跳转到内容
Jason's Study

Cook 1986 — 用噪声换掉锯齿

是什么

Cook 1986 提出：渲染图像时故意把规则的采样位置打乱，让本来会出现的”锯齿/摩尔纹”变成肉眼看不太见的”颗粒噪点”。

日常类比：拍格栅栏。

  • 如果你等距地一格一格按下快门，照片上会出现奇怪的条纹（摩尔纹）——这就是 aliasing
  • 如果你抖一下相机再拍，得到的是轻微毛刺——这是 noise
  • 人眼对毛刺很宽容，对条纹特别敏感

stochastic sampling 就是把第一种错误（眼睛敏感）转成第二种错误（眼睛宽容）。

为什么重要

不理解 stochastic sampling，下面这些事都没法解释：

  • 为什么 Pixar 的 RenderMan 在 1986 年就能渲出没有锯齿、有自然运动模糊的电影画面
  • 为什么离线渲染至今还在用 jittered / Poisson disk 这两个 1986 年的采样模式
  • 为什么 Monte Carlo path tracing 一定要”随机”——不是为了”模拟物理”，是为了”骗过眼睛”
  • 为什么游戏引擎做 TAA 也要把每帧采样位置抖一下

核心要点

Cook 论文的核心可以拆成 三层：

  1. 诊断：规则采样（每像素中心一个样本）会把高频信号”折叠”成低频假信号——这就是 aliasing。数学上叫 Nyquist 极限：采样频率 < 信号频率两倍时必出错。

  2. 关键洞察：信号本身没法降低频率（场景就是那么细），但错误的样子可以换。把”等距采样”换成”非均匀采样”，能量从”几个高峰”散成”宽频底噪”。

  3. 两种实现：

    • Poisson disk：随机撒点，但任意两点间距离 ≥ r。模仿视网膜光感受器排布（Yellott 1982/83）。质量好，但生成慢。
    • Jittered：把像素切成 N×N 子格，每子格随机放一个样本。质量略差于 Poisson disk，但几乎免费。Pixar 用的就是这个。

实践案例

案例 1：抗锯齿对比（最直观）

一张高频条纹纹理，正前方拍：

  • 规则采样：屏幕上出现完全不存在的粗条纹（aliasing）
  • jittered 采样：高频部分变成沙粒状颗粒，主体清晰

人眼几乎察觉不到颗粒，但条纹一眼就看见。Cook 用这个对比一锤定音。

案例 2：运动模糊（多维抖动的威力）

电影里飞过的子弹应该有拖影。传统做法是渲多帧再叠加——慢且依然有锯齿。

Cook 的做法：

  1. 给每个样本分配一个时间值 t ∈ [0, 1]（在快门打开期间随机）
  2. 渲染那一时刻的场景
  3. 同一像素内多个样本对应的是不同时刻的子弹位置

聚合后自然得到拖影，没有任何额外帧。

景深、软阴影、glossy 反射全是同一招——把”不知道怎么积分的维度”丢给随机采样。

案例 3：游戏 TAA（同思想，跨 30 年）

UE4 的 Temporal AA：每帧把样本位置在像素内抖一个 sub-pixel 偏移（jittered 序列），跨帧累加。

第 1 帧：样本在 (0.25, 0.25)
第 2 帧：样本在 (0.75, 0.25)
第 3 帧：样本在 (0.25, 0.75)
第 4 帧：样本在 (0.75, 0.75)

四帧合起来等价于每像素 4× 超采样。这就是 Cook 1986 的思路在实时图形里的复用。

案例 4：景深为什么”自然”

胶片相机的景深来自光线经过透镜不同位置时走的路径不同。要在渲染里复刻：

  1. 把透镜看成一个圆盘
  2. 每个样本随机选透镜上一个点（jittered 在 2D 圆盘上）
  3. 从那个点出发追光线

聚焦平面上的物体，所有光线都会汇到同一像素，清晰；不在焦面的物体，每条光线打到不同像素，散开变模糊。

这就是物理上发生的事，stochastic sampling 只是把它忠实地采样了一遍。

踩过的坑

  1. “随机”不等于”乱”：纯均匀随机（白噪声）会出现簇——某些区域样本扎堆、另一些区域空白。Poisson disk 加最小距离约束才得到”看起来均匀”的噪声（蓝噪声）。

