भौतिकी बस उस तरह से काम नहीं करती है। अलियासिंग अपरिवर्तनीय अतीत Nyquist सीमा आवृत्तियों, सीमा से नीचे आवृत्तियों के रूप में प्रकट करने के लिए हालांकि उन "अन्य नामों" वास्तव में वहाँ नहीं कर रहे हैं बदल देती है। अलियास किए गए सिग्नल की कोई भी मात्रा सामान्य मामले में मूल सिग्नल को पुनर्प्राप्त नहीं कर सकती है। जब तक आपके पास नमूना सिद्धांत और डिजिटल सिग्नल प्रोसेसिंग में एक वर्ग नहीं होता है तब तक फैंसी गणितीय स्पष्टीकरण प्राप्त करना लंबा होता है। यदि आपके पास हालांकि था, तो आप सवाल नहीं पूछेंगे। दुर्भाग्य से फिर सबसे अच्छा जवाब है "यह नहीं है कि भौतिकी कैसे काम करती है। क्षमा करें, लेकिन आप मुझे इस पर भरोसा करने वाले हैं।" ।
कुछ मोटे अनुभव देने की कोशिश करने के लिए कि ऊपर सच हो सकता है, एक ईंट की दीवार की तस्वीर के मामले पर विचार करें। एए फिल्टर के बिना, ईंट की रेखाएं लहराती दिखती हैं, जो कि मौआ पैटर्न (जो वास्तव में उपनाम हैं) होगी। आपने वास्तविक इमारत को कभी नहीं देखा, केवल लहरदार रेखाओं वाला चित्र।
आप कैसे जानते हैं कि असली ईंटों को लहरदार पैटर्न में नहीं रखा गया था? आप मान लेते हैं कि वे ईंटों के आपके सामान्य ज्ञान और ईंट की दीवारों को देखने के मानव अनुभव से नहीं थे। हालांकि, क्या कोई व्यक्ति केवल एक बिंदु को जानबूझकर ईंट की दीवार बना सकता है ताकि यह वास्तविक जीवन में दिखे (जब आपकी खुद की आंखों से देखा जाए) तस्वीर की तरह? हाँ, वे कर सकते थे। इसलिए, क्या यह एक सामान्य ईंट की दीवार के एक अलग चित्र और जानबूझकर लहराती ईंट की दीवार के एक वफादार चित्र को गणितीय रूप से अलग करना संभव है? नहीं ऐसा नहीं है। वास्तव में अगर तुम सच में या तो फर्क नहीं बता सकता, सिवाय इसके कि क्या एक तस्वीर के बारे में अपनी intution शायद आप आप कर सकते हैं कि छाप दे सकता है प्रतिनिधित्व करता है। फिर, सख्ती से बोलना आप यह नहीं बता सकते हैं कि लहरें मौन पैटर्न कलाकृतियां हैं या वास्तविक हैं।
सॉफ्टवेयर जादुई रूप से लहरों को हटा नहीं सकता क्योंकि यह नहीं जानता कि वास्तविक क्या है और क्या नहीं है। गणितीय रूप से यह दिखाया जा सकता है कि यह पता नहीं चल सकता है, कम से कम केवल लहरदार छवि को देखकर।
एक ईंट की दीवार एक स्पष्ट मामला हो सकती है जहां आप जान सकते हैं कि अलियास तस्वीर गलत है, लेकिन कई और सूक्ष्म मामले हैं जहां आप वास्तव में नहीं जानते हैं, और यह भी पता नहीं हो सकता है कि अलियासिंग चल रहा है।
टिप्पणियों के जवाब में जोड़ा गया:
ऑडियो सिग्नल और छवि को अलग करने के बीच का अंतर केवल इतना है कि पूर्व 1D और बाद वाला 2D है। प्रभाव का एहसास करने के लिए सिद्धांत और कोई भी गणित अभी भी वही है, बस यह कि छवियों से निपटने के दौरान 2 डी में लागू किया जाता है। यदि नमूने एक नियमित आयताकार ग्रिड पर हैं, जैसे वे एक डिजिटल कैमरे में हैं, तो कुछ अन्य दिलचस्प मुद्दे सामने आते हैं। उदाहरण के लिए, नमूना आवृत्ति अक्ष-संरेखित दिशाओं के अनुसार लागू विकर्ण दिशाओं के साथ sqrt (2) निचला (लगभग 1.4x निचला) है। हालांकि, नमूना सिद्धांत, Nyquist दर, और क्या वास्तव में उपनाम हैं 1 डी सिग्नल की तुलना में 2 डी सिग्नल में अलग नहीं हैं। मुख्य अंतर यह प्रतीत होता है कि यह उन लोगों के लिए कठिन हो सकता है जो आवृत्ति अंतरिक्ष में अपने दिमाग को चारों ओर लपेटने के लिए नहीं सोचते हैं और यह प्रोजेक्ट करते हैं कि आप एक तस्वीर में क्या देखते हैं।
