アルファ合成

コンピュータグラフィックスにおいて、アルファ合成またはアルファブレンディングとは、1つの画像と背景を組み合わせて、部分的または完全な透明感を作り出すプロセスです。^[1]画素（ピクセル）を別々のパスまたはレイヤーでレンダリングし、結果として得られる2D画像を合成と呼ばれる単一の最終画像に結合すると便利なことがよくあります。合成は、コンピュータでレンダリングされた画像要素をライブ映像と組み合わせるときに映画で広く使用されています。アルファブレンディングは、2Dコンピュータグラフィックスでラスタライズされた前景要素を背景の上に 配置する場合にも使用されます。

画像の画素を正しく組み合わせるには、各要素の色に加えて、関連するマットを保持する必要があります。このマット レイヤーには、描画されるジオメトリの形状であるカバレッジ情報が含まれており、画像内で何かが描画された部分と空の部分を区別できます。

2 つの画像を結合する最も基本的な操作は、一方を他方の上に重ねることですが、使用される 操作、つまりブレンド モードは多数あります。

アルファチャンネルの概念は、1970年代後半にニューヨーク工科大学コンピュータグラフィックス研究所でアルビー・レイ・スミスとエド・キャットマルによって導入されました。ブルース・A・ウォレスは1981年に物理的な反射率/透過率モデルに基づいて同じストレートオーバー演算子を導き出しました。^[2]トーマス・ポーターとトム・ダフによる1984年の論文では、幾何学的アプローチを使用してプリマルチプライアルファが導入されました。^[3]

アルファという用語の使用について、スミスは次のように説明しています。「ギリシャ文字（アルファ）を​​使用して、この場合は2つの画像AとBの間の補間量を制御する古典的な線形補間式のため、このように呼びました。」 ^[4]つまり、画像Aを画像Bの上に合成する場合、式の値はAのアルファチャンネルから直接取得されます。 ${\displaystyle \alpha A+(1-\alpha )B}$${\displaystyle \alpha}$${\displaystyle \alpha}$

2D 画像では、各画素 (ピクセル) に色の組み合わせが保存されます。多くの場合、色の組み合わせは赤、緑、青 ( RGB ) です。アルファ合成が使用されている場合、各ピクセルのアルファ チャネルには、0 ～ 1 の範囲の数値が追加で保存されます。値 0 は、ピクセルが完全に透明で、その下のピクセルの色が透けて見えることを意味します。値 1 は、ピクセルが完全に不透明であることを意味します。

アルファ チャネルが存在するため、合成代数を使用して合成画像操作を表現することができます。たとえば、2 つの画像AとB がある場合、最も一般的な合成操作は、 Aが前景に、B が背景に表示されるように画像を結合することです。これは、 A over Bと表現できます。 overに加えて、Porter と Duff ^{[3] は、}概念的に直交して重なり合う 2 つのピクセルの色をブレンドする際の選択肢を考慮して、 in、held out by (このフレーズはholdout mattingを指し、通常はoutと省略されます)、atop、およびxor (および逆演算子rover、rin、rout、およびratop ) の合成演算子を定義しました。

例えば、オーバー演算子は各ピクセルに次の式を適用することで実現できます。^[2]

${\displaystyle {\begin{aligned}\alpha _{o}&={\phantom {~C_{a}}}\alpha _{a}+{\phantom {C_{b}}}\alpha _{b}(1-\alpha _{a})\\C_{o}&={\frac {C_{a}\alpha _{a}+C_{b}\alpha _{b}(1-\alpha _{a})}{\alpha _{o}}}\end{aligned}}}$

ここで、、およびは、それぞれ各カラー チャネル (赤/緑/青) に個別に適用された「オーバー」、イメージ A、およびイメージ B の結果のピクセルの色成分を表します。一方、、およびは、それぞれのピクセルのアルファ値です。 ${\displaystyle C_{o}}$${\displaystyle C_{a}}$${\displaystyle C_{b}}$${\displaystyle \alpha_{o}}$${\displaystyle \alpha_{a}}$${\displaystyle \alpha_{b}}$

over演算子は、実質的に通常のペイント操作です（Painterのアルゴリズムを参照）。in演算子とout演算子は、クリッピングのアルファ合成に相当します。この2つは、2番目の画像のアルファチャンネルのみを使用し、色成分を無視します。さらに、plusは加法ブレンドを定義します。^[3]

