Fisika sama sekali tidak bekerja seperti itu. Aliasing mengubah frekuensi yang tidak dapat dikembalikan melewati batas Nyquist untuk muncul sebagai frekuensi di bawah batas, meskipun "alias" itu tidak benar-benar ada. Tidak ada jumlah pemrosesan sinyal alias dapat memulihkan sinyal asli dalam kasus umum. Penjelasan matematika mewah agak panjang untuk masuk kecuali Anda sudah memiliki kelas dalam teori sampling dan pemrosesan sinyal digital. Jika Anda punya, Anda tidak akan mengajukan pertanyaan. Sayangnya, jawaban terbaik adalah "Itu bukan cara kerja fisika. Maaf, tapi Anda harus percaya padaku tentang ini." .
Untuk mencoba memberikan kesan kasar bahwa hal di atas mungkin benar, perhatikan kasus gambar dinding bata. Tanpa filter AA, akan ada pola moire (yang sebenarnya alias) membuat garis bata terlihat bergelombang. Anda belum pernah melihat bangunan asli, hanya gambar dengan garis bergelombang.
Bagaimana Anda tahu batu bata asli tidak diletakkan dalam pola bergelombang? Anda menganggap itu bukan dari pengetahuan umum Anda tentang batu bata dan pengalaman manusia melihat dinding bata. Namun, dapatkah seseorang hanya membuat suatu titik dengan sengaja membuat dinding bata sehingga terlihat dalam kehidupan nyata (bila dilihat dengan mata kepala sendiri) seperti gambar? Ya mereka bisa. Oleh karena itu, mungkinkah secara matematis untuk membedakan gambar dinding bata normal atau gambar dinding bata yang sengaja bergelombang? Tidak, bukan itu. Faktanya, Anda juga tidak dapat benar-benar membedakannya, kecuali bahwa intuisi Anda tentang apa yang mungkin digambarkan oleh gambar dapat memberi Anda kesan bahwa Anda dapat melakukannya. Sekali lagi, secara tegas Anda tidak dapat mengatakan apakah wavies adalah artefak pola moire atau asli.
Perangkat lunak tidak dapat secara ajaib menghapus wavies karena tidak tahu apa yang nyata dan apa yang tidak. Secara matematis dapat ditunjukkan bahwa ia tidak bisa tahu, setidaknya dengan hanya melihat gambar bergelombang.
Dinding bata mungkin merupakan kasus yang jelas di mana Anda bisa tahu bahwa gambar alias itu salah, tetapi ada banyak kasus yang lebih halus di mana Anda benar-benar tidak tahu, dan bahkan mungkin tidak menyadari bahwa alias sedang terjadi.
Ditambahkan dalam menanggapi komentar:
Perbedaan antara aliasing sinyal audio dan gambar hanya bahwa yang pertama adalah 1D dan yang terakhir 2D. Teori dan matematika apa pun untuk mewujudkan efek masih sama, hanya saja itu diterapkan dalam 2D ketika berhadapan dengan gambar. Jika sampel berada di kotak persegi panjang biasa, seperti mereka berada di kamera digital, maka beberapa masalah menarik lainnya muncul. Misalnya, frekuensi sampel adalah sqrt (2) lebih rendah (sekitar 1,4x lebih rendah) di sepanjang arah diagonal seperti yang ditunjukkan pada arah yang selaras dengan sumbu. Namun, teori pengambilan sampel, laju Nyquist, dan alias apa sebenarnya tidak berbeda dalam sinyal 2D daripada dalam sinyal 1D. Perbedaan utama tampaknya adalah bahwa ini bisa lebih sulit bagi mereka yang tidak terbiasa berpikir dalam ruang frekuensi untuk membungkus pikiran mereka dan memproyeksikan apa artinya semua dalam hal apa yang Anda lihat dalam gambar.
Sekali lagi, tidak, Anda tidak dapat "membuat mosaik" sinyal setelah fakta, setidaknya tidak dalam kasus umum di mana Anda tidak tahu apa yang seharusnya menjadi aslinya. Pola moire yang disebabkan oleh pengambilan sampel gambar kontinu adalah alias. Matematika yang sama berlaku untuk mereka seperti halnya berlaku untuk frekuensi tinggi alias ke aliran audio dan terdengar seperti peluit latar belakang. Itu adalah hal yang sama, dengan teori yang sama untuk menjelaskannya, dan solusi yang sama untuk menghadapinya.
Solusi itu adalah untuk menghilangkan frekuensi di atas batas Nyquist sebelum pengambilan sampel. Dalam audio yang dapat dilakukan dengan filter low pass sederhana yang dapat Anda buat dari resistor dan kapasitor. Dalam pengambilan sampel gambar, Anda masih memerlukan filter lulus rendah, dalam hal ini mengambil beberapa cahaya yang hanya akan mengenai satu piksel dan menyebarkannya ke piksel tetangga. Secara visual, ini tampak seperti sedikit kabur dari gambar sebelumnyaitu adalah sampel. Konten frekuensi tinggi terlihat seperti detail halus atau tepi tajam dalam gambar. Sebaliknya, tepi yang tajam dan detail halus mengandung frekuensi tinggi. Frekuensi tinggi inilah yang dapat dikonversi menjadi alias di gambar sampel. Beberapa alias adalah apa yang kita sebut pola moire ketika aslinya memiliki beberapa konten reguler. Beberapa alias memberikan efek "langkah tangga" ke garis atau tepi, terutama ketika mereka hampir vertikal atau horizontal. Ada efek visual lain yang disebabkan oleh alias.
Hanya karena sumbu independen dalam sinyal audio adalah waktu dan sumbu independen (dua dari mereka karena sinyal 2D) dari suatu gambar adalah jarak tidak membatalkan matematika atau entah bagaimana membuatnya berbeda antara sinyal audio dan gambar. Mungkin karena teori dan aplikasi aliasing dan anti-aliasing dikembangkan pada sinyal 1D yang merupakan tegangan berbasis waktu, istilah "domain waktu" digunakan untuk kontras dengan "domain frekuensi". Dalam sebuah gambar, representasi ruang non-frekuensi secara teknis adalah "domain jarak", tetapi untuk kesederhanaan dalam pemrosesan sinyal sering disebut sebagai "domain waktu". Jangan biarkan hal itu mengalihkan perhatian Anda dari aliasing sebenarnya. Dan tidak, sama sekali bukan bukti bahwa teori itu tidak berlaku untuk gambar, hanya bahwa pilihan kata yang menyesatkan kadang-kadang digunakan untuk menggambarkan sesuatu karena alasan historis. Bahkan, jalan pintas "domain waktu" yang diterapkan ke domain bukan-frekuensi gambar sebenarnyakarena teorinya sama antara gambar dan sinyal berbasis waktu yang sebenarnya. Aliasing adalah aliasing terlepas dari apa sumbu independen (atau sumbu) terjadi.
Kecuali Anda bersedia mempelajari hal ini di tingkat beberapa mata kuliah perguruan tinggi tentang teori sampling dan pemrosesan sinyal, pada akhirnya Anda hanya akan harus memercayai mereka yang memilikinya. Beberapa hal ini tidak intuitif tanpa latar belakang teori yang signifikan.