【RAY TRACING THE REST OF YOUR LIFE 超详解】 光线追踪 3-5 random direction & ONB

 Preface

往后看了几章，对这本书有了新的理解

上一篇，我们第一次尝试把MC积分运用到了Lambertian材质中，当然，第一次尝试是失败的，作者发现它的渲染效果和现实有些出入，所以结尾处声明要通过实践，改进当前的效果

于是乎，就有了后面的章节，几乎整本书都在讲，如何一步一步地改进上一篇的画质，使其更加符合现实，上一篇其实是抛砖引玉

这本书的小标题名为the rest of your life

通过前面几章，我们可以更好地理解这句话：我们通过MC积分优化效果，采用的是pdf函数，之前说过，这就是一场游戏：寻找一个pdf函数，使得使用它进行重要性采样得到的渲染图形更加贴合实际，其实它是没有止境的，比如pdf是一次曲线、二次曲线、高次曲线、正态分布、高斯分布等等，对应的研究方法也是没有止境的，比如：你可以通过对光源进行pdf采样实现最终目的（比如在双向追踪中，光源也要发射光线），你也可以通过对不同材质表面的反射状态进行pdf采样，进而使得表面颜色变化更光滑更柔和更贴合实际。

上述为个人理解，可能有些出入，吾姑妄言之，汝姑妄听之，便罢。

 Ready

上述说到抛砖引玉，但是好像我们用的不是一张图，思量再三，还是先把砖整一个，毕竟之后都是围绕那块砖评说效果的，另辟蹊径可能不是明智之举

所以，我们先把砖搞到手

造砖的代码：

void Cornell(intersections** scene, camera** cam, rtvar aspect)

{

      intersect ** list = new intersect*[8];

      size_t cnt = 0;

      material * red = new lambertian(new constant_texture(rtvec(0.65, 0.05, 0.05)));

      material * white = new lambertian(new constant_texture(rtvec(0.73, 0.73, 0.73)));

      material * green = new lambertian(new constant_texture(rtvec(0.12, 0.45, 0.15)));

      material * light = new areaLight(new constant_texture(rtvec(15, 15, 15)));

      list[cnt++] = new flip_normal(new yz_rect(0, 555, 0, 555, 555, green));

      list[cnt++] = new yz_rect(0, 555, 0, 555, 0, red);

      list[cnt++] = new xz_rect(213, 343, 227, 332, 554, light);

      list[cnt++] = new flip_normal(new xz_rect(0, 555, 0, 555, 555, white));

      list[cnt++] = new xz_rect(0, 555, 0, 555, 0, white);

      list[cnt++] = new flip_normal(new xy_rect(0, 555, 0, 555, 555, white));

      list[cnt++] = new translate(new rotate_y(new box(rtvec(), rtvec(165, 165, 165), white), -18), rtvec(130, 0, 65));

      list[cnt++] = new translate(new rotate_y(new box(rtvec(), rtvec(165, 330, 165), white), 15), rtvec(265, 0, 295));

      *scene =  new intersections(list, cnt);

      rtvec lookfrom(278, 278, -800);

      rtvec lookat(278, 278, 0);

      rtvar dist_to_focus = 10.0;

      rtvar aperture = 0.;

      rtvar vfov = 40.0;

      *cam = new camera(lookfrom, lookat, rtvec(0, 1, 0),

           vfov, 1, aperture, dist_to_focus, 0., 1.);

}

为了清晰点，sample改为了250，图片为200*200，为了方便重复做实验，所以参数就这样吧，能看清即可，"高清大图"实在是熬不起，都是夜啊，各位见谅~

上一篇结束之后的代码均不变，只是改一下Cornell 函数

我们得到

这就是上一篇最后得到的效果，没错

我们评说一下，这张图不仅没有减少噪点，而且高的长方体表面的颜色趋于均匀一致，与实际有偏差

评说好坏当然要有个参考，我们放上两张第二本书中得到的图形（未加入MC积分）

   

