PBR 三光照模型的分类和BRDF概述

wuhaocat

已于 2022-06-10 11:03:21 修改

阅读量2k

点赞数 1

分类专栏： PBR渲染文章标签：分类数据挖掘人工智能

于 2020-12-14 21:59:34 首次发布

本文链接：https://blog.csdn.net/haozi2008/article/details/111061303

版权

PBR渲染专栏收录该内容

8 篇文章 17 订阅

订阅专栏

PBR 三光照模型的分类和BRDF概述

前言
渲染方程与光照模型的分类
BRDF 双向反射分布函数
Specular F 菲涅尔反射与BRDF 双向反射分布函数 $f_r$
- Schlick[1994] 菲涅尔近似
- - Spherical Gaussian Approximation of Schlick approximation
Specular D 法线分布函数
Specular G 遮蔽阴影函数
Torrance-Sparrow Model
- 中间矢量 half vector $h$
实际BRDF模型

前言

笔者写博客最大的起因是对BRDF，BSDT，BSSRDF，svBRDF等傻傻的分不清楚，而且吃惊于Disney BRDF理论操作性。但阅读很多其他博客，感觉每个章节的关联性介绍的不够，有些逻辑始终不能很好的前后贯彻。本文结合PBR 前言中的渲染方程、PBR 二中的微平面理论中讨论的散射尺度等，介绍光照模型的分类和BRDF概念。主要了解Specular F，Specular D，和Spedular G这三项是怎么来的。

跟新BRDF概念，起因是阅读参考资料2中某个公式推导有疑惑，为什么微分可以变成没有微分，现BRDF概念主要是根据Torrace and Sparrow的论文Theory for Off-Specular Reflection From Roughened Surfaces翻译而来。
参考资料：

Real-Time Rendering 4th Edition, Tomas et al. , CRC Press
Physical Based Rendering: From Theory to Implementation
什么时光照模型
法线分布函数相关总结
几何函数相关总结
Google Filament

渲染方程与光照模型的分类

首先，我们再次看一下渲染方程：
$L_o(x,w_o,\lambda,t)=L_e(x,w_o,\lambda,t)+\int_\Omega f_r(x,w_i,w_o,\lambda,t)L_i(x,w_i,\lambda,t)(w_i\cdot n)\, {\rm d}w_i$
其中， $L_e$ 是该点发射光，如果不考虑自发光材质， $L_e=0$ ，可得： $L_o(x,w_o,\lambda,t)=\int_\Omega f_r(x,w_i,w_o,\lambda,t)L_i(x,w_i,\lambda,t)(w_i\cdot n)\, {\rm d}w_i$
然后，我们看一下摄像机模型：
在这里插入图片描述
图片来源：Real-Time Rendering 4th Edition, Section 9.3
如上图，给定摄像机的位置 $c$ （图像中像素的位置），该点所接受到的光（最终RGB值还与PBR 二中提及的线性空间的光照、色调映射相关)： $L_i(c, -v)$ 。从上图可以看出，摄像机捕捉到的光与最靠近摄像机物体朝摄像机方向的出射光是有关系的。

如果我们不考虑材质的透明性以及PBR 二中提到的次表面散射问题，我们有： $L_i(c, -v)=L_o(p,v)$ ；其中， $p$ 为物体上的点， $v$ 为物体上的点朝摄像机的方向。也就是说，最后的图像只关心点 $p$ 的出射光，而那些物理数学模型去模拟 $L_o(p,v)$ 的光照模型称作局部光照模型。

前面PBR 二中提到的次表面散射问题与观察尺度相关，当观察尺度(采样尺度)过小时，一个点的光线，其实还受到其他点的次平面散射的影响，为了得到逼真的图像，我们需要全局着色器。这些全局着色器就在全局光照模型给出。同样，当考虑到透明物体时，光线还可以透过物体，也同样需要全局光照模型。
在这里插入图片描述
图片来源：Real-Time Rendering 4th Edition, Section 11.1
在光线 $l$ 下，点p所受到的光线，与从它的位置追踪到的点 $r (p, l)$ 相关。

