La fisica semplicemente non funziona in questo modo. L'aliasing trasforma irreversibilmente le frequenze oltre il limite di Nyquist per apparire come frequenze al di sotto del limite, anche se quegli "alias" non sono realmente presenti. Nessuna quantità di elaborazione di un segnale con alias può recuperare il segnale originale nel caso generale. Le fantasiose spiegazioni matematiche sono piuttosto lunghe da approfondire a meno che tu non abbia una classe nella teoria del campionamento e nell'elaborazione del segnale digitale. Se l'avessi fatto, non avresti fatto la domanda. Sfortunatamente, la risposta migliore è semplicemente "Non è così che funziona la fisica. Mi dispiace, ma dovrai fidarti di me su questo." .
Per provare a dare una sensazione approssimativa che quanto sopra potrebbe essere vero, considera il caso di una foto di un muro di mattoni. Senza un filtro AA, ci saranno modelli di moiré (che in realtà sono gli alias) che rendono le linee di mattoni ondulate. Non hai mai visto il vero edificio, solo l'immagine con le linee ondulate.
Come fai a sapere che i veri mattoni non sono stati disposti in uno schema ondulato? Si assume che non erano dalla conoscenza generale di mattoni e l'esperienza umana del vedere muri di mattoni. Tuttavia, qualcuno potrebbe semplicemente fare un punto deliberatamente fare un muro di mattoni in modo che sembrasse nella vita reale (se visto con i tuoi occhi) come l'immagine? Sì, potevano. Pertanto, è possibile distinguere matematicamente un'immagine con alias di un normale muro di mattoni e un'immagine fedele di un muro di mattoni deliberatamente ondulato? No non lo è. In realtà, non puoi nemmeno dire la differenza, tranne per il fatto che la tua intuizione su ciò che un'immagine probabilmente rappresenta può darti l'impressione che puoi. Ancora una volta, a rigor di termini non si può dire se le onde sono artefatti moiré o sono reali.
Il software non può rimuovere magicamente le onde perché non sa cosa è reale e cosa non lo è. Matematicamente si può dimostrare che non può saperlo, almeno guardando solo l'immagine ondulata.
Un muro di mattoni può essere un caso ovvio in cui puoi sapere che l'immagine con alias è sbagliata, ma ci sono molti altri casi sottili in cui davvero non lo sai e potresti anche non essere consapevole che l'aliasing sta succedendo.
Aggiunto in risposta ai commenti:
La differenza tra aliasing di un segnale audio e di un'immagine è solo che il primo è 1D e il secondo 2D. La teoria e qualsiasi matematica per realizzare effetti è sempre la stessa, solo che viene applicata in 2D quando si tratta di immagini. Se i campioni si trovano su una griglia rettangolare regolare, come in una fotocamera digitale, sorgono altri problemi interessanti. Ad esempio, la frequenza di campionamento è sqrt (2) inferiore (circa 1,4x inferiore) lungo le direzioni diagonali applicate alle direzioni allineate agli assi. Tuttavia, la teoria del campionamento, la frequenza di Nyquist e ciò che sono realmente gli alias non differiscono in un segnale 2D rispetto a un segnale 1D. La differenza principale sembra essere che questo può essere più difficile per coloro che non sono abituati a pensare nello spazio delle frequenze per avvolgere la mente e proiettare ciò che tutto ciò significa in termini di ciò che vedi in un'immagine.
Ancora una volta, no, non è possibile "demosaico" un segnale dopo il fatto, almeno non nel caso generale in cui non si sa quale dovrebbe essere l'originale. I pattern moiré causati dal campionamento di un'immagine continua sono alias. La stessa matematica si applica a loro così come si applica all'alias delle alte frequenze in un flusso audio e che suona come fischi di sottofondo. È la stessa roba, con la stessa teoria per spiegarla e la stessa soluzione per affrontarla.
Tale soluzione è eliminare le frequenze al di sopra del limite di Nyquist prima del campionamento. Nell'audio che può essere eseguito con un semplice filtro passa-basso, è possibile creare un resistore e un condensatore. Nel campionamento delle immagini, hai ancora bisogno di un filtro passa-basso, in questo caso sta prendendo parte della luce che colpirebbe solo un singolo pixel e lo diffonderebbe ai pixel vicini. Visivamente, questo sembra un leggero offuscamento dell'immagine primaè campionato. I contenuti ad alta frequenza sembrano dettagli fini o spigoli vivi in un'immagine. Al contrario, i bordi nitidi e i dettagli precisi contengono alte frequenze. Sono esattamente queste alte frequenze che vengono convertite in alias nell'immagine campionata. Alcuni alias sono quelli che chiamiamo modelli moiré quando l'originale aveva un contenuto regolare. Alcuni alias danno l'effetto "gradino della scala" a linee o spigoli, specialmente quando sono quasi verticali o orizzontali. Ci sono altri effetti visivi causati da alias.
Solo perché l'asse indipendente nei segnali audio è il tempo e gli assi indipendenti (due dei quali poiché il segnale è 2D) di un'immagine sono la distanza non invalida la matematica o in qualche modo la rende diversa tra segnali audio e immagini. Probabilmente perché la teoria e le applicazioni di aliasing e anti-aliasing sono state sviluppate su segnali 1D che erano tensioni basate sul tempo, il termine "dominio del tempo" è usato per contrastare il "dominio della frequenza". In un'immagine, la rappresentazione dello spazio senza frequenza è tecnicamente il "dominio della distanza", ma per semplicità nell'elaborazione del segnale viene spesso indicato come "dominio del tempo". Non lasciarti distrarre da ciò che è realmente l'aliasing. E no, non è affatto la prova che la teoria non si applica alle immagini, solo che a volte viene usata una scelta fuorviante di parole per descrivere le cose per ragioni storiche. In realtà, il collegamento "dominio del tempo" applicato al dominio non di frequenza delle immagini è in realtàperché la teoria è la stessa tra immagini e segnali reali basati sul tempo. L'aliasing è aliasing indipendentemente da quale sia l'asse (o gli assi) indipendente.
A meno che tu non sia disposto a approfondire questo a livello di un paio di corsi universitari sulla teoria del campionamento e l'elaborazione del segnale, alla fine dovrai solo fidarti di quelli che hanno. Alcune di queste cose non sono intuitive senza un significativo background teorico.