（这个问题已经在 Stack Overflow 上的 Matlab/Octave/Signal-processing/Image-processing 标签下被问到，但我根据一位用户的建议将其重新发布在这里，该网站可能是解决此类问题的更合适的论坛。）

为 CCD 图像集成目的生成抗锯齿布尔蒙版是否常见/有用？

假设我想整合照射到 CCD 传感器给定区域的光。该区域的边界对应的物理坐标没有义务与我的 CCD 传感器的像素完全一致。

在 Matlab/Octave/（甚至是 Scientific Python）中，用于整合此类区域的常用算法是使用对数组的逻辑运算来定义布尔掩码，例如：

mask = R < radius;

（其中“R”和“掩码”是二维数组，“半径”是浮点数）。这种掩码的值为 0 或 1。

然后，我可以通过对蒙版图像求和来整合包含在我区域边界内的像素：

integrated_signal = sum(sum(mask.*image));

（其中“图像”是 CCD 传感器的输出，例如具有 U16 值的二维阵列）。

但是，从数学上讲，没有什么能阻止我定义连续值蒙版，即像素可以取 0 到 1 之间的任何值的蒙版。从物理上讲，这意味着我可以整合部分像素。我什至可以使用抗锯齿算法来计算这样的掩码，以便更好地近似非方形友好形状，例如圆形（例如，将信号与旋转对称集成）。

我对数字成像极客的问题如下：为成像传感器的集成目的定义这种抗锯齿掩模是标准做法吗？它有用（我怀疑），还是会产生与物理无关的结果？