[PBRT-V3]怎么对比不同渲染算法的效果

面对不同的渲染算法，比如：PT、BDPT、PM、SPPM、Original MLT、PSSMLT、MMLT等等，对比不同渲染算法效果的常用方式是：相同时间下，渲染图片的质量（或者，渲染相同质量图片所需的时间）。

这里涉及到一个关键问题：怎么评估渲染图片的质量？
一般是，计算渲染图片和参考图片（标准图片）的MSE（均方误差）。

参考图片的选择要特别注意！！！
参考图片的选择要特别注意！！！
参考图片的选择要特别注意！！！
（小编正是在因为选错了参考图片然后被折磨得死去活来之后，才决定写这篇博文的）

举例说明。
假设我们要用MMLT渲染这么一个场景：
https://benedikt-bitterli.me/resources/

小编下载这个场景模型的原因是：其提供了参考图片（如果是本地自己用path tracing渲染一张参考图片的话，至少得好几十个小时吧）
具体怎么用PBRT-V3渲染这个场景，不是本篇文章的内容。此处默认已经完成渲染得到了一张渲染图片。
现在，是要根据渲染图片和参考图片的MSE判断渲染图片的质量。

下载的场景模型文件夹中包含两张参考图片，分别是：
TungstenRender.exr
TungstenRender.png
在不调节场景的几何参数时，对应的参考图片应该是来自TungstenRender.exr。

小编用的MSE程序是基于网络上找的一段python代码改的。
python貌似不能直接读取.exr文件，另外考虑到这个场景的描述文件中设置的渲染图片输出格式为.png，所以，我们将.exr格式的参考图片转换为.png格式。
Mac中的Preview软件是可以读取.exr格式的，而且可以直接将其转换为.png格式。但是，不要这么做，不要这么做，不要这么做！！！！！
这样操作得到的png参考图片和PBRT-V3产生的渲染图片是“不匹配”的，所以会导致MSE计算错误。

小编转换参考图片的具体步骤如下（敲黑板，划重点）：
1，shift+cmd+4在屏幕上截一张640x360的图（考虑到：参考图片是1280x720分辨率，另外“截图”刚好是png格式），然后用Preview打开截图；
2，用Preview打开原.exr格式的参考图片，然后复制参考图片（ctrl+a，ctrl+c)；
3，将1280x720参考图片粘贴到640x360的“截图”上（参考图片会自动缩小，然后调整位置使得参考图片刚好填在“截图”上）
4，Tools–>Adjust Size，将Resolution后面的数字由144改成72（此时“截图”图片即为1280x720分辨率png格式的参考图片了）

得到正确的参考图片之后，就可用如下代码计算MSE了。
（再次声明这段程序是基于网路上的python代码改的，原出处找不到了，抱歉）

import cv2def clmap(v, k, upBound):  # mul and clampval = v * kif val > upBound:return upBoundelse:return val#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_13_0_1280,720_m100_985s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_9_0_1280,720_670_9_7510s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_5_0_1280,720_750_9_7807s.png'  #
inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_11_0_1280,720_800_9_7744s.png'  ##inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_13_1_1280,720_m60_901s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_13_1_1280,720_m70_1191s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_5_1_1280,720_500_9_7898s_zlb3.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_9_1_1280,720_310_9_6843s_again,depth+2.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_9_2_1280,720_270_9_6645s_again,depth+2.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_9_2_1280,720_350_9_8416s_again,depth+2.png'  #
inImage_2 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/living-room/living-room_17_18_1_reference.png'  ##inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,0_1280,720_m100_1446s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,0_1280,720_m140_2179s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,0_1280,720_m280_3805s.png'  ##inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,1_1280,720_m50_1176s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,1_1280,720_m55_1290s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,1_1280,720_m60_1410s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,1_1280,720_m65_1520s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,1_1280,720_m70_1597s.png'  #
#inImage_1 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-10_again,1_1280,720_m100_2321s.png'  #
#inImage_2 = '/Users/libingzeng/CG/pbrt-v3/buildX/Debug/bathroom2/bathroom2-9_reference.png'  #dif_img = 'dif_' + inImage_1img_1 = cv2.imread(inImage_1)  # read as color image
img_2 = cv2.imread(inImage_2)dif = img_1.copy()
show_dif = dif.copy()  # dif image for show onlywidth = img_1.shape[0]  # get width
height = img_1.shape[1]  # get height
sum = 0for i in range(width):for j in range(height):# dif[i, j] = [128,0,0]      # b g r# print img_1[i,j]-img_2[i,j]#diff0 = float(img_1[i, j][0]) - float(img_2[i, j][0])#diff1 = float(img_1[i, j][1]) - float(img_2[i, j][1])#diff2 = float(img_1[i, j][2]) - float(img_2[i, j][2])#diff = (abs(diff0) + abs(diff1) + abs(diff2)) / 3.0y1 = img_1[i, j][2] * 0.212671 + img_1[i, j][1] * 0.715160 + img_1[i, j][0] * 0.072169y2 = img_2[i, j][2] * 0.212671 + img_2[i, j][1] * 0.715160 + img_2[i, j][0] * 0.072169diff = y1 - y2diff0 = diffsum = sum + diff ** 2if diff0 < 0:show_dif[i, j] = [0, clmap(abs(diff0), 10, 255), 0]elif diff0 > 0:show_dif[i, j] = [0, 0, clmap(abs(diff0), 10, 255)]else:show_dif[i, j] = [0]dif[i, j] = abs(diff0)mse = sum / (width * height)
print 'MSE: ', mseprint dif_img
print 'different data:'
print 'max : ', dif.max()
print 'min : ', dif.min()
print 'mean : ', dif.mean()cv2.imwrite(dif_img, show_dif)cv2.imshow('_dif', show_dif)
cv2.waitKey(0)
cv2.destroyAllWindows()

