GraphicsLab Project之基于物理的着色系统(Physical based shading) - 基于图像的光照(Image Based Lighting)（Diffuse篇）

作者：i_dovelemon
日期：2018-01-21
来源：CSDN
主题：PBR, Equrectangular Map, Cube Map, Irradiance Map, HDR Image, Pre-Filtering

引言

前面一篇文章讲述了怎么搭建一个PBS的直接光照系统。但是，想要发挥PBR的强大实力，就需要更加丰富的光照系统，本篇文章将要向大家展示，如何实现一个IBL-Diffuse的光照系统，实现的效果如下所示：

基于图像的光照(Image Based Lighting)

在开始之前，我们先来了解下什么是基于图像的光照(IBL)。一个物体，不会单独的存在一个空空的环境里面，它的周围一定有其他的物体。当光源照射到其他物体上的时候，一定也会反射，其中就有很多反射的光线会反射到该物体上去。上一篇文章中我们模拟的是直接光照。对于直接光照系统，像上面那种其他物体反射过来的光，我们一般就只是使用一个Ambient项来模拟。这种模拟方法只能够模拟单调的环境光照效果，想要更加丰富，更加精细的效果，我们就需要使用更加丰富的环境光照系统，而IBL就是实现它的一种方式。

一般来说，我们通过一张环境贴图(Environment Map)来保存一个物体周围的环境信息，然后通过某种处理，来实现丰富的环境光照效果。本文就是讲述，如何通过对环境贴图进行处理，然后实现丰富的环境光照效果。

从渲染方程解释IBL

还记得前面一篇文章中讲述的渲染方程嘛，这里再次的给出：

$$L_o=\int_\Omega (f_d+f_s)L_i(p_i,w_i)n⋅w_idw_i$$
根据前面对环境光照的描述，环境光照也应该符合这个公式，只不过相对于直接光照，它需要计算更多的入射光线。

同时从渲染方程可以看出，我们可以把渲染方程拆成两个部分进行处理：
$$L_o=\int_\Omega f_dL_in⋅w_idw_i + \int_\Omega f_sL_in⋅w_idw_i$$
本篇文章集中于处理：
$$L_o=\int_\Omega f_dL_in⋅w_idw_i$$
对于这个方程，我们就可以将周围环境的所有光照信息保存在一张环境贴图中，而这个环境贴图就模拟了所有的 $L_i$。

环境贴图

在图形领域，用于保存周围环境信息的环境贴图有多种形式，如：

现在业界,对于IBL普遍使用的是Cube Map的形式。本篇文章也将主要使用Cube Map来进行IBL。

从前面一篇文章描述中我们知道，HDR对于PBR的重要性，没有了HDR，PBR的效果将大大折扣。所以，对于IBL来说，我们依然需要使用HDR。也就说，对于周围环境光照的描述，需要通过HDR的格式文件来保存。

本文的所有使用的环境光照贴图将从 sIBL中获取，这个网站里面有很多免费使用的HDR光照贴图，我们将从这些图中选择一些进行测试。

需要注意的是，这个网站里面的HDR贴图并不是CubeMap的形式，而是EquirectangularMap的形式进行保存的，所以接下来我们需要解决两个问题：如何读取.hdr文件，如何对这个贴图进行filter。

.hdr文件读取

在sIBL网站上，已经给出了.hdr文件格式的详细描述。我这里为了方便就直接使用了github上开源的stb_image库来读取.hdr文件。这个库里面都是一些单个文件的c代码库，感兴趣的读者可以自行探索。

使用它也很简单，只要简单的将stb_image.h包含到你的工程里面去，然后调用如下的代码：

stbi_set_flip_vertically_on_load(true);
int32_t width = 0, height = 0, component = 0;
float* data = stbi_loadf(file_name, &width, &height, &component, 0);
...
stbi_free(data);

你就能够得到.hdr文件保存的HDR数据了，然后可以通过图形API创建一个2D的HDR纹理，以便后续使用。

Equirectangular Map Filter

我们前面说过，我们将使用Cube Map来进行IBL。所以，我们需要一种方法来将该Equirectangular Map转换为Cube Map。为此，我们先简单的绘制一个球体，然后将这个Equirectangular Map贴上去，然后使用传统的创建Cube Map的方式产生一张Cube Map。

那么，我们怎么样将Equirectangular Map映射到球体上去了？通过一些简单的计算就能够完成这个操作，代码如下所示：

vec2 sampling_equirectangular_map(vec3 n) {
    float u = atan(n.z, n.x);
    u = (u + PI) / (2.0 * PI);

    float v = asin(n.y);
    v = (v * 2.0 + PI) / (2.0 * PI);

    return vec2(u, v);
}

上面代码中的n表示的是球体上某个点的法线，这个法线需要是归一化（normliaze）的。

通过计算atan(n.z, n.x)就能够得到具有该法线顶点的UV坐标的U值，通过计算asin(n.y)就能够得到具有该法线顶点的UV坐标的V值。同时，由于atan函数返回的结果在$[-\pi,\pi]$之间，而asin返回的结果在$[-\frac{\pi}{2}, \frac{\pi}{2}]$之间，所有需要把它们都映射到$[0,1]$之间。

下面是使用该方法得到的映射之后的结果：

完整的代码可以在 glb_equirectangularmap中查看。

在得到了这个球体之后，我们就可以简单的使用传统的方法来创建CubeMap，主要就是通过设置FOV为90度的摄像机，分别朝着+X,-X,+Y,-Y,+Z,-Z去观察该球体，然后渲染CubeMap的6个面，从而得到一张HDR的CubeMap。该过程在 GraphicsLab Project之Dynamic Environment Mapping中详细的讲述了，这里就不在赘述。

预计算辐射光照贴图

简化积分方程

我们已经能够使用HDR的