光照模型小结：
在这里插入图片描述

渲染方程的参数维度：在求坐标系中，每一个方向可以被参数化为方位角(Azimuth) $\phi$ 和天顶角(仰角，zenith) $\theta$ ，光的属性由光的波长 $\lambda$ 描述。所以，渲染方程是一个12D方程：
$(x,y,t,\theta,\phi,\lambda)_{int}\to(x,y,t,\theta,\phi,\lambda)_{out}$
此处：

$x, y$ 表示点的坐标，如果是三维，则会增加两个参数 $z$ ；
$t$ 表示的是时间；
$\theta, \phi$ 表示的光的方向，如果增加投射，则需要计算出射点的投射光，增加两个参数；
$\lambda$ 表示光的波长。

BRDF 双向反射分布函数

平面反射分类：漫反射(diffuse), 粗糙的镜面反射(glossy specular)，完美镜面反射(perfect specular)和回复反射 (retro-reflective)。在这里插入图片描述
$(a)$ diffuse 反射光在半球空间均匀分布； $(b)$ glossy specular 反射光分布在反射方向的一定区域内； $(c)$ perfect specular 反射光集中在反射方向上； $(d)$ retro-reflective 反射光分布在局部小区域，并折回入射方向。实际的平面的反射可能是上述几个类型的综合。
图片来源：Physically Based Rendering, Section 8.1

各向同性(isotropic)与各向异性(anisotropic)：对于平面上的某个点，以该点的法线为轴选择，其光的反射分布没有改变，则该平面是各向同性的；反之，则是各向异性的。

BRDF，Bidirectional Reflectance Distribution Function，就是量化局部反射现象的函数，即渲染方程中的 $f_r$ 。该函数描述的反射现象包括：表面反射局和部次表面散射；这些现象与入射光线的方向 $l$ 和出射视角 $v$ 相关，所以称双向反射分布函数，一般记为 $f_r(l,v)$ 。而每一个方向可以被参数化为方位角(Azimuth) $\phi$ 和天顶角(仰角，zenith) $\theta$ ，光的属性由光的波长 $\lambda$ 描述，所以 $f_r(l,v)$ 是一个5-D函数。
在这里插入图片描述
图片来源：Real-Time Rendering 4th Edition, Section 9.3

BRDF定义

改编自Torrance and Sparrow, Theory for Off-Specular Reflection From Roughened Surfaces
光亮度radiance $L$ ：在射线方向上的单位立体角和垂直于射线方向单位投影面积( $A{\rm cos}\theta$ )上的辐射通量光通量 $\Phi$ (radiant flux)。这样，从一个很小的光源 $L_i$ 在方向 $d A$ 的光通量为：
$d\Phi_i(l)=L_i(l){\rm cos}\theta dAdl$
其中， $d l$ 是从 $d A$ 朝光源看的立体角。另外， $d A$ 对该光源的反射光在方向 $v$ 的光亮度为 $dL_o(l,v)$ 。用微分形式来表述主要是为了强调它是一个很小的光源反射所得的光亮度。 $d A$ 的总光亮度 $L_o$ 就是 $dL_o(l,v)$ 在所有光源下的积分。如果我们在反射方向 $v$ 设置一个小的收集器，该收集器对应一个从 $d A$ 沿方向 $v$ 的立体角 $d v$ ，该收集器能收集到的 $d A$ 对于该小光源反射的光通量是： $d\Phi_o=dL_o(l,v){\rm cos}\theta dA dv$
双向放射函数 $f_r(l,v)$ 定义为在 $v$ 方向反射的光亮度 $dL_o$ 与该小光源在单位面积上的入射光通量的比值。根据前言，光源在单位面积上的入射光通量又称为辐射照度 $E$ 。
$f_r(l,v)=\frac{dL_o(l,v)}{d\Phi_i(l)/dA}=\frac{dL_o(l,v)}{dE_i}=\frac{dL_o(l,v)}{L_i(l){\rm cos}\theta dl}$