上面三张图，无论你看哪张图都能发现，正对我们的那个长方体表面是从上到下又黑到白渐变的，而且在正方体上表面高度处对应的长方体表面有一抹正方体上表面反射的白色光，而MC图形基本上呈均匀色调，甚至可能上面部分还稍白一些

所以我们进入今天的这一篇

 Content

今天我们讲两章，第一章是讲三维随机方向向量的生成，这有什么用呢，它给我们的三维空间内进行重要性采样用，MC需要它！！

Chapter5 Generating Random Direction

在这一章和后续的两章，我们需要加强我们的理解和我们手中的工具，搞明白什么才是正确的Cornell Box

让我们首先从如何生成随机方向开始说起。

为了方便，我们假定z轴为表面法线，之后再转换坐标系，与此同时，我们规定θ为从法线张开的角度

我们将仅仅处理关于z轴旋转对称的分布，所以其他相关的量，均设为均匀分布

给定一个和方向相关的pdf，p(direction) = f(θ)，一维pdf中θ 和 φ如下：

g(φ) = 1/(2π)　　　(均匀分布)

h(θ) = 2πf(θ)sinθ

对于两个随机生成的均匀变量r1和r2，我们在第三篇内容中推导出

r1 = ∫0->φ 1/(2π) dθ = φ/(2π)

得   φ = 2πr1

r2 =  ∫0->θ 2πf(t)sin(t) dt

t只是一个虚拟的量，用以代替变化的θ，然后辅助实现从0~θ对我们之前的被积函数f(θ)积分（变限积分量不能相同，所以引入t）

我们从下面开始尝试不同的f()

首先，我们考虑球体上采取均匀密度采样，因为整个球面为4πsr，故单位球体表面均匀密度采样的pdf函数为：p(direction) = 1/(4π)，所以得到：

r2 = ∫0->θ sin(t)/2 dt

　= （-cos(t)/2）|0->θ

　 = （1-cosθ）/2

cosθ = 1 - 2r2

一般cosθ更常用一些，就不进一步求θ了，用的时候再acos()

为了在笛卡尔坐标系下生成一个指向（θ，φ）的单位向量，这就涉及到我们的球坐标代换方程了：

x = cosφ sinθ

y = sinφ sinθ

z = cosθ

它对应的球坐标如下

此处r为1

我们开始推导

把关于θ和φ的式子带入x,y,z中

x = cos(2πr1)*sqrt(1-cos2θ)

y = sin(2πr1)*sqrt(1-cos2θ)

z = 1-2r2

解得：

x = cos(2πr1)*sqrt(r2*(1-r2))

y = sin(2πr1)*sqrt(r2*(1-r2))

z = 1-2r2

然后我们来做个图，验证一下它是否如我们所愿，生成的点聚拢为单位球面

作者给出的画图方法是plot.ly，可以在线画，但是它要求注册账号，流程还挺麻烦的，GitHub授权账号老是没响应（可能我网不好），如果有兴趣的可以直接到这里

直接可以载入数据使用的网址

其实matlab最好使了，对不对啊

于是乎，我们先写入txt,千万不要写入xls，还是比较麻烦的

    stds ofstream outfile("random_direction.txt");

    for (int i = 0; i < 200; ++i)
    {
        double r1 = lvgm::rand01();
        double r2 = lvgm::rand01();
        double x = cos(2 * π * r1) * 2 * sqrt(r2 * (1 - r2));
        double y = sin(2 * π * r1) * 2 * sqrt(r2 * (1 - r2));
        double z = 1 - 2 * r2;
        outfile << x << "\t" << y << "\t" << z << stds endl;
    }

    outfile.close();

创建一个random_direction.xls的文件，点菜单栏中的数据->自文本，选择random_direction.txt，一路回车就加载完毕了，可见xls加载文本容易多了

假设你的路径是

E:\OpenGL\光线追踪\code\ray tracing 1-3\ray tracing 1-3\random_direction.xls

数据所在表的表名为sheet1

则matlab代码和效果如下图

效果还是很好的

我们可以看到，它是均匀随机的，达到了我们的预期

呐，我们接下来试一下我们第二常用的pdf

即p(direction) = cosθ/π

r2 = ∫0->θ 2π（cos(t)/π）sint dt

= (-cos2t)|0->θ

= 1 - cos2θ

cosθ = sqrt(1-r2)

