mh采样算法推导_重要性采样小结

最近在看一篇讲SSR的PPT，里面提到了根据GGX分布做重要性采样，其实之前或多或少的了解过重要性采样算法，不过当时没有认真的总结过这个问题，也没有想过要认真的推导相关的公式。这篇给文章的主要目的就是给看过的一些文章做个总结，推导一下相关的公式，以免自己会忘记。接下来会分几个步骤介绍一下与重要性采样相关的内容。

一、NDF表示的是什么？

NDF从字面意思来看表示的是法线分布函数(Normal Distribution Function)，但是具体表示的是什么？单位是什么呢？细心的同学可能会发现，如果直接对NDF进行积分，得到的结果很可能不为1，出现这个结果的原因是NDF表示的并不是法线的概率密度函数。

从How Is The NDF Really Defined? 这篇文章里面可以看到NDF表示的是当前点的微表面(microfacet)的面积除以宏表面(macrofacet)的面积，然后再除以立体角。所以NDF的单位是立体角分之一。

上图中h表示的微表面的法线，n表示宏表面的法线。在GGX的那篇论文中NDF遵循如下公式：

(1)

在这篇文章中也提到了NDF的归一化条件：

(2)

二、 Blinn重要性采样算法

Blinn的NDF定义如下：

(3)

根据式(2)可知

，因此

即可表示Blinn的概率密度函数，为了方便计算，将其转换到球面上面来，我们可以得到其在球面坐标下的概率密度函数：

(4)

由于这个概率密度函数有2个参数，我们需要分别计算边缘概率密度函数。

(5)

根据公式(5)，计算关于

的累计概率函数CDF。

(6)

计算

的边缘概率密度：

(7)

根据公式(7)得到关于

的累计概率函数CDF。

(8)

根据公式(6)和(8)得到的累计概率函数，假设由0-1均匀采样得到的变量为

和

，设

(9)

根据公式(9)可以得到采样结果为:

(10)

至此我们得到了关于Blinn的重要性采样结果。

三、GGX重要性采样

由于在上一节中加了过多的说明性的文字，这一节和上一节基本相差不大，所以只列出公式，不在写过多的文字说明。

GGX的NDF为：

(11)

将其转换到球面上的概率密度函数表示为：

（12）

分别求边缘概率密度，得到：

(13)

的采样结果与上面的一致，为

，接着我们求

的采样结果，同样我们需要先求CDF。

(14)

解公式

，得到

贴一下UE4中GGX重要性采样的代码，可以看到和我们推导的结果是一样的：

上面的代码中计算出来的PDF是D * CosTheta，D * CosTheta也就是 D* NoH，这个是没有问题的，但是很多时候我们会看到下面的代码，下面的代码中使用的pdf与我们推导的不太一样，这个的主要原因就是我们使用GGX重要性采样得到的是H向量，pdf表示的也是H向量的分布，但是下面的图中需要采样的是L向量的，所以这个pdf就需要根据雅可比行列式进行转换，将H的分布概率转换为L的概率分布，更加具体的推导可以参考[5]。

为了方便回顾这些内容，就把论文中的一部分内容贴到下面吧。

到这里，基本上就已经知道如何根据NDF得到相应的重要性采样方法。

PS：这篇文章前前后后写了有1个月了，一直在草稿箱里面，今天终于写完了，不得不说知乎的

公式编辑还是挺好用的。

参考文献：

[1]http://www.reedbeta.com/blog/hows-the-ndf-really-defined/

[2]https://agraphicsguy.wordpress.com/2015/11/01/sampling-microfacet-brdf/

[3]http://www.irisa.fr/prive/kadi/Lopez/ashikhmin00anisotropic.pdf

[4]https://developer.nvidia.com/gpugems/GPUGems3/gpugems3_ch20.html]

[5]https://www.graphics.cornell.edu/~bjw/wardnotes.pdf