其中， ${\rm cos}\theta = (n\cdot l)$ 。至于为什么是这个比值，在brdf为什么要定义为一个单位是sr-1的量中有很多论述。

BRDFs的特性

光路可逆性 Reciprocity： $f_r(l,v)=f_r(v,l)$
能量守恒： $\int_{H^2(n)}f_r(l,v)(n\cdot v)dv\le1$
其中， $H^2(n)$ 是以点 $p$ 为圆心的半球空间， $n$ 是点 $p$ 所在平面的法线。

Directional-Hemispherical Reflectance $R (l)$

$R (l)$ 用来度量BRDF的能量守恒多少。也就是说，它度量给定一个方向的光到底有多少是反射的(在出射方向上的半球积分)。 $R (l) = 0$ 表示 $l$ 方向的光都会被吸收或者丢失； $R (l) = 1$ 表示 $l$ 方向上的光会全部反射。

directional-hemispherical reflectance $R(l)=\int_{v\in\Omega}f_r(l,v)(n\cdot v)dv$
hemispherical-directional reflectance $R(v)=\int_{l\in\Omega}f_r(l,v)(n\cdot l)dl$

如果光路可逆，那么 $R (l) = R (v)$ 。

一开始，BRDF主要是针对均匀表面（表面上的BRDF是一样的）而定义的。但是在自然界中，这样的材质是很少的。所以，SVBRDF或者SBRDF（Saptial Varying Bidirectional Reflectance Distribution Function)被提出来表示空间不同而不同的BRDF。这样，svBRDF需要多两个位置变量 $(x, y)$

如果是各向同性的表面，isotropic BRDF一般用 $\phi=\phi_i-\phi_o$ 来代替 $\phi_i$ 和 $\phi_o$ 。是一个4-D函数
在这里插入图片描述
图片来源：3DV 2018 Tutorial，Material appearance measurement，Jiri Filip
Bidirectional Transmission Distribution Function （BTDF）：双向透射分布函数。与BRDF一样是5-D函数，量化的是折射现象，一般用 $f_t$ 来表示

图片来源：3DV 2018 Tutorial，Material appearance measurement，Jiri Filip
Bidirectional Scattering Distribution Function（BSDF）：双向散射分布函数；BTDF+BRDF，是7-D函数
在这里插入图片描述
图片来源：3DV 2018 Tutorial，Material appearance measurement，Jiri Filip

Bidirectional Scattering Surface Reflectance Distribution Function (BSSRDF)：双向散射表面反射分布函数
在这里插入图片描述
图片来源：3DV 2018 Tutorial，Material appearance measurement，Jiri Filip

BTF：Bidirectional Texture Function
SLF: Surface Light Function
SRF: Surface Reflectance Function

在这里插入图片描述
图片来源：3DV 2018 Tutorial，Material appearance measurement，Jiri Filip

Lambertian 反射模型

在该反射模型中，反射率(reflectance) $R (l)$ 是一个常数，常常用diffuse color $c_{diff}$ 或者albedo $\rho$ 来表示这个常数。
$R(l)=\int f_r(l,v)(n\cdot v)dv=\int f_r(l,v){\rm cos}\theta_odv=\pi f_r(l,v)$
$f_r(l,v)=\frac{R(l)}{\pi}=\frac{C_{diff}}{\pi}$
上公式介绍了 $\pi$ 和diffuse color是如何来的。 ${\rm cos}\theta$ 在半球空间的积分推导见前言。

Specular F 菲涅尔反射与BRDF 双向反射分布函数 $f_r$

首先，我们需要注意的是菲涅尔反射描述的是在不考虑微平面遮蔽的反射；其次它描述的是入射光亮度占出射光亮度的比例： $F_r(w_r)L_i(w_r)=L_o(w_o)$ , 其中 $w_r=R(w_o,n)$ 为出射光线的相对于平面法线 $n$ 的反射， $w_o$ 为出射方向，如下图。
在这里插入图片描述
图片来源：Physically Based Rendering, Section 8.2
$\begin{aligned} w_r=w_{r\perp}+w_{r\parallel}&=-w_{o\perp}+w_{o\parallel}\\ &=-(w_o-(n\cdot w_o)n)+(n\cdot w_o)n\\ &=-w_o+2(n\cdot w_o)n \end{aligned}$
我们知道Dirac delta distribution的一个重要特性是 $\int f(x)\delta(x-x_0)dx=f(x_0)$
这样我们可以做如下推导（主要是为了消掉 $L_i()$ ）：
$\begin{aligned} F_r(w_r)L_i(w_r)=L_o(w_o)&=\int f_r(w_o,w_i)L_i(w_i)|{\rm cos}\theta_i|dw_i\\ &=\int\frac{f_r(w_o,w_i)}{\delta(w_i-w_r)}\delta(w_i-w_r)L_i(w_i)|{\rm cos}\theta_i|dw_i\\ &=\frac{f_r(w_o,w_i)}{\delta(w_i-w_r)}L_i(w_r)|{\rm cos}\theta_r| \end{aligned}$
这样，我们可以得到： $f_r(w_o,w_i)=F_r(w_r)\frac{\delta(w_i-w_r)}{|{\rm cos}\theta_r|}$