于是乎我们得到下述的x,y,z

x = cos(2πr1)*sqrt(r2)

y = sin(2πr1)*sqrt(r2)

z = sqrt(1-r2)

下面我们就生成随机向量

inline rtvec random_cosine_direction()
{
    double r1 = lvgm::rand01();
    double r2 = lvgm::rand01();
    double z = sqrt(1 - r2);
    double φ = 2 * π*r1;
    double x = cos(φ) * 2 * sqrt(r2);
    double y = sin(φ) * 2 * sqrt(r2);
    return rtvec(x, y, z);
}

我们按照原来的方法把第二个pdf函数产生的随机情况模拟一下：

那么我们用pdf做一个数值模拟

void estimate2()
{
    int n = 1000000;
    double sum = 0.;
    for (int i = 0; i < n; ++i)
    {
        rtvec v = ::random_cosine_direction();
        sum += pow(v.z(), 3) / (v.z() / π);
    }
    stds cout << "π/2 = " << π / 2 << stds endl;
    stds cout << "Estimate = " << sum / n << stds endl;
}

还有一个模拟半球得到的近似，pdf = 1/（2π）

有兴趣的可以自己推一下，这里直接给代码，为了和上面做对比

void estimate()
{
    int n = 1000000;
    double sum = 0.;
    for (int i = 0; i < n; ++i)
    {
        double r1 = lvgm::rand01();
        double r2 = lvgm::rand01();
        double x = cos(2 * π * r1) * 2 * sqrt(r2 * (1 - r2));
        double y = sin(2 * π * r1) * 2 * sqrt(r2 * (1 - r2));
        double z = 1 - r2;
        sum += z*z*z / (1. / (2.*π));
    }
    stds cout << "π/2 = " << π / 2 << stds endl;
    stds cout << "Estimate = " << sum / n << stds endl;
}

主函数

int main()
{
    //build_1_1();

    estimate();
    estimate2();
}

结果

可以看到模拟半球的pdf函数效果没有p() = cos/π 这个好

这一章中所有的都是基于z轴的，而下一章我们真正基于物体表面法线进行

Chapter6 Ortho-normal Bases

ONB是三个相互正交的单位向量集合，笛卡尔坐标系中的xyz轴也是一种ONB

我们这一章的目的就是把上一章基于z轴的随机方向转换到基于表面法线的

假设，我们有一个原点o和笛卡尔坐标系向量 x/y/z，当我们描述一个位置

比如：（3，-2,7）时，我们这样计算：

location = o + 3x - 2y +7z

假如有另外一个坐标系，它的原点为o‘，基向量为 u/v/w

我们将要用如下方式表示（u，v，w）这个位置：

location = o‘ + uu + vv + ww

如果学过计算机图形学，那么你就可以用矩阵变换去完成坐标系，但是我们这里不需要这种操作。

我们需要的是生成具有相对于表面法线的集合分布的随机方向。 我们不需要原点，因为向量无起点。

我们引用光线追踪1-8中所述的相机坐标来计算ONB的三个基向量

我们现在拥有的是法向量n，我们可以把它看做是lookfrom->lookat向量

我们需要一个vup,假设法向量n本身几乎平行于特定轴，那么vup就取和n垂直的基向量，反之，我们就使用特定轴作为vup

代码是描述思维最好的方式之一:(假设特定轴为x轴)

if(fabs(n.x())>0.9)

　　vup = (0,1,0)

else

　　vup = (1,0,0)

我们设ONB基向量由 s,t,n 组成

那么 t = cross(vup,n).单位化

　　 s = cross(t,n)

理解可参考上图,t为图中的u, s为图中的v

所以我们的坐标系中的任一点（x,y,z）表示如下
随机向量 = xs + yt + zn

至此，我们上代码：

/// onb.hpp
//
// -----------------------------------------------------
// [author]        lv
// [begin ]        2019.3
// [brief ]        ONB
// -----------------------------------------------------