  2. 维度爆炸的暗坑：运动模糊把样本撒到 (x, y, t) 三维空间。如果三维都”独立”地 jitter，t 维上仍可能出现条带。Cook 后来提出 N-rooks / Latin hypercube——保证每条投影都覆盖均匀。

  3. 样本数从哪儿来：要让 noise 真的低于人眼阈值，每像素 ≥ 16 样本才稳。早年算力贵，每样本一条光线，电影一帧要算几小时。

  4. 不是越随机越好：纯 Poisson 比 jittered 慢一个数量级，工程上够用就好。绝大多数离线渲染器选了 jittered + 后处理 denoise。

  5. 白噪声 vs 蓝噪声常被混淆：白噪声是”频谱平坦”，蓝噪声是”低频少、高频多”。眼睛对低频更敏感，所以蓝噪声”看起来更均匀”。Poisson disk 自然产生的就是蓝噪声谱。

  6. 跨像素相关性破坏一致性：如果整张图共用同一个随机种子序列，会出现跨像素的”周期感”。每像素独立种子才稳。

适用 vs 不适用场景

适用：

  • 离线渲染（电影 / VFX）的抗锯齿、运动模糊、景深、软阴影
  • Monte Carlo path tracing 的所有积分（半球方向、面光源、BSDF）
  • 实时引擎的 TAA / SSAO / 体积光采样

不适用：

  • 极少样本场景（每像素 1 样本）→ 噪声过强，反而看起来脏
  • 需要可重复确定性的场合（比如某些科学可视化）→ 改用低差异序列（Halton / Sobol）
  • 1D 信号采样（如音频）→ 直接抗锯齿滤波即可，不需要 stochastic

历史小故事（可跳过）

  • 1982 年：Yellott 研究猴子视网膜，发现光感受器不是规则排列，是 Poisson disk 模式。猜想这就是为什么人眼”不发生 aliasing”。
  • 1984 年：Cook 发表 distributed ray tracing，第一次把”光线随机分布”用于渲染——但没系统讲为什么。
  • 1986 年：Cook 这篇论文把 1984 的工程做法讲透了它的理论根——是采样理论 + 视觉感知，不是物理模拟。同年 Kajiya 发表渲染方程，两篇论文加起来定义了之后 30 年的离线渲染。
  • 1990s：Pixar REYES / RenderMan 全面采用 jittered sampling。《玩具总动员》《虫虫危机》背后都是这套。

学到什么

  1. 错误的形态可以选——这是 Cook 1986 最深的一句话。aliasing 不是”对错”问题，是”哪种错眼睛能忍”
  2. 采样问题的本质是积分问题——要算的是像素覆盖的连续区域的平均，不是某个点
  3. 生物启发的工程优化：视网膜的随机排布给了 Poisson disk 灵感；生物已经解了这道题几亿年
  4. 理论 + 工程同步发表才有杀伤力：Cook 1984（工程）+ Cook 1986（理论）+ Kajiya 1986（理论）三篇定义了离线渲染
  5. 跨维度复用：同一招（抖一下采样位置）解决了抗锯齿、运动模糊、景深、软阴影、glossy 反射五件事——每一件单独研究都是一篇论文
  6. 工程取舍清单：质量从高到低是 Poisson disk > N-rooks > jittered > 白噪声 > 规则；速度反过来。Pixar 选 jittered 就是这条曲线的最佳工程点

延伸阅读

关联

  • cook-1984-distributed-ray-tracing —— Cook 自己 2 年前提出的工程原型，本论文是它的理论说明书
  • kajiya-1986-rendering-equation —— 渲染方程定义”要积什么”，stochastic sampling 给”怎么积”
  • perlin-1985-noise —— 同时期的另一种”用噪声”思想，但 Perlin 是构造噪声当纹理，Cook 是用噪声当采样误差
  • karis-2014-taa —— 30 年后实时图形里 stochastic sampling 思想的复用
  • cook-torrance-1982 —— Cook 自己更早的微表面 BRDF 论文，三篇加起来构成离线渲染的 Cook 三联

反向链接