简介

环境光遮蔽是计算场景中每一点是如何接受环境光的。而实时渲染中的环境光遮蔽则是对此的模拟。

我们这里实现比较常见的SSAO和HBAO，一个表面点的AO的计算则是对其法线所在半球面的可见性的积分
Apˉ=1π∫ΩVpˉ,ω^(n^⋅ω^)d⁡ω\displaystyle A_{\bar {p}}={\frac {1}{\pi }}\int _{\Omega }V_{{\bar {p}},{\hat {\omega }}}({\hat {n}}\cdot {\hat {\omega }})\,\operatorname {d} \omega Apˉ=π1∫ΩVpˉ,ω^(n^⋅ω^)dω
实时计算的时候离散的积分就好了

SSAO

SSAO的原理比较简单，其流程比较适合DeferredLighting，一个点的
其实现步骤如下

获取到当前帧的深度图Depth，能获取到法线贴图Normal更好，不能的话直接用ddx和ddy计算也行
对深度图上的每个像素，计算出其ViewSpace的坐标P0，在其法线所在半球面上采样点N个点，计算出这些点的ViewSpace坐标P1 ~ PN，并再次计算出P1 ~ PN的NDC，并采样得到这些点的真实深度值，并重建出真实的ViewSpace坐标V1 ~ VN
对于P1 ~ PN与V1 ~ VN的大小，当V大于P的时候，该点被遮挡，可以根据遮挡的距离给出遮蔽的遮挡积分的权重
最后对所有的采样点都做了遮挡计算后平均，得到当前点的AO值

实现上我们是直接抄的Unity实现版本，从中比较有意思的点是GPU上的伪随机，因为我们需要在单位半球面上随机采样

//From  Next Generation Post Processing in Call of Duty: Advanced Warfare [Jimenez 2014]
// http://advances.realtimerendering.com/s2014/index.html
float InterleavedGradientNoise(float2 pixCoord, int frameCount)
{const float3 magic = float3(0.06711056f, 0.00583715f, 52.9829189f);float2 frameMagicScale = float2(2.083f, 4.867f);pixCoord += frameCount * frameMagicScale;return frac(magic.z * frac(dot(pixCoord, magic.xy)));
}// Pseudo random number generator with 2D coordinates
float UVRandom(float u, float v)
{float f = dot(float2(12.9898, 78.233), float2(u, v));return frac(43758.5453 * sin(f));
}

这基本是在GPU上能找到的比较好用的随机数生成方法了

HBAO

相比于SSAO，HBAO则是扩展了采样点的启发性，参考[2]，

环境光遮蔽的半径定义在ViewSpace，我们实现中也是

获取到当前帧的深度图Depth，能获取到法线贴图Normal更好，不能的话直接用ddx和ddy计算也行
对深度图上的每个像素，计算出其ViewSpace的坐标P0，在其法线所在半球面上采样点
1. 当前点Tangent-Bitagent平面上随机朝着比如4个方向采样
2. 当前点Tagent-Normal的随机一个方向上做类似RayMatching的操作，第一步还做一个随机的Offset，每个步进，都获取到对应深度的ViewSpace上的点，计算每个采样 S1S_{1}S1 的权重，总权重 WAO=0
  - AO(S1)=sin⁡Θ(S1)−sin⁡tAO(S_{1})=\sin\Theta(S_{1})-\sin tAO(S1)=sinΘ(S1)−sint
  - WAO+=W(S1)AO(S1)WAO+=W(S_{1})AO(S_{1})WAO+=W(S1)AO(S1)
最后把所有采样得到的权重跟采样次数平均一下就可以得到最终的AO效果

具体详细的流程还是把PPT上的内容抄一遍比较好。

实现中我们采用了跟SSAO一样的伪随机函数

一般AO的实现后都使用Horizontal和Vertical的Blur进行降噪。

还没有尝试过Temporal的方式去降噪，因为AO本来就是低频的信息，所以非常适合这种Temporal的方法

有兴趣的小伙伴可以看看我的简单实现 https://gitee.com/alienity/SRPAmbientOcclusion

引用

[1] https://zhuanlan.zhihu.com/p/46633896

[2] https://developer.download.nvidia.cn/presentations/2008/SIGGRAPH/HBAO_SIG08b.pdf

SSAO与HBAO学习笔记（持续改进）相关推荐

重拾CCNA，学习笔记持续更新ing......(4)
重拾CCNA,学习笔记持续更新ing......(4) 路由器作用功能的经典解说(笑)(非原创) 假设你的名字叫小不点,你住在一个大院子里,你的邻居有很多小伙伴,在门口传达室还有个看大门的李大爷,李大 ...
Admin.NET管理系统（vue3等前后端分离）学习笔记--持续更新
我的学习笔记 - 9iAdmin.NET 欢迎学习交流 (一)前端笔记 1.1 关于.env的设置 1.2 关于路由模式问题 1.3 关于 vue.config.ts 1.4 关于打包(pnpm r ...
专升本计算机公共课学习笔记(持续更新中...)
计算机公共课学习笔记第一章计算机基础知识(30分) 1.计算机概述计算机(Computer)的起源与发展计算机(Computer)也称"电脑",是一种具有计算功能.记忆功能 ...
JS逆向学习笔记 - 持续更新中
JS逆向学习笔记寻找深圳爬虫工作,微信:cjh-18888 文章目录 JS逆向学习笔记一. JS Hook 1. JS HOOK 原理和作用原理:替换原来的方法. (好像写了句废话) 作用: 可 ...
CSS(3)学习笔记——持续更新
本篇皆是本人长期记录并整理出来的笔记,如有记录得不对的地方,欢迎探讨.记录的很少,将不断学习不断补充. 1 选择器 CSS(3)中提供的选择器手册(w3school):http://www.w3sch ...
计算机网络：学习笔记(持续更新)
文章目录前言 1.1 计算机网络基本概念什么是计算机网络? 什么是网络协议? 1.2 计算机网络结构计算机网络结构网络边缘接入网络(物理介质) 网络核心(核心网络) Internet结构 1 ...
机器学习学习笔记-持续学习（Continual Learning/ Life-long Learning）
任务: 将旧任务学习的知识应用到新的任务上,同时在旧任务上的表现不会出现太大的损失. 问题: (1)将旧任务的知识利用,从而更快适应新任务. (2)在学习新任务的同时在旧任务上的表现不会出现太大下降. ...
typescript-----javascript的超集，typescript学习笔记持续更新中......
Typescript,冲! Typescript 不是一门全新的语言,Typescript是 JavaScript 的超集,它对 JavaScript进行了一些规范和补充.使代码更加严谨. 一个特别好 ...
csp php,CSP学习笔记(持续学习更新)
CSP--Content Security Policy 大佬光辉照耀我-学习链接百度百科:CSP指的是内容安全策略,为了缓解很大一部分潜在的跨站脚本问题,浏览器的扩展程序系统引入了内容安全策略(C ...

SSAO与HBAO学习笔记（持续改进）

简介

SSAO

HBAO

引用

SSAO与HBAO学习笔记（持续改进）相关推荐

最新文章

热门文章