, превышающие предел Найквиста, в виде частот ниже предела, хотя этих «псевдонимов» на самом деле нет. Никакая степень обработки сигнала с псевдонимом не может восстановить исходный сигнал в общем случае. Причудливые математические объяснения довольно длинны, если вы не изучали теорию дискретизации и цифровую обработку сигналов. Хотя, если бы вы имели, вы бы не задавали вопрос. К сожалению, тогда лучшим ответом будет просто «Это не так, как работает физика. Извините, но вам придется поверить мне в этом». ,
Чтобы попытаться дать какое-то грубое ощущение, что вышеприведенное может быть правдой, рассмотрим случай с изображением кирпичной стены. Без фильтра АА будут муаровые узоры (которые на самом деле являются псевдонимами), при которых линии кирпича выглядят волнистыми. Вы никогда не видели настоящего здания, только изображение с волнистыми линиями.
Откуда вы знаете, что настоящие кирпичи не были заложены волнистым узором? Вы предполагаете, что они были не из ваших общих знаний о кирпичах и человеческого опыта видения кирпичных стен. Однако может ли кто-то просто нарочно сделать кирпичную стену, чтобы в реальной жизни (если смотреть своими глазами) она была похожа на картину? Да, они могли. Следовательно, возможно ли математически различить псевдоним изображения нормальной кирпичной стены и точного изображения намеренно волнистой кирпичной стены? Нет это не так. На самом деле вы также не можете заметить разницу, за исключением того, что ваша интуиция о том, что, вероятно, представляет картинка, может создать впечатление, что вы можете. Опять же, строго говоря, вы не можете сказать, являются ли волны волнистыми узорами или реальны.
Программное обеспечение не может волшебным образом удалить волны, потому что оно не знает, что реально, а что нет. Математически можно показать, что он не может знать, по крайней мере, только глядя на волнистое изображение.
Кирпичная стена может быть очевидным случаем, когда вы можете знать, что псевдоним изображения неправильный, но есть много более тонких случаев, когда вы действительно не знаете, и, возможно, даже не подозреваете, что псевдоним происходит.
Добавлено в ответ на комментарии:
Разница между совмещением аудиосигнала и изображения состоит только в том, что первый является 1D, а второй 2D. Теория и любая математика для реализации эффектов все та же, просто она применяется в 2D при работе с изображениями. Если образцы находятся на правильной прямоугольной сетке, как в цифровой камере, то возникают другие интересные вопросы. Например, частота выборки на 2 (ниже) ниже (примерно в 1,4 раза ниже) вдоль диагональных направлений по сравнению с ориентированными по оси направлениями. Тем не менее, теория дискретизации, частота Найквиста и то, чем на самом деле являются псевдонимы, не отличаются в двумерном сигнале, чем в одномерном. Основное различие, по-видимому, заключается в том, что тем, кто не привык думать в частотном пространстве, может быть сложнее обернуть свой кругозор и спроецировать, что все это означает с точки зрения того, что вы видите на картинке.
Опять же, нет, вы не можете «демозить» сигнал после факта, по крайней мере, в общем случае, когда вы не знаете, каким должен быть оригинал. Паттерны муара, вызванные дискретизацией непрерывного изображения, являются псевдонимами. Та же самая математика применима к ним так же, как и к высокочастотным псевдонимам в аудиопотоке и звучанию как фоновые свистки. Это то же самое, с той же теорией, которая объясняет это, и тем же решением, чтобы справиться с этим.
Это решение заключается в устранении частот выше предела Найквиста перед отбором проб. В аудио, который можно сделать с помощью простого фильтра низких частот, вы можете сделать это из резистора и конденсатора. При выборке изображений вам все еще нужен фильтр нижних частот, в этом случае он отбирает часть света, который попадет только на один пиксель, и распространяет его на соседние пиксели. Визуально это выглядит как небольшое размытие изображения передэто выборка. Высокочастотный контент выглядит как мелкие детали или острые края на изображении. И наоборот, острые края и мелкие детали содержат высокие частоты. Именно эти высокие частоты преобразуются в псевдонимы в выбранном изображении. Некоторые псевдонимы - это то, что мы называем шаблонами муара, когда оригинал содержал некоторое регулярное содержание. Некоторые псевдонимы дают эффект «ступеньки» для линий или краев, особенно когда они почти вертикальные или горизонтальные. Существуют и другие визуальные эффекты, вызванные псевдонимами.
Тот факт, что независимая ось в аудиосигналах является временем, а независимые оси (две из них, поскольку сигнал является 2D) изображения являются расстоянием, не делает математику недействительной или каким-то образом делает ее разной для аудиосигналов и изображений. Вероятно, потому что теория и приложения сглаживания и сглаживания были разработаны для одномерных сигналов, которые были временными напряжениями, термин «временная область» используется в отличие от «частотной области». На изображении нечастотное пространственное представление технически является «областью расстояния», но для простоты обработки сигнала оно, тем не менее, часто упоминается как «временная область». Не позволяйте этому отвлекать вас от того, что на самом деле является псевдонимами. И нет, это вовсе не доказательство того, что теория не применима к изображениям, только то, что вводящий в заблуждение выбор слов иногда используется для описания вещей по историческим причинам. Фактически, ярлык «временная область», применяемый к нечастотной области изображений, на самом делепотому что теория одинакова между изображениями и истинными сигналами, основанными на времени. Псевдонимы - это псевдонимы независимо от того, какой независимой осью (или осями) является.
Если вы не хотите углубляться в это на уровне пары курсов колледжа по теории выборки и обработке сигналов, в конце концов, вам просто придется довериться тем, кто имеет. Некоторые из этих вещей не интуитивны без значительного теоретического фона.