作者:idovelemon
日期:2018-02-03
来源:CSDN
主题:Sampling,Distribution,PDF, MDF, CDF, Inverse Method
引言
如果你尝试过自己去实现一些Image Based Lighting或者Path Tracer等需要解决渲染方程积分问题算法的时候,你就会发现一个你绕不开的概念:Monte Carlo Importance Sampling。而实现Monte Carlo Importance Sampling的一个重要操作,就是将2D均匀分布的采样点,合理的映射到半球坐标上,以此来求出需要采样的光照射线方向。而实现这一步骤的操作,往往就是一些看起来莫名其妙的数学计算。今天这篇文章就向大家讲解,如何推导出这些数学计算。
文章首先会讲解求解的一般性步骤,然后给出几个常用的分布映射的推导过程。不过强烈建议没有看过前面几篇文章的读者,从头到尾看一遍前面的文章,因为这里的很多知识严重依赖前面讲述的内容:
图形学数学基础之基本蒙特卡罗尔积分(Monte Carlo Integration)
图形学数学基础之Hammersley采样
图形学数学基础之重要性采样(Importance Sampling)
图形学数学基础之1D采样分布计算方法InverseMethod
推导步骤
首先,我们得知道这个过程的目的是做什么:为了能够求出符合重要性采样的光照射线方向,我们需要将一个2D上均匀分布的采样点,映射到3D坐标上。
那么,“符合重要性采样”的来源就是我们需要求解的渲染方程BRDF所对应的PDF:
根据前面的描述,我们需要将一个2D点映射到3D空间中去,所以我们需要使用球面坐标 (θ,ϕ) ( θ , ϕ ) 来做中间过渡,因为通过球面坐标,我们只需要使用两个分量就能够得出一个3D点或方向。所以,我们先将PDF转换为球面坐标的表现形式。
根据立体角的知识,我们知道:
所以:
自此我们得到了PDF在球面坐标系下的表示。
对于球面坐标来说,两个分量的计算不能够单独进行映射,他们之间是有关系的。所以,我们需要某种手段,让我们能够独立的计算两个分量。一些聪明的家伙,想到了使用边际密度函数(Marginal Density Function, MPF)和条件密度函数(Conditional Density Function, CDF)来独立计算它们:
至此,我们就有了独立的函数,便于我们接下来的操作。通过前面一篇文章,我们知道可以通过是Inverse Method来求出映射点,所以接下来就对这两个函数分别使用Inverse Method的方法,求出对应的点:
然后根据这两个函数求出对应的逆方法: Pr−(θ) P r − ( θ ) 和 Pr−(ϕ|θ) P r − ( ϕ | θ ) ,这样我们就能够得到 θ θ 和 ϕ ϕ 。
有了球面坐标,我们就可以通过如下的公式转换到笛卡尔坐标: