在数据可视化和高频交易监控等场景下，线图渲染往往需要在 CPU 端完成 —— 要么因为数据敏感无法上传 GPU，要么因为需要与业务逻辑紧密集成的即时反馈。手写一个高质量的抗锯齿线图渲染器，核心挑战不在于绘制线条本身，而在于如何在有限的数值精度内，准确计算每个像素被线段覆盖的比例。
传统软件光栅化采用过采样策略：将每个像素细分为 5×5 或更高密度的子采样点，统计落在图形内部的点数作为覆盖率。这种方法实现简单，但计算量随采样密度线性增长，且在接近水平的线段边缘容易产生走样。更根本的问题是，它本质上是一种蒙特卡洛近似，而非对几何覆盖的精确度量。
现代 CPU 光栅化转向基于有符号面积的精确计算方法。核心洞察在于：多边形与像素的交集面积可以通过将多边形分解为向右延伸的梯形来累加得到。对于每条边，计算其向右延伸的梯形在目标像素内的有符号面积，所有边的贡献代数和即为该像素的最终覆盖率。这种方法将抗锯齿问题转化为几何面积计算，避免了离散采样的统计噪声。
数值精度是工程实现中的首要陷阱。浮点运算在边与像素边界相交时容易产生亚像素级误差，导致覆盖率计算出现肉眼可见的瑕疵。实践中需要显式处理边界情况：当边的端点恰好落在扫描线上时，必须采用一致的计数约定避免漏算或重算。更隐蔽的问题出现在几乎水平的线段 —— 此时 dy/dx 趋近于零，斜率计算的相对误差会被放大，需要在代码中引入 epsilon 阈值进行保护。
采样策略的优化体现在两个维度。纵向维度上，算法将扫描线视为 1 像素高的条带而非无穷细线，边与扫描线的相交计算从点采样变为区间计算。横向维度上，利用逆累积和表技巧将 O (e×n) 的像素填充复杂度降至 O (n)：每条边只需在其起始 x 坐标处记录一个 "高度增量"，扫描结束时通过一次线性前缀和即可得到所有像素的累积覆盖值。
性能与精度的权衡还体现在边界框裁剪策略。对于完全落在像素行内的短边，可以直接计算梯形面积；对于跨越多个像素的长边，则利用面积变化的线性特性进行步进累加，避免每像素重复计算斜率。这种分层处理在字体渲染中尤为重要，因为字形轮廓往往包含大量短边和少量长边的混合。
该算法存在固有的理论限制：当多个多边形在像素内重叠时，它测量的是多边形面积的代数和，而非像素实际被遮挡的比例。这意味着自相交或重叠绘制可能导致双重计数，在凹角处表现为异常的暗像素。实践中这一限制通常可以接受 —— 大面积重叠会被钳位到 100% 覆盖率，而小范围的重叠误差在视觉上往往不明显。
从工程落地角度，实现一个生产级的 CPU 线图渲染器需要关注以下可量化参数：浮点坐标使用 32 位单精度即可满足 1080p 分辨率的亚像素定位需求；抗锯齿覆盖率输出 8 位灰度已足够平滑；活动边表按 y 坐标排序的初始开销可以通过预分配缓冲区摊平；对于实时性要求高的场景，建议将渲染目标限制在 256 级灰度以利用查表加速最后的颜色混合阶段。
软件光栅化并未因 GPU 普及而失去价值。在需要精确控制渲染管线、避免驱动开销或处理非标准图元的场景中，理解这些底层数值优化技术仍然是构建高性能可视化系统的必要基础。
资料来源
- Sean Barrett, "How the stb_truetype Anti-Aliased Software Rasterizer v2 Works", nothings.org, 2015.
- 相关实现参考 stb_truetype.h 开源库中的抗锯齿光栅化模块。
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。