#pragma once

namespace rt
{

class onb
    {
public:

    onb() {  }

    inline const rtvec& operator[](int index)const { return axis[index]; }

    inline const rtvec& u()const { return axis[0]; }

    inline const rtvec& v()const { return axis[1]; }

    inline const rtvec& w()const { return axis[2]; }

public:

    inline rtvec local(double a, double b, double c)const;

    inline rtvec local(const rtvec& v)const;

    void build_from_w(const rtvec&);

private:

    rtvec axis[3];

    };

inline rtvec onb::local(double a, double b, double c)const
    {
    return a*u() + b*v() + c*w();
    }

inline rtvec onb::local(const rtvec& v)const
    {
    return local(v.x(), v.y(), v.z());
    }

inline void onb::build_from_w(const rtvec& V)
    {
    axis[2] = V.ret_unitization();
    rtvec a;
    if (fabs(w().x()) > 0.9)
        a = rtvec(0, 1, 0);
    else
        a = rtvec(1, 0, 0);
    axis[1] = lvgm::cross(w(), a).ret_unitization();
    axis[0] = lvgm::cross(w(), v());
    }

} // rt namespace

我们的Lambertian材质的scatter函数需要做相应的改动

bool lambertian::scatter(const ray& rIn, const hitInfo& info, rtvec& alb, ray& scattered, rtvar& pdf)const
    {
    onb uvw;
    uvw.build_from_w(info._n);
    do {
        rtvec direction = uvw.local(random_cosine_direction());
        scattered = ray(info._p, direction.ret_unitization(), rIn.time());
        pdf = dot(uvw.w(), scattered.direction()) / π;
    } while (pdf == rtvar(0));
    alb = _albedo->value(info._u, info._v, info._p);
    return true;
    }

然后我们跑一遍场景

感觉还不是很真实，好像和以前的差不多（正常，这不能算鸽~，因为第八章以后差不多才可以。。）

探索过程也是很值得借鉴的嘛，毕竟这是在一步一步引入新的技术，算是循循善诱~

下面是原书结尾，下一篇我们讲牛逼的技术——直接光源采样

感谢您的阅读，生活愉快~

原文地址：https://www.cnblogs.com/lv-anchoret/p/10518961.html

时间： 2024-10-09 16:36:48

【RAY TRACING THE REST OF YOUR LIFE 超详解】 光线追踪 3-5 random direction & ONB的相关文章

【RAY TRACING THE REST OF YOUR LIFE 超详解】 光线追踪 3-6 直接光源采样

Chapter7 Sample Lights Directly  Preface 今天我们来讲这个还算牛逼的技术——直接光源采样 之前我们提到过,在2-7 前两篇我们也提到要减少噪点,就是图片上的黑点点,所以,所有的矛头都指向了这一篇. 简单说一下为什么会有那么多小点点,就是因为光线路径中没有触碰到光源,路径计算之后就会是黑色的点,可以通过发射大量的光线,比如计算每个像素点的时候发射8k~1w条采样光线进行路径计算:也可以路径计算方面做文章,比如加深路径计算递归深度:等等诸如此类.但是上述方法都

【RAY TRACING THE REST OF YOUR LIFE 超详解】 光线追踪 3-1

今天起,我们就开始学习第三本书了 这本书主要讲的是蒙特卡罗渲染,以及相关的数学.术语概念等 我们先来一个简单的开胃菜 chapter 1:A Simple Monte Carlo Program 蒙特卡罗方法(MC)是一种统计模拟方法,是一类很重要的数值计算方法,它是一种使用随机数解决好很多实际问题的方法. 先来看一个很简单的例子:估计π 有很多经典的方法,其中之一是 假设你扔了很多随机的点到方框中,那么有一部分在圆内,其中圆内点和方框点的比例应该就是圆的面积和方框面积的比例,由此: 比例 =

【RAY TRACING THE REST OF YOUR LIFE 超详解】 光线追踪 3-3 蒙特卡罗 (三)

