Теорема Найквиста–Шеннона

Теорема Найквиста–Шеннона – математическое правило о том, как часто нужно сэмплировать сигнал, чтобы захватить его без потери информации. По-человечески: если сигнал содержит детали до некоторой максимальной «частоты» – сколько колебаний в единицу времени или пространства – сэмплировать нужно минимум вдвое чаще, иначе детали схлопываются в неверные узоры, которые называются `aliasing` и выглядят как нечто совершенно иное.

В видео это превращается в два конкретных правила. Пространственно (разрешение): чтобы захватить мелкую текстуру определённого уровня детализации, камере нужно как минимум вдвое больше пикселей по горизонтали и вертикали, чем у текстуры деталей, иначе получите `moire`, лестницы на почти горизонтальных линиях, мерцание ветра в пшеничном поле. Временно́ (частота кадров): чтобы захватить движение определённой скорости, камере нужна как минимум вдвое больше частота кадров, чем частота колебания движения, иначе появляется знаменитый эффект «колеса, крутящегося назад» или дёрганое быстрое движение.

Для продуктовой команды теорема не настройка, которую крутят напрямую, но она задаёт фундаментальные границы того, что вообще может захватить видео. Объясняет, почему 4K – это не просто «вдвое больше пикселей, чем 1080p», а возможность принципиально другого контента (можно прочитать мелкий текст на общем плане); почему 60 fps чисто захватывает спорт, а 30 fps даёт judder; почему downscale 4K-мастера до 1080p с правильным anti-aliasing-фильтром выглядит лучше, чем та же сцена, снятая нативно в 1080p. Теорема – причина, по которой «снимайте на максимальном качестве, которое тянет ваш пайплайн, а потом downscale» – здоровый production-совет: вы управляете сэмплированием, а не обнаруживаете, что оно провалилось на этапе захвата.