设 $w_o=v$ 为视线方向， $l$ 是 $v$ 相对于 $n$ 的镜面反射， $l = R (v, n)$ ，在镜面反射中给出任意两条射线就可以求出第三条；所以菲涅尔项 $F_r(w_r)$ 常常写作 $F (n, l)$ 。

Schlick[1994] 菲涅尔近似

$F(n,l)\approx F_{Schlick}(u,F_0,F_{90})= F_0 + (F_{90}-F_0)(1-u^+)^5$
其中， $u=v\cdot h$ 或者 $u=n\cdot l$ ， $h$ 是中间矢量。见下文。下图展示的是上公式的近似值（虚线）与实际材质的真实值之间的对比。
在这里插入图片描述
对现实世界的观察(上图中的实线)表示，在掠射角(grazing angles)，电介质和导体的菲涅尔反射率可以近似为1，即 $F_{90}=1$ 。

Spherical Gaussian Approximation of Schlick approximation

论文：Lagarde, Sébastien, “Spherical Gaussian approximation for Blinn-Phong, Phong and Fresnel”, June 2012. http://seblagarde.wordpress.com/2012/06/03/spherical-gaussien-approximation-for-blinn-phong-phong-and-fresnel/

$F(n,l)\approx F(v,h)= F_0 + (1-F_0)2^{(-5.55473(v\cdot h)-6.98316)(v\cdot h)}$

Specular D 法线分布函数

在PBR 二中，我们提到过物体的实际表面并不是平坦的，在真实感渲染中，通常用微小的凹凸平面来建模。这种用微小几何平面分析反射的理论就是微平面理论。
在这里插入图片描述
图片来源：Physical Based Rendering: From Theory to Implementation，Section 8.4

上图给出了一个粗糙平面与一个相对平滑平面的对比，其中大尺度上平面的法向量是 $n$ 。前面提到，在微平面理论中对这种非平坦表面，微平面法线 $m$ 的统计分布是反射函数的一个重要项。该分布就是法线分布函数(Normal Distribution Function, NDF)，在某些文献中也用Specular D进行表示。

微平面的法线分布函数 $D (m)$ 描述了微观表面上的表面法线对于为表面面积的统计分布。给定以 $m$ 为中心的无穷小立体角 $dw_m$ 和无穷小宏观表面区域 $d A$ ，则 $D(w_m)dw_m \cdot dA=dA(w_m)$ 是相应微表面部分的总面积在方向 $m$ 的投影面积。
在这里插入图片描述
图片来源：Real-Time Rendering 4th Edition，Section 9.7

NDF的本质是一个密度函数，对 $D (m)$ 在整个微平面法线 $n$ 上积分，得到所有微表面朝向 $n$ 方向的比例，也就是1，见下式。 $\int_{m\in\Theta}D(m)(n\cdot m)dm=1$

对于标准球空间，其面积被约定为1（ $d A = 1$ ），所得积分也就变成了一种面积。换句话说，投影D(m)(n·m)是被归一化的。如果沿着视线方向 $v$ 积分，如上图右图所示，当多个微平面的投影重叠时，背向（backfacing）微平面的负投影区域抵消了“额外的”前向（frontfacing）微平面。 $\int_{m\in\Theta}D(m)(v\cdot m)dm=v\cdot n$
直观上，NDF就像微平面法线的直方图，在微平面法线方向具有更高的值。一般来说，大多数平面的NDF在法线 $n$ 方向具有最强峰值。