开学人倍忙,趁着第二周周末,我们继续图形相关的博客  Preface 今天我们来介绍一些理论方面的东西,为Monte Carlo 应用到我们的光线追踪器做铺垫 我们今天会介绍两章的东西,因为有一章内容太过简单 本篇目的原版内容 见相册 这个东西你点上去会有页数的,不要看混了  ready 看这一篇您需要具备以下知识 1. 了解重要性采样 2. 二重积分,基础微分 3. (半)球坐标系 4. 光线追踪基本原理 5. 立体角(solid angle),现在普及一下 首先类比二维空间的圆,假设我们在二

POJ 1659 Frogs&#39; Neighborhood(可图性判定—Havel-Hakimi定理)【超详解】

Frogs' Neighborhood Time Limit: 5000MS   Memory Limit: 10000K Total Submissions: 9897   Accepted: 4137   Special Judge Description 未名湖附近共有N个大小湖泊L1, L2, ..., Ln(其中包括未名湖),每个湖泊Li里住着一只青蛙Fi(1 ≤ i ≤ N).如果湖泊Li和Lj之间有水路相连,则青蛙Fi和Fj互称为邻居.现在已知每只青蛙的邻居数目x1, x2, ..

CentOS6启动过程超详解分析

CentOS 6 开机流程--linux由kernel和rootfs组成.kernel负责进程管理.内存管理.网络管理.驱动程序.文件系统.安全等;rootfs由程序和glibc组成,完善操作系统的功能.同时linux内核的特点是模块化,通过对模块装载卸载可以对内核功能自定义.linux内核文件:/boot/vmlinuz-2.6.32-696.el6.x86_64 整体的流程 BIOS/开机自检 MBR引导(Boot Loader) 启动内核 启动第一个进程init 一.BIOS/开机自检 1

【Ray Tracing in One Weekend 超详解】 光线追踪1-10

<Ray Tracing in One Weekend>完结篇 最近课程上机实验,封面图渲染时间也超长,所以写东西就落下了,见谅 这篇之后,我会继续<Ray Tracing The Next Week>,还请多多关注 这几天我在渲染这本书的封面图,封面图还没出,不算结束,刚好安排了10节 今天呢,有两件事: 1.阐述整个工程的文件组织即内容 2.阐述封面,完结 12.1工程文件组织 试过很多方法,问过很多老师,无奈,子类继承实现的父类纯虚函数实在无法和类声明分成两个文件(即声明放于

【Ray Tracing The Next Week 超详解】 光线追踪2-3

 Preface 终于到了激动人心的纹理章节了 然鹅,看了下,并不激动 因为我们之前就接触过 当初有一个 attenuation 吗? 对了,这就是我们的rgb分量过滤器,我们画出的红色.蓝色.绿色等等,都是通过它来控制的 专业点的词语叫做rgb衰减比例,比如rtvec(1.,0.,0.),最后呈现出来的是红色,因为r保留了100% 它是怎么控制的呢,我们来回顾一下这个过程 首先,我们创建一个材质球 后面那个rtvec(0.4,0.2,0.1)就是衰减比例(衰减到原来的百分之..) 之后 进入数

【Ray Tracing The Next Week 超详解】 光线追踪2-6 Cornell box

Chapter 6:Rectangles and Lights 今天,我们来学习长方形区域光照  先看效果 light 首先我们需要设计一个发光的材质 /// light.hpp // ----------------------------------------------------- // [author] lv // [begin ] 2019.1 // [brief ] the areaLight-class for the ray-tracing project // from t

【Ray Tracing The Next Week 超详解】 光线追踪2-7 任意长方体 &amp;&amp; 场景案例

上一篇比较简单,很久才发是因为做了一些好玩的场景,后来发现这一章是专门写场景例子的,所以就安排到了这一篇 Preface 这一篇要介绍的内容有: 1. 自己做的光照例子 2. Cornell box画质问题及优化方案 3. 新的场景几何体——长方体 轴平行长方体 任意长方体 我们这一篇重实践轻理论阐述 ready 1. 需要上一章的知识 但是,上一章的Cornell box画质优化仅限于盒子本身,如果作为场景和其他物体放在一起就不能那么优化画质 即,Cornell box像素计算失败应该返回黑色