所以，在我們的架構中，貼圖的尺寸趨于偏小。John和他的團隊在計算最優尺寸時則考慮的更多，但尺寸等都是最大的考慮因素。目前，Rogue上用于一般渲染的像素是32×32，但其比起過去在SGX上的渲染像素要更小，且架構也非方形矩陣。

多重采樣

在一般渲染時，還需考慮一件事情：多重采樣。這里不對MSAA作全面介紹——以后發表的文章中將會詳述——但它卻可以提高圖像質量，因為它比常規的渲染（通常為一個像素）所生成的像素樣品更多，且使用這些額外的數據可以在樣品中濾除圖像中的高頻信號。

因此如果為每個像素生成的數據更多，我們需要相應的存儲空間。幾個方式可以嘗試。一個是在系統內存中存儲額外的樣品；另一個是使用GPU存儲，這樣在處理MSAA時便不需要消耗非GPU帶寬。

采用第二種方式時，在GPU中為多重采樣數據分配一些存儲，以提高效率及降低外部內存帶寬。存儲的形式不在本文討論范圍之內，但顯然這應該著色器內核的一部分，這樣USC便可以迅速對之訪問。

實際柵格化

回到我們之前討論的柵格化。每個區塊貼圖中的三角形都會生成一個邊界方程，我們在合成圖像處理器(ISP)中對這些邊界方程和平面方程進行共同評估。ISP是GPU設計的核心，因為有了ISP，延期渲染才得以進行。

評估方程后，對貼圖中每個像素樣品位置的三角形顯示結果進行測試(或如果是多重采樣，則對采樣位置進行測試)，看看哪些像素位于即將產生的三角形內。這時，我們才最終完成柵格化：通過評估邊界方程且對貼圖像素的結果進行測試后，使三角形形成2D圖像，這樣便知道其覆蓋的屏幕區域。

消除隱藏面

消除隱藏面才意味著GPU開始真正地節約效率。貼圖操作把屏幕分成很多適宜于GPU的小字節，這樣，既可將數據儲存在GPU上，又可以在運行數據時避免過多消耗且保證內存訪問時功率充足。但我們還可以做到更極致。

在進行像素柵格化時，對其在深度緩沖區中的深度(在圖表中用Z表示)進行了測試。如果深度測試（通常是“是否比深度緩沖區像素位置最后的值更接近屏幕？”）通過，則用最新的像素值更新深度緩沖區，且將數據“此三角形中的此像素形成了貼圖”進行存儲。

可以想象，這一處理的結果是一組貼圖數據，且僅對通過了深度測試的可見像素進行編碼。這里再重點強調一遍。處理的結果是一組貼圖數據，且僅有通過深度測試的可見像素才進行編碼。

處理過程中節約效率尤為重要。我們可以在GPU工作之前預先捕獲給定渲染的繪制調用。在其他GPU中，驅動器將發送命令到GPU，使之盡快在應用程序中完成繪制調用。它不會在乎前一個或接下來的繪制是什么。但在命令較多的時候，知曉前后繪制調用的內容便可以大量節省功率。嘗試及避免在其他架構上工作的傳統方式類似于這種情況，即在像素渲染前便已完成深度測試。但是測試往往不如我們測試像素這般精準。

在給GPU輸送命令之前，我們啟用所有影響給定緩沖區的繪制調用。這個過程可以讓我們獲取影響緩沖區渲染的所有幾何對象，使我們可以完成貼圖和HSR，盡可能避免多余的工作。

對于非透明的幾何對象，這種方式非常有效，文末將對此進行簡要介紹。

透明度

顯然，當透明物體被擋后，ISP需要克服障礙。我們處理透明度的方法相當簡單，即節省效率。當透明的物體從先前的區塊中進入ISP時，我們可以有效地停止操作，直接沖刷所有通過深度測試的像素進入著色器內核。為何？因為我們可以在頂點對透明物進行混合，我們所需了解的是混合值。

所以，我們清空ISP進入USC(或SGX中的USSE)，對所有阻擋物體的可見非透明阻擋物進行渲染，并使用最終像素值更新緩沖區，這樣我們便可以在頂點混合。到這一步先稍安勿躁，先看看接下來進入ISP的對象是什么，因為我們需要維持API提交順序，以滿足所有當前的API規范。