学习法线贴图(normal mapping)的过程中,最关键的一个矩阵就是TBN矩阵,该矩阵用于将存储在纹理空间中的法向量转换到模型空间中(实际使用相反,为了减少计算量,是将光线从模型空间转换到了纹理空间,然后计算反射光线,因为光线条数远远少于法向量数目)。
下图展示法线贴图的含义,图中的蓝色部分为一块法线纹理,上面的黑色小木棒(纯手工绘图)是每个像素的rgb代表的法线向量。就像一块海绵上插了无数歪歪扭扭的针一样……这样当计算反射光线时,这些法向量模拟凹凸不平的表面,最后产生真实的感觉。
首先考虑向量空间中坐标表示的问题,给定一个三维坐标系的一组基, X⃗ ,Y⃗ ,Z⃗ ,那么该坐标系中的任意向量 A⃗ (a1,a2,a3) 的坐标的含义为:
如上图所示,假定 △ABC 纹理映射到模型中 △abc 这块三角形上,纹理中存储的rgb分量代表该点处法线在纹理空间中的坐标,我们要将左边的纹理空间中的法向量转换到右边的模型空间中(这里先只讨论uv二维的坐标,第三维直接取模型空间的法向量即可),已知顶点的UV坐标,模型坐标以及法向量,根据上面的讨论,现在要求出 U⃗ ,V⃗ 这两个向量基在模型空间中的坐标,即右边 T⃗ ,B⃗ 的坐标。我们可以列出一个方程组:
然后解出 T⃗ ,B⃗ 即可。加上第三维坐标时,一般会选择垂直于TB平面的法向量 N⃗ ,这个向量是已知的。最后再将 T⃗ ,B⃗ ,N⃗ 归一化,就得到了转换矩阵。
但是开头说过了,实际我们使用的变换是将光线从模型空间变换到纹理空间,因此要求的实际是逆过程的转换矩阵,好在TBN矩阵是正交阵,转置一下就得到了 [T⃗ ,B⃗ ,N⃗ ]−1 。