内容概览：
一、为什么需要使用反走样？
因为如左图所示是我们需要采样的三角形，右图是根据判断像素点是否在三角形内，采样后进行填充后的图案。明显看出右图和左图的差异性，这种现象叫做“锯齿”，我们改善这种现象，可通过“反走样（或者抗锯齿 ）”改善。
二、图形学中的采样
采样在图形学中无处不在。常见的采样有：
- Rasterization = Sample 2D Positions
- Photograph = Sample Image Sensor Plane
- Video = Sample Time
三、图形学中的采样瑕疵
（ 一 ）典型的采样瑕疵：
- Jaggies (Staircase Pattern)
- Moiré Patterns in Imaging
- Wagon Wheel Illusion (False Motion)
（ 二 ）采样瑕疵原因
上述三种采样瑕疵原因就是信号变化太快，采样跟不上信号变化。
三、反走样方法
（ 一 ）先模糊处理，再进行信号采样。从而达到反走样效果。
采样前进行模糊（预过滤）（Blurring (Pre-Filtering) Before Sampling）
四、频域（Frequency Domain）
（ 一 ）傅里叶变换
傅里叶变换可以将任何一个函数描述为许多项正弦、余弦函数和。
傅里叶变换应用：
傅立叶变换分解的信号转换成频率：
应用：
下图绿色曲线是不同的函数，竖直的虚线是采样间隔及位置，黑点是采样点，将采样点连接成采样的函数。
从上至下，函数的频率越高，采样频率相同；但是发现采样结果与原函数采样差别越大，由此造成走样现象。
结论：更高的频率函数需要更快的采样。
（ 二 ）走样
通过频率分析走样，假设：
- 第 1 种情况：蓝色是原函数，进行采样，采样结果是黑色线。
- 第 2 种情况：黑色是原函数 ，对其进行采样，采样结果仍为黑色线。
结论：使用同样的采样方法，采样不同的信号，得到的采样结果可能相同。
五、过滤 = 去掉某些特定频率
-
高通滤波器：只剩下高频信息。（Edges）
可提取出边界信息。“信号变化非常大”==>高频信息
-
低通滤波器： 只剩下低频信息 (Blur)
得到相对模糊的图。
-
过滤高低频信息
六、过滤 = 卷积（= 平均）
卷积过程释义：
通俗理解为加权平均。
（ 一 ）卷积定理
Box Fileter:
Box Function = "Low Pass" Filter,Box 越大。越模糊；若 Box 越小，甚至 < 像素大小，留下了更大的频域，相当于没有模糊处理。
七、采样 = 重复频率（频域）上的内容
