【学习总结】Ray tracing in the next Weekend

这是Ray tracing三部曲的第二部，这一part稍微有点上了难度，很多地方其实比较难思考，但是书上是说了个大概思路就给出代码过了。我自己去尝试理解这些部分花了些时间（本来应该更早出这篇的）。

还是一样，因为原书其实写的很详细了，所以我只对不太好理解的地方做出补充~（或者评论区告诉哪里不太清楚，我们一起探讨一下）

如果有错误的地方，烦请指正~！

原书链接在这里：Ray Tracing The Next Week
推荐翻译在这里：日天大佬的翻译
自己的代码GitHub：Ray Tracing The Next Week

再次：请务必看看闫老师的Games101，越学这些教程越发现101教的有多好
（过段时间我感觉要二刷了）

关于BVH

教程的前半部分的渲染都是每一条光线去和每一个物体求交，有些无法被光线采样到的物体也会被拿出来做计算，因此，我们需要尽量避免这些重复计算，就需要一个场景加速结构。
一般来说，场景加速结构分为两类，一类是按空间划分的（比如四叉树，八叉树,KD-Tree）等结构，另一类就是以BVH为代表的按物体划分的加速结构了。
BVH简单来说，就是通过一个二叉查找树结构，存储场景中的物体，一般会和包围盒结合在一起使用。只要一条光线与父节点做判断，判定结果是不穿过父节点，则所有的子节点都可以在此次采样中被剔除。
以书上的图来举例：比如光线和紫色的包围盒做检测，判定是不会穿过紫色包围盒，则红色和蓝色的包围盒全部都不用做检测了。

我们使用的包围盒是AABB包围盒，直观来说，就是直接在物体外面套一个刚好能装下这个物体的盒子。
而判断是否与包围盒相交的算法我们使用的是堆叠法：

由于我们的光线具有唯一的表达式 p(t) = a + tb（a为起点，b为方向向量），所以你只需要分别求出和蓝色平面与绿色平面相交的t值。然后检查这个t值有没有重叠，有的话就代表有相交。同样的，这个方法可以推广至三维，下面这段伪代码总结的挺好的：

由于计算t值时会遇到NaN问题（分母为0，或者分子分母同时为0），因此需要人为限制他们的值。
接下来需要做的事情就是计算每一个物体的包围盒，对于球体来说，包围盒就是半径长度为边的正方形（也是最好算的），对于运动球体来说，需要接受两个时间变量，去计算运动球体在这个时间范围的两个包围盒（两个端点），然后用一个更大的包围盒将他们包裹起来

除此之外，我们还需要一个bvh_node来回答是否被击中的这个问题，如果被击中的话，则去计算左右节点的hit函数进行进一步递归。如果没有击中，则直接返回false。

这里构建BVH树的过程是个难点，我将代码拆解成了以下步骤（都是个人结合文章理解，有错误的地方请一定要指正）：

1. 首先BVH是按照物体的划分方式，在三维空间中，我们有三个轴可以选取。由于BVH是二叉查找树结构，我们需要每一次都对随机选取的轴进行按轴排序，然后计算出中点，进行进一步的递归分割。
2. 这里递归分割的终止条件就是看每一次分割之后剩下多少物体。如果剩下的物体数量<=2，那么就终止分割，如果剩下的物体数量>2，那么就让左右子树指针指向一个新的BVH_NODE，并且对应调用bvh_node的构造函数
3. 上述分割结束之后，此时构造应该来到了最底层，即左右指针指向的是基本图元。那么，我们又从最底层开始逐渐网上调用BouddingBox来构造包围盒。
4. 在最底层的基本图元上，不同的类有对应的包围盒方法（代码里面写的很清楚，如果是个球体就用正方体包围起来）
5. 在上升过程中，会在递归的本层构造刚好能覆盖左右子树的包围盒。（在递归代码中，left_box和right_box会等于下一层的BoudingBox，然后本层的BoudingBox等于在这两个盒子之上多加一个）
6. 递归结束，整个BVH树也就构建好了
   
   调用过程这里有一个小细节：
   
   这个地方使用了一次强制转换，而且是两个子类，hittable_list和bvh_node之间的转换。所以这个地方应该是将最后一个bvh_node（即根节点）推入了hittable_list的队列里面。
   这里转换是有条件的：关于子类之间使用static_cast强制转换的问题

以上，我们的BVH树就构造好了，这样就不用和场景中的每一个物体去求交，而是和相交的包围盒里面的物体去求交，会加速不少。（注：BVH并不是只有这一种构造方式，前两天看到一个大场景0.58秒构建完毕的论文，那是真的牛逼。改天研究一下）

柏林噪声

柏林噪声是用于构造一些看起来杂乱无章但是却有规律性的事物（这里涉及到一些分形几何的内容）
柏林噪声的重要特点有两个：

1. 可复现性。如果输入的是同一个三维空间中的点, 他的输出值总是相同的。（伪随机）
2. ·实现方便，柏林噪声比较好写

实现柏林噪声比较关键的地方在于两点：

1. 一个随机数生成器
2. 一个插值函数

首先先聊一聊随机数生成器，最开始的随机数生成器是使用random函数去随机取值的：

上方的两个步骤之后，我们现在有了一个全是0到1之间的数值的ranfloat数组，然后，通过哈希表映射的方式，再去进一步的得到具体的随机值：
下方这个图里的两个函数所做的事情就是生成哈希表的索引，完成最终Noise函数的哈希映射

