【PBRT】圆盘均匀采样，python实现

  圆盘内的均匀采样问题，是一个很有意思，也很常被考到的问题。在一个圆形内，均匀采点，怎么保证均匀且随机？
  有三种方法：1、正方形采样；2、极坐标采样（错误！）；3、圆盘采样

一、正方形采样（Reject Method）

  最容易想到的方法就是在正方形内采样，比如要在圆心为原点，半径为1的圆内均匀采样，可以在 x 从 [-1, 1]，y 从 -[-1, 1] 的正方形内均匀采样，然后把不在圆内的点剔除即可。python代码如下：

import numpy as np
from pylab import *
import matplotlib.pyplot as plt
import random

figure(figsize=(12, 12), dpi = 80)
subplot(1, 1, 1)

# 画圆
theta = np.linspace(0, 2 * np.pi, 800)
x,y = np.cos(theta), np.sin(theta)
plot(x, y, color = 'red', linewidth = 2.0)

# 画随机点
a = []
b = []

for i in range(10000):
    a.append(random.uniform(-1, 1))
    b.append(random.uniform(-1, 1))

plt.xlim(xmax = 1, xmin = -1)
plt.ylim(ymax = 1, ymin = -1)

scatter(a, b, s = 1.5, color = (0., 0.5, 0.))

show()

  代码在正方形内，随机取了 10000 个二维坐标点，然后绘制出点和圆。可以看到随机且均匀，但是很明显的就是效率问题，有大量的点是要被扔掉的，所以不可取。不过此方法虽然效率低，但是可以作为 ground truth。

二、极坐标采样

  还有一种很容易想到但是不对的方法，就是按照极坐标采样，也就是先按照角度在 [0, $2\pi$ ] 范围内均匀随机采样一个角度，然后在 [0, 1] 上随机均匀采样一个长度，就可以得到一个点在圆中的位置。代码如下：

# 和上边只有 for 循环内不一样
for i in range(10000):
    theta = random.uniform(0, 2 * np.pi)
    r = random.uniform(0, 1)
    a.append(r * math.cos(theta))
    b.append(r * math.sin(theta))

  可以看到很明显的不均匀。所以是不对的！

三、圆盘采样

  我们知道圆的面积是 $\pi r^2$，圆环的面积是 $\pi ({r_1}^2-{r_2}^2)$，在极限情况下，圆环的面积是 $\pi ((r_1+\Delta r{)}^2-{r_1}^2)$，其实就是周长 $2\pi r$，那么我们可以发现，在角度均匀采样的前提下，同样的 $\Delta r$ 会因为 $r$ 大小的不同而导致面积不同，所以概率密度就不均匀了，我们想要概率密度均匀，那么采样的均匀性应该和面积线性相关，也就是对 $r^2$ 进行线性均匀采样，这样算出来的阴线长度 $r$ 才是对的，这样才能保证，随机采样出来的每一个极小圆盘面积是相同的。

for i in range(10000):
    theta = random.uniform(0, 2 * np.pi)
    r = math.sqrt(random.uniform(0, 1 ** 2))
    a.append(r * math.cos(theta))
    b.append(r * math.sin(theta))