PBR理论基础3：基于图像的光照（上）

最新推荐文章于 2022-09-28 20:07:15 发布

Jaihk662

最新推荐文章于 2022-09-28 20:07:15 发布

阅读量738

点赞数 1

分类专栏： # 渲染道法文章标签： PBR IBL

本文链接：https://blog.csdn.net/Jaihk662/article/details/115586153

版权

渲染道法专栏收录该内容

8 篇文章 8 订阅

订阅专栏

一、基于图像的光照(Image based lighting, IBL)

只要了解了下面这些，就很容易理解基于图像的光照了：

在 PBR 的前两章，光照考虑的都是直接光源，这一章考虑的就是间接光，或者说是环境光

一样是和环境立方体贴图有关，基于图像的光照就是将环境立方体贴图的每一个纹理像素作为光源，并在前面渲染方程中直接使用它，以实现物体融入环境的效果

换句话说，IBL 最终的目的就是对于确定的反射微表面点 $p$ ，求出

$L_o(p,\omega_o) = \int\limits_{\Omega} (k_d\frac{c}{\pi} + k_s\frac{DFG}{4(\omega_o \cdot n)(\omega_i \cdot n)}) L_i(p,\omega_i) n \cdot \omega_i d\omega_i$ 的近似值

其中 $L_i(p,\omega_i)$ 为半球上任意光源方向 $\omega_i$ 在 $p$ 点的辐射率，这个值来源于向量 $\omega_i$ 对环境立方体贴图的采样结果

在计算上和前面两张计算定点光源最大的区别就是：前者只需要考虑单一方向也就是光源方向，而现在要考虑整个球面上所有的方向，得到真正的积分结果

二、环境立方体贴图

先考虑作为输入的环境立方体贴图，这也是第一步

在这一章中就曾经尝试生成过环境立方体贴图，以场景中任意点 $p$ 为中心生成的环境立方体贴图当然都是不同的，这样就会出现两个问题：

场景中的每一个物体都需要生成对应的环境立方体贴图，这个不太现实，更何况每个物体又不是以“点”存在的
如果场景中有多个动态物体，如何计算光线在多个物体表面的多次反射结果

一个比较幸运的是，这两个问题在一章中都先不考虑，我们就只考虑固定点 $p$ 的光照情况就可以了，这两个问题可以后面去解决（对于问题①，使用反射探针技术，对于问题②，上光线追踪吧）

应用 HDR 的立方体贴图

如果固定了点 $p$ ，那么我们就只需要考虑唯一的一张立方体贴图，但由于 PBR 的大部分输入基于实际物理属性和测量，因此为入射光值找到其物理等效值非常重要

之前应用的立方体贴图都是以纹理存储的，颜色范围为 [0, 1]，也就是 LDR，这样的纹理用于视觉输出还可以，但是用于物理输入参数就非常不科学了（想想灯泡和太阳都一个亮度 1.0），因此这次所需要的环境立方体纹理最好是要考虑了 HDR 的

这涉及到一个全新的文件格式：.hdr 文件，它存储了一张完整的立方体贴图，所有六个面数据都是浮点数。和其它图片文件格式一样，它也是用 RGBA 32位信息存储的每一像素，只不过它的 alpha 通道存放的是指数（尽管这确实会导致精度损失，但是确实有效率）

.hdr 文件需要有对应的解析程序，以将每种颜色重新转换为它们的浮点数等效值
除此之外还有一种文件格式为 .exr，原理和 .hdr 文件类似，都可以用于存储 HDR 纹理

三、漫反射项预计算

对于反射方程：

$L_o(p,\omega_o) = \int\limits_{\Omega} (k_d\frac{c}{\pi} + k_s\frac{DFG}{4(\omega_o \cdot n)(\omega_i \cdot n)}) L_i(p,\omega_i) n \cdot \omega_i d\omega_i$

