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->θ2π（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)　//单位法向量n的x分量大于0.9，认为n//x

　　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 oncenamespace 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);elsea = 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

原书没有do-while循环，但是可能会出现pdf为零的除零错误，所以我们生成的随机方向必须能够算出一个非零的pdf，这并不妨碍我们的算法，因为这一切都是随机的，随机错误就再随机一次

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~

转载于:https://www.cnblogs.com/lv-anchoret/p/10518961.html

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

  1. Android vector标签 PathData 画图超详解

    此文章来源于https://www.cnblogs.com/yuhanghzsd/p/5466846.html点击打开链接 Android vector标签 PathData 画图超详解 SVG是一种 ...

  2. Mybatis案例超详解

    Mybatis案例超详解 前言: 本来是想像之前一样继续跟新Mybatis,但由于种种原因,迟迟没有更新,快开学了,学了一个暑假,博客也更新了不少,我觉得我得缓缓,先整合一些案例练练,等我再成熟点理解 ...

  3. python控制手机模拟器_Appium+python自动化之连接模拟器并启动淘宝APP（超详解）...

    简介 上一篇讲解完模拟器的安装.配置好以后,就好比我们手机已经买好,并且系统已经做好了,就差我们用数据线和电脑连接开始实战了,这篇宏哥就带着小伙伴们和童鞋们趁热打铁,讲解和分享一下如何连接模拟器(电脑 ...

  4. js打印三角形超详解

    js打印三角形超详解 j控制星星的总行数,i控制每行星星的打印个数 打印图形如下: (1) (2) //str=""用来存储星星// 理解步骤1:在一行输出6个星星如何操作,在循环 ...

  5. 线性规划之单纯形法【超详解+图解】-转载

    线性规划之单纯形法[超详解+图解] 目录 1.作用 2.线性规划的一般形式 5.1几何意义 5.2如何判断最优 5.3如何选择新的基变量 5.4如何选择被替换的基变量 5.5终止条件 标准型: 转化为 ...

  6. 【平衡小车制作】（七）串级PID调参及平衡成果展示（超详解）

      大家好,我是小政.本篇文章我将针对PID调参进行详细的讲解,让每位小伙伴能够对比例.积分.微分三个参数如何调节有更加清晰的理解. 一.调参步骤 确立机械中值 直立环(内环)--Kp极性.Kp大小. ...

  7. 蓝牙模块XY-MBD07A的介绍及使用方法（超详解）

    蓝牙模块XY-MBD07A的介绍及使用方法(超详解) 蓝牙XY-MBD07A是主从一体的蓝牙串口模块,简单的说,当蓝牙设备与蓝牙设备配对连接成功后,我们可以忽视蓝牙内部的通信协议,直接将将蓝牙当做串口 ...

  8. C/C++实现蛇形矩阵（超详解）【沈七】

    C/C++实现蛇形矩阵(超详解) 题目链接 题目描述 输入样例 题解部分 完整代码 完结散花 悄悄告诉你: 参考文章 萌新报道! 唤我沈七就行嘿嘿. 大一软件工程在读. 菜鸡蒟蒻想在博客中记录一些算法 ...

  9. [C++ 系列] 90. 超详解C++思维导图

    这段时间针对 C++ 的学习到了一个收尾的阶段.目前所涉及到了 C++ 基础语法.大小知识点的学习.当然语言学习绝对离不开实战项目的练手,网络优质资源以及各类经典丛书也是 C++ 学习的巨大宝库.在此 ...

最新文章

  1. O’Reilly软件架构大会第一天内容回顾
  2. bzoj3545 Peaks
  3. 分布式领域架构师要掌握的技术
  4. 江苏谋定特色小镇-农业大健康·万祥军：旅游理念经营产业
  5. java的接口怎么理解_如何理解Java 中的接口
  6. 我用这个框架拿了Kaggle大赛冠军
  7. nodejs --inspect-brk结合Chrome开发者工具的调试
  8. 搜索引擎 ElasticSearch 之 步步为营2 【基础概念】
  9. 快照隔离(Snapshot Isolation)简单介绍和例子
  10. php依据地理坐标获取国家、省份、城市，及周边数据类
  11. CentOS项目实例之一--操作系统安装
  12. Vonage与华尔街英语合作为其数字教室提供助力
  13. 靶子环数图片_一种靶子环数的图像识别方法与流程
  14. 论文解读：《一种利用二核苷酸One-hot编码器识别水稻基因组中N6甲基腺嘌呤位点的卷积神经网络》
  15. css画三角形、梯形
  16. 如何将html转换成avi,MP4如何转换AVI格式 如何将MP4转换成AVI
  17. 朗润国际期货：去中心化稳定币谁能笑到最后？
  18. 操作系统实验二总结（生产者消费者问题）
  19. 淘宝客小程序制作（2）-服务器设置
  20. 请大声说出我是猪 整蛊代码_大声笑的完整形式是什么？

热门文章

  1. 源码地址php实战第十二天
  2. Leetcode 141.环形链表
  3. C语言之计算大数阶乘，如计算100!和1000!等~~~
  4. Linux源代码编译安装详解
  5. USB启动盘制作的几种方式
  6. 工作2年后悟出的道理
  7. 在python中使用Ansible实现Devops的相关总结
  8. 单片机利用蜂鸣器如何输出音乐
  9. 009_JMS中的事务
  10. 003_隐藏和显示效果