最开始的noise函数长下面这样：

前面的i，j，k与255相与的原因就是需要限制你的索引值在255的范围之内（位运算的知识，超过255的相与会变成0），之后通过一个或运算得到一个看起来随机的序列号，接着从ranfloat函数里面取值进行返回。这样，我们就得到了在点p处的一个伪随机值（因为再一次输入P点，会进行相同的运算，得到的结果必然是一样的。）
这个效果做出来大概长这样：（哈希表的扰动成功了）

因为我们现在只用了基本的随机值，并且使用int去强制转换了点p的坐标，所以表现出来的就是一个接着一个的方格子。因此，教程接下来用了一个基础的线性平滑去混合这个噪声值：

PS：这里为什么选择数组大小为2做线性插值呢？我个人的推测是这样：这个地方函数的名字其实说的很明白了，这是一个三线性插值法，因为我们有i,j,k三个轴，正好构成一个正方体，而我们需要去这个正方体区域里面去找到对应的值。
更多相关可以看这一篇文章，总之这里就是用三个for循环完成了插值的这么一个操作：
三线性插值
完成效果大概就长这样：

下一步是使用Hermit Cubic进行插值，虽然我觉得出来的效果和上面是差不多的。

接着，我们使用Scale加速一下颜色变化的频率，直接和p相乘然后去得到一个取值。（这里可以理解为，你直接提升了点的采样频率，因为我们哈希表的索引值与255做&，其实也是有采样周期的）

可以得到：

由于我们的每一个点还是强制落在一个整数上面的，所以看上去还是有网格的那种感觉，于是，这里就需要引入一个新的东西，随机梯度向量：
对于基本二维做法如下：

1.定义一个晶格结构（就当成一个单位正方形），每个晶格的顶点有一个“伪随机”的梯度向量（说它是伪随机的是因为：1.梯度向量是我们随机的选择我们自定义的向量，而不是随机的选择随机的向量。2.一旦确定了，固定的点就有了固定的梯度向量）。这个梯度向量就当做向量理解吧。对于二维的Perlin噪声来说，晶格结构就是一个平面网格，三维的就是一个立方体网格。
2.输入一个点（二维的话就是二维坐标，三维就是三维坐标，n维的就是n个坐标），我们找到和它相邻的那些晶格顶点（二维下有4个，三维下有8个，n维下有个），计算该点到各个晶格顶点的距离向量，再分别与顶点上的梯度向量做点乘，得到个点乘结果。
3.使用缓和曲线（ease curves）来计算它们的权重和
————————————————
版权声明：本文为CSDN博主「旅程TSH」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u010669231/article/details/97051705

那么教程里面的做法也是相似的：通过将随机单位向量放在每一个格子上（之前相当于直接放了浮点数），然后通过点积的方式来进行一个采样取值。
随机数生成器变为随机向量生成器：

三线性插值的顶点也变成随机向量的形式（想象一下三维的晶格图）：


这里对点的小数部分做了进一步的平滑插值，然后去计算对应的插值点积
同时，由于得到的噪声值有可能是负数，影响伽马矫正的sqrt（）函数，所以我们要人为把它置正（从-1~1置为 0 ~1）

于是我们可以得到这个效果：

接下来就是噪声叠加，这通常称为turblence（其实就是增加噪声采样然后做一个叠加，光追惯用手法了）

这里其实还有一些教程没有说的细节，就是关于倍频系数的选取，因为我们是多个噪声叠加，所以这里的weight，即权重值是需要改变的（全部都是1的话那么变化的就不会那么自然了，我们需要确定一个基调然后逐渐往细微的地方进行扰动，你可以想象成一个心电图，如果系数都为1叠加，那么就不会有小的波峰或者波谷）。关于权重值的计算其实是有一个算法的：

看看核心参数的计算过程是不是和教程里面一样~
于是，通过将noise函数替换为turb函数，同时让颜色与正弦函数相关，并用turb调整相位，就可以得到类似于大理石的入门级程序纹理：

可以渲染出下面的效果：

关于柏林噪声的这一部分，我也是第一次进行学习，所以可能有一些地方会有错漏和讲的不太好的地方，欢迎大家指出。
另外，在整理柏林噪声的时候，发现了一篇十分不错的讲解，推荐给大家：

具体可以从这里找：柏林噪声

小结

第二部分的内容还是比较充实的，除了物体划分的BVH算法，柏林噪声之外，如何计算纹理坐标完成纹理映射，以及体积雾也是比较重点的内容。

此外，第三部分Ray Tracing：The rest of your life可能没那么快出来了，因为是时候回去补基础了~ 包括但不限于高数，线性代数，算法，和101的回看。而且正好赶上秋招了，还有一些基本的东西需要复习，所以第三部分会暂时搁置~