Fizyka po prostu nie działa w ten sposób. Aliasing nieodwracalnie przekształca częstotliwości przekraczające limit Nyquista, aby pojawiały się jako częstotliwości poniżej tego limitu, chociaż tych „aliasów” tak naprawdę nie ma. Żadna ilość przetwarzania aliasu nie jest w stanie odzyskać oryginalnego sygnału w ogólnym przypadku. Wymyślne matematyczne wyjaśnienia są dość długie, o ile nie masz klasy teorii próbkowania i cyfrowego przetwarzania sygnałów. Gdyby tak było, nie zadałbyś tego pytania. Niestety, najlepszą odpowiedzią jest po prostu: „Nie tak działa fizyka. Przepraszam, ale musisz mi zaufać”. .
Aby dać wrażenie, że powyższe może być prawdą, rozważ przypadek zdjęcia ściany z cegły. Bez filtra AA pojawią się wzory mory (które są tak naprawdę aliasami), dzięki którym ceglane linie będą wyglądały na faliste. Nigdy nie widziałeś prawdziwego budynku, tylko zdjęcie z falistymi liniami.
Skąd wiesz, że prawdziwe cegły nie zostały ułożone w falisty wzór? Ty zakładają oni nie byli z wiedzy ogólnej cegieł i ludzkiego doświadczenia widząc ceglane ściany. Czy jednak ktoś mógłby celowo zrobić mur z cegły, aby wyglądał w prawdziwym życiu (oglądany na własne oczy) jak na zdjęciu? Tak, mogliby. Czy zatem można matematycznie odróżnić aliasowany obraz normalnego muru z cegły i wierny obraz celowo falistego muru? Nie, nie jest. W rzeczywistości nie można tak naprawdę odróżnić, z wyjątkiem tego, że twoja intencja na temat tego, co prawdopodobnie przedstawia zdjęcie, może sprawiać wrażenie, że możesz. Ponownie, ściśle mówiąc, nie można stwierdzić, czy falowody są artefaktami mory, czy też są prawdziwe.
Oprogramowanie nie może magicznie usunąć fal, ponieważ nie wie, co jest prawdziwe, a co nie. Matematycznie można wykazać, że nie może wiedzieć, przynajmniej patrząc tylko na falisty obraz.
Ceglany mur może być oczywistym przypadkiem, w którym możesz wiedzieć, że aliasowany obraz jest nieprawidłowy, ale istnieje wiele innych subtelnych przypadków, w których tak naprawdę nie wiesz, a może nawet nie zdajesz sobie sprawy, że aliasing ma miejsce.
Dodano w odpowiedzi na komentarze:
Różnica między aliasingiem sygnału audio i obrazu polega jedynie na tym, że ten pierwszy to 1D, a drugi 2D. Teoria i wszelka matematyka do realizacji efektów jest nadal taka sama, tyle że jest stosowana w 2D przy przetwarzaniu obrazów. Jeśli próbki znajdują się na regularnej prostokątnej siatce, tak jak w aparacie cyfrowym, pojawiają się inne interesujące kwestie. Na przykład częstotliwość próbkowania jest mniejsza o 2 sqrt (około 1,4x niżej) wzdłuż kierunków ukośnych w stosunku do kierunków wyrównanych do osi. Jednak teoria próbkowania, częstotliwość Nyquista i to, czym tak naprawdę są aliasy, nie różnią się w sygnale 2D niż w sygnale 1D. Główną różnicą wydaje się być to, że może to być trudniejsze dla tych, którzy nie są przyzwyczajeni do myślenia w przestrzeni częstotliwości, aby zawinąć umysł i rzutować, co to wszystko oznacza w odniesieniu do tego, co widzisz na zdjęciu.
Ponownie, nie, nie można „demozaikować” sygnału po fakcie, przynajmniej nie w ogólnym przypadku, w którym nie wiesz, jaki powinien być oryginał. Wzory mory spowodowane próbkowaniem ciągłego obrazu to aliasy. Ta sama matematyka dotyczy ich tak samo, jak wysokich częstotliwości aliasingowanych do strumienia audio i brzmiących jak gwizdy w tle. To te same rzeczy, z tą samą teorią, aby to wyjaśnić, i tym samym rozwiązaniem, aby sobie z tym poradzić.
Rozwiązanie to polega na wyeliminowaniu częstotliwości powyżej limitu Nyquista przed pobraniem próbek. W przypadku audio, które można wykonać za pomocą prostego filtra dolnoprzepustowego, który można uzyskać z rezystora i kondensatora. Podczas próbkowania obrazu nadal potrzebujesz filtra dolnoprzepustowego, w tym przypadku pobiera on trochę światła, które uderzy tylko w jeden piksel i rozprasza go na sąsiednie piksele. Wizualnie wygląda to jak niewielkie rozmycie obrazu wcześniejjest próbkowany. Treści o wysokiej częstotliwości wyglądają jak drobne szczegóły lub ostre krawędzie na zdjęciu. I odwrotnie, ostre krawędzie i drobne szczegóły zawierają wysokie częstotliwości. Właśnie te wysokie częstotliwości są konwertowane na aliasy w próbkowanym obrazie. Niektóre aliasy nazywamy wzorami mory, gdy oryginał miał pewną regularną treść. Niektóre aliasy dają efekt „schodów” linii lub krawędzi, szczególnie gdy są one prawie pionowe lub poziome. Istnieją inne efekty wizualne spowodowane przez aliasy.
Tylko dlatego, że niezależną osią w sygnałach audio jest czas, a niezależnymi osiami (dwie z nich, ponieważ sygnał jest 2D) obrazu, odległość nie unieważnia matematyki ani nie różnicuje między sygnałami audio i obrazami. Prawdopodobnie dlatego, że teoria i zastosowania aliasingu i antyaliasingu zostały opracowane dla sygnałów 1D, które były napięciami opartymi na czasie, termin „dziedzina czasu” jest używany w przeciwieństwie do „dziedziny częstotliwości”. Na obrazie reprezentacja przestrzeni innej niż częstotliwość jest technicznie „domeną odległości”, ale dla uproszczenia przetwarzania sygnału jest często nazywana „domeną czasu”. Nie pozwól, aby odciągnęło Cię to od tego, czym tak naprawdę jest aliasing. I nie, to wcale nie jest dowód, że teoria nie dotyczy obrazów, tyle, że mylny wybór słów jest czasem używany do opisu rzeczy z przyczyn historycznych. W rzeczywistości skrót „domena czasu” stosowany w domenie nie-częstotliwości obrazów jest w rzeczywistościponieważ teoria jest taka sama dla obrazów i sygnałów opartych na czasie. Aliasing jest aliasingiem niezależnie od tego, jaka jest niezależna oś (lub osie).
Jeśli nie chcesz zagłębiać się w to na poziomie kilku kursów uniwersyteckich na temat teorii próbkowania i przetwarzania sygnałów, w końcu będziesz musiał zaufać tym, którzy mają. Niektóre z tych rzeczy są nieintuicyjne bez znaczącego zaplecza teoretycznego.