फिर से, नहीं, आप इस तथ्य के बाद एक संकेत को "पच्चीकारी" नहीं कर सकते, कम से कम सामान्य मामले में नहीं जहां आप नहीं जानते कि मूल क्या माना जाता है। एक सतत छवि नमूने की वजह से मौआ पैटर्न हैं उपनाम। एक ही गणित उन पर लागू होता है जैसे यह एक ऑडियो स्ट्रीम में उच्च आवृत्तियों पर लागू होता है और पृष्ठभूमि सीटी की तरह लग रहा है। यह एक ही सामान है, एक ही सिद्धांत के साथ इसे समझाने के लिए, और इससे निपटने के लिए एक ही समाधान है।
यह समाधान नमूना लेने से पहले Nyquist सीमा से ऊपर आवृत्तियों को खत्म करना है । ऑडियो में जो एक सरल कम पास फिल्टर के साथ किया जा सकता है, आप संभवतः एक रोकनेवाला और संधारित्र से बना सकते हैं। छवि के नमूने में, आपको अभी भी एक कम पास फिल्टर की आवश्यकता है, इस मामले में यह कुछ प्रकाश ले रहा है जो केवल एक पिक्सेल को हिट करेगा और इसे पड़ोसी पिक्सल तक फैलाएगा। नेत्रहीन, यह पहले की छवि के एक मामूली धुंधला जैसा दिखता हैयह नमूना है। उच्च आवृत्ति सामग्री तस्वीर में ठीक विस्तार या तेज किनारों की तरह दिखती है। इसके विपरीत, तेज किनारों और बारीक विवरण में उच्च आवृत्तियाँ होती हैं। यह वास्तव में इन उच्च आवृत्तियों है जो नमूना छवि में उपनामों में परिवर्तित हो जाते हैं। कुछ उपनाम ऐसे होते हैं जिन्हें हम मूल पैटर्न कहते हैं जब मूल में कुछ नियमित सामग्री होती थी। कुछ उपनाम लाइनों या किनारों को "सीढ़ी कदम" प्रभाव देते हैं, खासकर जब वे लगभग ऊर्ध्वाधर या क्षैतिज होते हैं। उपनाम के कारण अन्य दृश्य प्रभाव हैं।
सिर्फ इसलिए कि ऑडियो सिग्नलों में स्वतंत्र अक्ष समय है और एक छवि के स्वतंत्र अक्ष (उनमें से दो के बाद से) एक दूरी है गणित को अमान्य नहीं करते हैं या किसी तरह इसे ऑडियो सिग्नल और छवियों के बीच अलग बनाते हैं। शायद इसलिए कि 1 डी सिग्नल पर एलियासिंग और एंटी-अलियासिंग के सिद्धांत और अनुप्रयोग विकसित किए गए थे जो समय-आधारित वोल्टेज थे, शब्द "टाइम डोमेन" का उपयोग "आवृत्ति डोमेन" के विपरीत किया जाता है। एक छवि में, गैर-आवृत्ति अंतरिक्ष प्रतिनिधित्व तकनीकी रूप से "दूरी डोमेन" है, लेकिन सिग्नल प्रोसेसिंग में सरलता के लिए इसे अक्सर "टाइम डोमेन" के रूप में संदर्भित किया जाता है। ऐसा न करें कि आपको वास्तव में क्या अलियासिंग है, उससे विचलित करें। और नहीं, यह बिल्कुल भी सबूत नहीं है कि सिद्धांत छवियों पर लागू नहीं होता है, केवल यह कि शब्दों का भ्रामक विकल्प कभी-कभी ऐतिहासिक कारणों के कारण चीजों का वर्णन करने के लिए उपयोग किया जाता है। वास्तव में, छवियों के फ़्रीक्वेंसी फ़्रीक्वेंसी पर लागू होने वाला शॉर्टकट "टाइम डोमेन" वास्तव में हैक्योंकि सिद्धांत छवियों और सच्चे समय-आधारित संकेतों के बीच समान है। स्वतंत्र अक्ष (या अक्ष) क्या होता है, इसकी परवाह किए बिना एलियासिंग कर रहा है।
जब तक आप नमूना सिद्धांत और सिग्नल प्रोसेसिंग पर एक युगल कॉलेज पाठ्यक्रमों के स्तर पर इसमें देरी करने के लिए तैयार नहीं होते हैं, अंत में आपको बस उन पर भरोसा करना होगा। इस सामग्री में से कुछ महत्वपूर्ण सैद्धांतिक पृष्ठभूमि के बिना unintuitive है।