参考图片：

渲染图片：

输出结果

从前面程序中可以看到，可视化的是第0通道（blue）的差异。
注意：
1，程序中默认通道次序是blue、green、red（和常见的rgb次序不一样）
2，一般求三个通道的MSE的方式是：分别求每个通道的MSE，然后平均。小编的求法是：对单像素点的三个通道的差异的绝对值求平均值，然后对这个平均值平方求和，最后再平均

渲染图片和参考图片的第0通道的差异图：
（绿色：差异<0；红色：差异>0；黑色：差异=0）

[PBRT-V3]怎么对比不同渲染算法的效果相关推荐

高糊视频秒变4K！Facebook发布低分辨率视频实时渲染算法，网友：是好东西，但是玩不起...
贾浩楠发自凹非寺量子位报道 | 公众号 QbitAI 还记得那个引来巨大争议,最后把LeCun逼退推特的低分辨率图像还原算法PULSE吗? PULSE是针对低分辨率图像进行还原的,而就在PUL ...
CV：人工智能之计算机视觉方向的简介(CV发展史+常用数据集+CV职位)、传统方法对比CNN类算法、计算机视觉十大应用(知识导图+经典案例)之详细攻略
CV:人工智能之计算机视觉方向的简介(CV发展史+常用数据集+CV职位).传统方法对比CNN类算法.计算机视觉十大应用(知识导图+经典案例)之详细攻略目录计算机视觉的简介 1.计算机视觉的研究方向 ...
MLT-type渲染算法review（笔记）
本文是个人对当前的一些MLT-type渲染算法思路及其之间关系的简单理解.
Q140：PBRT-V3，各种渲染算法（Integrator，积分器）汇总
PBRT-V3中各种渲染算法(Integrator)汇总截图如下: 各种渲染算法(Integrator)之前的博文链接: WhittedIntegrator: Q111:PBRT-V3系统概述中的5. ...
ICCV 2021 Oral | Paint Transformer - 基于笔触预测的快速油画渲染算法
这篇专栏主要介绍我们团队(百度视觉技术部视频理解与编辑组)发表于ICCV 2021上的Oral工作:"Paint Transformer: Feed Forward Neural Paint ...
聊聊引擎底层如何实现Bloom渲染算法
Bloom渲染是游戏中常用的,在Unity和UE4中也有Bloom渲染算法如果我们自己实现Bloom渲染算法,该如何实现呢?网上关于Bloom的实现算法讲述的也比较多,但是我们本篇实现的Bloom渲染 ...
聊聊引擎底层如何实现BRDF渲染算法
BRDF作为比较流行的渲染算法,但凡成熟的引擎的都有此功能,我们自己写引擎也不例外,我在编写引擎时也会参考网上的一些资料,这也是学习的过程,先介绍BRDF,它是双向反射分布函数,说白了它是对于物体表面 ...
Fog Volume渲染算法实现
由于项目需求,需要实现Fog Volume的效果,查阅了网上资料没有找到相关算法介绍,Unity虽然提供了插件但是效果不是项目想要的,只能自己去写,为了便于日后查阅,写篇博客记录下来,在介绍Fog V ...
javafx treeview菜单千层渲染算法
目录通过接口自动构建TreeView树形菜单 sql建表,预装数据查询结果集 main函数渲染结果核心算法源码总结通过接口自动构建TreeView树形菜单进行javafx开发时候,渲染树形 ...

[PBRT-V3]怎么对比不同渲染算法的效果

[PBRT-V3]怎么对比不同渲染算法的效果相关推荐

最新文章

热门文章