$\small L_o(p,\omega_o) = k_d\frac{c}{\pi}\int\limits_{\Omega} L_i(p,\omega_i) n \cdot \omega_i d\omega_i + \int\limits_{\Omega} (k_s\frac{DFG}{4(\omega_o \cdot n)(\omega_i \cdot n)}) L_i(p,\omega_i) n \cdot \omega_i d\omega_i$

先考虑它的漫反射项，常数部分很简单可以先拿掉，这样目的就成了先计算 $\int\limits_{\Omega} L_i(p,\omega_i) n \cdot \omega_i d\omega_i$ 这一部分

卷积结果

计算积分最简单的一个方法就是暴力枚举所有可能的 $\omega_i$ 求出它们的结果 $L_i(p,\omega_i) n \cdot \omega_i$ ，最后求个平均就可以，但是 $\omega_i$ 很明显有无数个，因此这样只能退而求其次：①通过对半球 $\Omega$ 上的大量方向进行离散采样，对这些采样的结果求出其辐射度取平均值，以作为所有 $\omega_i$ 采样的平均结果（采样次数越多结果越精确）

还有一个难点，上述的微分单元是一个个无穷小的立体角，也就是下图：

好在，②立体角可以使用倾斜角 $\theta$ 和航向角 $\phi$ 来表示，就可以得到：

$\int\limits_{\Omega} L_i(p,\omega_i) n \cdot \omega_i d\omega_i =L_o(p,\phi_o, \theta_o) = \int_{\phi = 0}^{2\pi} \int_{\theta = 0}^{\frac{1}{2}\pi} L_i(p,\phi_i, \theta_i) \cos(\theta) \sin(\theta) d\phi d\theta$

其中 $\cos(\theta)$ 来源于 $n \cdot \omega_i$ ，当单位向量 $\omega_i$ 与单位法线 $n$ 重叠时， $\theta = \frac{\pi}{2}$ 。又由于当采样区域朝中心顶部会聚时半球的离散采样区域变小，为了平衡较小的区域贡献度，需要使用 $\sin(\theta)$ 来权衡区域贡献度

结合①和②，就可以得到一个我们可以去计算的离散版本，也就是黎曼和公式

$L_o(p,\phi_o, \theta_o) = \frac{1}{n_1 n_2} \sum_{\phi = 0}^{n_1} \sum_{\theta = 0}^{n_2} L_i(p,\phi_i, \theta_i) \cos(\theta) \sin(\theta) d\phi d\theta$

最后当然不要忘记常数项 $\small k_d\frac{c}{\pi}$ ，对于折射系数 $k_d$ 一般是由菲涅尔项得出的，而由于环境光来自半球内围绕法线 $n$ 的所有方向，因此没有一个确定的半向量来计算菲涅耳效应，为了模拟菲涅耳效应，这儿可以用法线和视线之间的夹角来计算菲涅耳系数

好了大功告成，接下来就是考验代码功底，由于这是理论章所以就不上代码了，后面有机会的话会有实践的文章

辐照度图

如上对于任意采样方向（观察方向） $\omega_o$ ，都可以得到其近似辐照度 $L_o(p,\omega_o)$ ，又由于观察点 $p$ 确定， $L_o(p,\omega_o)$ 值也是不会变的，因此我们可以对其进行预计算，并将结果保存在另一张立方体贴图中，这就是辐照度(irradiance)图的由来

参考资料：

Jaihk662

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
PBR理论基础3：基于图像的光照（上）

一、基于图像的光照(Image based lighting, IBL)只要了解了下面这些，就很容易理解基于图像的光照了：直接光与间接光的区别（UnityShader9：光照基础回顾） PBR理论基础2：光照模型与微面元理论 PBR理论基础1：辐射度与BRDF 动态环境映射：UnityShader18.1：立方体贴图（下） OpenGL基础50：HDR 在 PBR 的前两章，光照考虑的都是直接光源，这一章考虑的就是间接光，或者说是环境光一样是和环境立方体贴图有关，基于图像的...
复制链接

扫一扫

专栏目录