画像でアルファ チャネルが使用されている場合、ストレート (関連付けられていない) アルファとプリマルチプライされた (関連付けられた) アルファという 2 つの一般的な表現が使用できます。

• ストレートアルファでは、RGB コンポーネントは不透明度を無視してオブジェクトまたはピクセルの色を表します。これは、前のセクションのover演算子によって暗示される方法です。
• プリマルチプライアルファでは、RGB成分はオブジェクトまたはピクセルの放射を表し、アルファは遮蔽を表します。オーバー演算子は次のようになります。^[3]

  ${\displaystyle C_{o}=C_{a}+C_{b}(1-\alpha _{a})}$

  ${\displaystyle \alpha _{o}=\alpha _{a}+\alpha _{b}(1-\alpha _{a})}$

プリマルチプライアルファの最も重要な利点は、正しいブレンディング、補間、フィルタリングが可能であることです。プリマルチプライアルファを使用しない通常の補間では、RGB情報が理想的には見えないにもかかわらず、完全に透明な（A = 0）領域からRGB情報が漏れてしまいます。透明領域と不透明領域の間に急激な境界がある画像を補間またはフィルタリングすると、元の画像では見えなかった色の境界が発生する可能性があります。RGBコンポーネントが正しく重み付けされていないため、半透明の領域でもエラーが発生し、より透明な（アルファが低い）ピクセルの色に誤って高い重み付けが与えられます。^[5]

プリマルチプライアルファは、通常のアルファブレンディングの領域（煙など）と加法ブレンディングモードの領域（炎やキラキラ効果など）を同じ画像内にエンコードするためにも使用される。 ^{[6] [7]}これは、（0.4、0.3、0.2、0.0）などの遮蔽のない発光を表現するRGBAトリプレットで表されます。

プリマルチプライドアルファのもう1つの利点はパフォーマンスです。特定の状況では、乗算操作の数を減らすことができます（たとえば、後の合成中に画像が何度も使用される場合）。ポーター・ダフ操作は、プリマルチプライドアルファでのみ単純な形式になります。^[3]一部のレンダリングパイプラインは「ストレートアルファ」APIサーフェスを公開しますが、パフォーマンスのためにプリマルチプライドアルファに変換します。^[8]

プリマルチプライ アルファの欠点の 1 つは、カラー コンポーネントに整数または固定小数点表現を使用する場合に、RGB 値の利用可能な相対精度が低下する可能性があることです。これにより、後でカラー情報が明るくなったり、アルファ チャネルが削除されたりすると、品質が著しく低下する可能性があります。実際には、OVER などの一般的な合成操作中に、低アルファ領域の低精度カラー情報が最終出力イメージ (合成後) に与える影響がそれに応じて減少するため、これは通常目立ちません。この精度の低下により、プリマルチプライ イメージは、透明領域内に隠れた色の変化を記録しないため、特定の圧縮方式を使用して圧縮しやすくなります。また、低アルファ領域のエンコードに割り当てるビット数が少なくて済みます。チャネルあたり 8 ビットなどの低い量子化ビット深度と同じ「制限」は、アルファのないイメージにも存在するため、この議論は問題になります。

ピクセルの色がストレートな（プリマルチプライされていない）RGBAタプルを使用して表現されていると仮定すると、ピクセル値（0、0.7、0、0.5）は、最大緑強度の 70% と 50% の不透明度を持つピクセルを意味します。色が完全に緑である場合、その RGBA は（0、1、0、0.5）になります。ただし、このピクセルがプリマルチプライされたアルファを使用する場合、すべての RGB 値（0、0.7、0）は、アルファ値 0.5 で乗算されるか、またはオクルージョンのためにスケーリングされ、（0、0.35、0、0.5）が生成されます。この場合、G チャネルの 0.35 値は、実際には 70% の緑発光強度（50% のオクルージョン）を示します。純粋な緑発光は、（0、0.5、0、0.5）としてエンコードされます。ファイルでストレートアルファが使用されているか、プリマルチプライアルファが使用されているかを知ることは、異なる計算が必要になるため、ファイルを正しく処理または合成するために不可欠です。