Specular G 遮蔽阴影函数

在这里插入图片描述
图片来源：Real-Time Rendering 4th Edition，Section 9.7

$w_o$ 方向的可见面积
图片来源：[Heitz 2014]Understanding the Masking-Shadowing Function in Microfacet-Based BRDFs

在产生真实感的过程中，我们其实只关心视线 $v$ 所涉及的范围内的微平面的光照（反射），如上图中标注为红色部分的微平面。法向分布函数只指出了微平面表面的法向在 $n$ 上的分布，没有体现这种排列（遮蔽信息）。为了更准确的描述这个遮蔽现象，数学上定义masking function $G_1(m,v)$ 为具有法向为 $m$ 微平面在方向 $v$ 上的可见比例。同样， $G_1(m,v)D(m)(v\cdot m)^+dm$ 在球体空间上的积分为微平面垂在视线方向的投影面积： $\int_{\in\Theta}G_1(m,v)D(m)(v\cdot m)^+dm=v\cdot n$
在这里插入图片描述
图片来源：Physical Based Rendering: From Theory to Implementation，Section 8.4

但是，最后图像的光照信息，其实还与光照方向相关。如上图所示， $(a)$ masked，光能照到微平面但是不能被视线看到； $(b)$ shadowed，微平面能被看到但是不能被光所照到； $(c)$ interreflection，能被看到的微平面虽然不能被光直接照射，但是能被其他微平面的反射光所照射。为了更准确的对shadowed这一现象建模，数学上提出了联合遮蔽引用函数joint masking-shadowing function $G_2(l,v,m)$ 表示微平面对 $v$ 和 $l$ 两个方向的可见性。它们都没有考虑 $(c)$ interreflection这一情况。

小结：F项给出光线反射的比例；N项给出反射光在微平面法线上的分布（反射光的方向分布）；G项进一步给出反射光的方向的细微分布，在渲染图片上的体现在高光(反射光)的范围。

Torrance-Sparrow Model

在这里插入图片描述

中间矢量 half vector $h$

如上图所示，中间矢量 $h$ 指的是 $v$ 和 $l$ 的中间矢量， $\theta_i = 2\theta_h$ 。如果 $n = h$ ，则上图就是一个镜面反射。 $h=\frac{l+v}{\lVert l+v\rVert}$

下面推导Torrance-Sparrow Model，又称Microfacet Cook-Torrance BRDF模型。
根据法线遮蔽函数定义： $D(h)dh\cdot dA = dA(h)$
根据光通量与光亮度(PBR 前言)的定义，光线 $l$ 在方向 $h$ 上的光通量等于光亮度 $L (l)$ 与立体角 ${\rm d}l$ 和面积 ${\rm d}A^\perp(h)$ 的乘积： $\begin{aligned}d\Phi(h)=L_i(l){\rm d}l{\rm d}A^\perp(h)&=L_i(l){\rm d}l{\rm cos}\theta_h{\rm d}A(h)\\&=L_i(l){\rm d}l{\rm cos}\theta_h D(h)dh\cdot dA\end{aligned}$

根据菲涅尔反射定义： $d\Phi(v)=F(h,v)d\Phi(h)=F(h,l)d\Phi(h)$

坐标系统如上图所示， $\theta_i =2 \theta_h,\phi_i= \phi_h$ ，我们有：
$\frac{dh}{dv}=\frac{{\rm sin}\theta_hd\theta_hd\phi_h}{{\rm sin}\theta_id\theta_id\phi_i}=\frac{{\rm sin}\theta_hd\theta_h}{{\rm sin}2\theta_h2d\theta_h}=\frac{1}{4{\rm cos}\theta_h}$
此处用到了正弦的二倍角公式： $\rm sin2\theta=2\rm sin\theta cos\theta$

