第三部分——采样方法
我们将光线投在了一个漫反射的表面了,结果是这个光线可以任意投出
这个散射的半球,我们均匀采样这个光线的方向,若是这个 方向和法线的夹角小于90度我们就可以取它,若是大于90度我们就将其反过来,这就是一个比较均匀的采样了
如果在球面上呢,这时候我们就需要笛卡尔坐标系和极坐标坐标系
在极坐标上,我们可以认为在两个角度上任意取值,可以达到半球上的随机采样
这样做的问题是采样出来的点大多集中于两极
这样的原因是因为,一个球体被展开的时候,两级上的图像会被放大,这样的话采样并不均匀,那么我们应该怎么去平均的在球体上采样呢,有一个标准的答案
我们在使用的时候只用接收最后两个公式上的范围面积就可以了
之后将极坐标恢复成笛卡尔坐标,那么我们怎么在球体里面采样呢
与此同时还有一种方法是拒绝法,当我们投影在球外面上时,会将这一次采样重新进行
这样的话随着维度的升高,拒绝量也会提高
现在我们有了采样的方法,但是我们还可以做的更好,我们使用的是蒙特卡洛方法,目的是为了不断地逼近我们的数值解,也就是期望,我们采样的期望是什么,采样期望是每一个光线的颜色和亮度(亮度和角度有关),我们也可以认为每条光线都没有衰减,但我们采到每条光线的概率会随着角度而变化,采到的最亮的也就是法线方向的比较多,采到的最暗的最少,这两种方法期望是相同的,但计算却简单一些
我们可以对采样采取重要性采样的方法
我们可以在以法线为圆心画一个单位圆,在单位圆的表面上上均匀的采样一点,然后将其重新投影回来,这个得到的新向量就是采样向量
光线追踪的调试非常麻烦,一般需要通过推导和采样图才能知晓
接着是反射和折射的采样
全反射
如何选择反射率,也就是怎么决定光线是反射还是折射,多少光反射了
用几何光线去拟合这个电磁波
将其整合到代码中
需要先判断是否为全反射,然后再计算反射率
太极中的递归操作
太极本身无法实现递归操作
使用堆栈可以解决,但是非常麻烦
这个光线追踪的递归方法是一个尾递归方法,是一个可以优化的,也就是递归函数的使用永远是在函数的尾部上使用的,我们可以将其写为一个循环,例如下面这个例子
定义了一个死循环,这样就可以实现上面的递归问题,而且没有对堆栈有太大的压力
那么就可以这么写
最终光线的实现就是一个找光源的过程