遮蔽のない放射はストレートアルファでは表現できません。この場合、変換は利用できません。

アルファ チャネルをサポートする最も一般的な画像形式はPNGとTIFFです。GIFはアルファ チャネルをサポートしますが、ファイル サイズに関しては非効率的であると考えられています。アルファ チャネルのサポートは、QuickTime 形式の Animation や Apple ProRes 4444、または Techsmith マルチフォーマット コーデックなどの一部のビデオ コーデックで提供されています。

BMPファイル形式は 、一般的にこのチャネルをサポートしていません。ただし、32ビット（888–8）や16ビット（444–4）などのさまざまな形式では、アルファチャネルを保存することが可能です。ただし、すべてのシステムやプログラムがそれを読み取ることができるわけではありません。主に一部のビデオゲーム^[9]や特定のアプリケーションで利用されています。^[10]これらのBMPを作成するための特定のプログラムも作成されています。

一般的なデジタル画像の RGB 値は物理的な光の強度に直接対応するわけではなく、ガンマ補正関数によって圧縮されます。

${\displaystyle C_{\text{encoded}}=C_{\text{linear}}^{1/\gamma}}$

この変換では、輝度の非線形な人間の知覚によりよく一致するものを 選択することにより、エンコードされた画像内の限られたビット数をより有効に活用します。${\displaystyle \gamma}$

したがって、このような画像を扱うコンピュータプログラムは、RGB値を線形空間にデコードし（ガンマ圧縮を解除して）、線形光強度をブレンドし、結果にガンマ圧縮を再適用する必要があります。^{[20] [21] [検証失敗]}

C o = ( C a γ α a + C b γ α b ( 1 − α a ) α o ) 1 / γ {\displaystyle C_{o}=\left({\frac {C_{a}^{\gamma }\alpha _{a}+C_{b}^{\gamma }\alpha _{b}(1-\alpha _{a})}{\alpha _{o}}}\右)^{1/\ガンマ }}

プリマルチプライアルファと組み合わせると、ガンマ圧縮の前に線形空間でプリマルチプライが行われます。^[22]この結果、次の式が得られます。

${\displaystyle C_{o}=\left(C_{a}^{\gamma }+C_{b}^{\gamma }(1-\alpha _{a})\right)^{1/\gamma }}$

カラー チャネルがガンマ補正を受ける場合でも、アルファ チャネルはガンマ補正を受ける場合と受けない場合があることに注意してください。

透明色と画像マスクは同様の目的で使用されますが、重ね合わせた画像のピクセルと背景のピクセルを滑らかにブレンドすることはできません (画像全体のピクセルまたは背景全体のピクセルのみが許可されます)。

同様の効果は、 Truevision TGA画像ファイル形式の16 ビット RGBAハイカラーモードや、関連するTARGAおよび AT-Vista/NU-Vista ディスプレイ アダプタのハイカラー グラフィック モードにあるような 1 ビット アルファ チャネルでも実現できます。このモードでは、すべての基本 RGB カラー ( 15 ビット RGB ) に 5 ビットが割り当てられ、残りの 1 ビットが「アルファ チャネル」として割り当てられます。

ディザリングは、 1 ビットのアルファのみが使用可能な部分的なオクルージョンをシミュレートするために使用できます。

アプリケーションによっては、単一のアルファ チャネルでは不十分です。たとえば、ステンド グラスの窓では、赤、緑、青の透明度を個別にモデル化するために、各 RGB チャネルごとに個別の透明度チャネルが必要です。正確なスペクトル カラー フィルタリング アプリケーションのために、アルファ チャネルをさらに追加できます。

いくつかの順序に依存しない透明性手法では、オーバー演算子を可換近似に置き換えます。^[23]

• デジタル画像の合成 - Thomas Porter と Tom Duff (原著論文)
• 画像合成の基礎
• 30 分で SVG 1.2 の合成とカラー拡張を理解しましょう。
• アルファマッティングとプリマルチプライケーション