根据光亮度的定义，出射光亮度为在单位立体角和单位投影面积下的出射光通量： $\begin{aligned}L_o(v)=\frac{d\Phi(v)}{dv{\rm cos}\theta_vdA}& =\frac{F(h,l)d\Phi(h)}{dh{\rm cos}\theta_h{\rm cos}\theta_vdA}\\ &=\frac{F(h,l) L_i(l){\rm d}l{\rm cos}\theta_h D(h)dh\cdot dA }{dh{\rm cos}\theta_h{\rm cos}\theta_vdA}\\ &=\frac{F(h,l) L_i(l){\rm d}l D(h)\cdot }{4{\rm cos}\theta_v}\end{aligned}$
上式的出射光亮度，是与微小光源 $d l$ 相关的，故可写为 $dL_o$ 。
根据双向反射函数的定义：
$f_r(l,v)=\frac{dL_o}{L_i(l){\rm cos}\theta_l dl}=\frac{F(h,l) L_i(l){\rm d}l D(h)\cdot }{4{\rm cos}\theta_vL_i(l){\rm cos}\theta_l dl}=\frac{F(h,l) D(h)\cdot }{4{\rm cos}\theta_v{\rm cos}\theta_l }$
加入，几何遮蔽函数，可得：
$f_r(l,v)=\frac{F(h,l) G(l,v,h)D(h)\cdot }{4{\rm cos}\theta_v{\rm cos}\theta_l }=\frac{F(h,l) G(l,v,h)D(h) }{4|n\cdot v||n\cdot l| }$

实际BRDF模型

在实际应用中，Disney Principled BRDF和google Filament都采用漫反射项加上镜面反射项的Cook-Torrance BRDF着色模型，其中镜面反射项，采用上述的Torrance-Sparrow Model。
$f(v,l)=f_d(v,l)+f_r(v,l)={\rm diffuse}+\frac{F(h,l) G(l,v,h)D(h)}{4|n\cdot v||n\cdot l|}$
在这里插入图片描述
图片来源：google.github.io/filament/Filament.html

采用Lambertian漫反射函数， $f_d(v,l)=\frac{C_{diff}}{\pi}$ 代码如下。

float Fd_Lambert() {
    return 1.0 / PI;
}

vec3 Fd = diffuseColor * Fd_Lambert();

但是，一般漫反射部分都与镜面反射有相关性，应该将平面的粗糙度考虑进去。并且在掠射角会产生回复反射(retro-reflection)的现象。在Disney BRDF[Burley12]中， $f_d$ 按照下式计算。
$f_d(v,l)=\frac{C_{diff}}{\pi}F_{Schlick}(u=(n\cdot l),1,F_{90})F_{Schlick}(u=(n\cdot v),1,F_{90})$
其中， $F_{90}=0.5+2\cdot \alpha{\rm cos}^2(\theta_d)$ 。

float F_Schlick(float u, float f0, float f90) {
    return f0 + (f90 - f0) * pow(1.0 - u, 5.0);
}

float Fd_Burley(float NoV, float NoL, float LoH, float roughness) {
    float f90 = 0.5 + 2.0 * roughness * LoH * LoH;
    float lightScatter = F_Schlick(NoL, 1.0, f90);
    float viewScatter = F_Schlick(NoV, 1.0, f90);
    return lightScatter * viewScatter * (1.0 / PI);
}

在这里插入图片描述
左图：Lambertian漫反射；右图：Disney Diffuse BRDF
图片来源：Figure 11 in https://google.github.io/filament/Filament.html

wuhaocat

关注

1
点赞
踩
17

收藏

觉得还不错? 一键收藏
1
评论
PBR 三光照模型的分类和BRDF概述

PBR 三光照模型前言渲染方程与光照模型的分类三级目录前言笔者写博客最大的起因时对BRDF，BSDT，BSSRDF，svBRDF等傻傻的分不清楚，而且吃惊于Disney BRDF理论操作性。阅读很多其他博客博客之前联系介绍的不够紧密。本文结合PBR 前言中的渲染方程、PBR 二中的微平面理论中讨论的散射尺度等，介绍光照模型的分类和BRDF概念。渲染方程与光照模型的分类首先，我们再次看一下渲染方程：Lo(x,wo,λ,t)=Le(x,wo,λ,t)+∫Ωfr(x,wi,wo,λ,t)Li(x,wi
复制链接

扫一扫