再谈微表面

Define the statistical framework

For measuring radiance on a surface:

（$L_o$的單位是$W/sr/m^2$）

The total radiance $L({\omega }_o,M)$ of a given surf M in direction ${\omega }_o$ is the integral of the radiances $L({\omega }_o,P_m)$ from each patch with center point $P_m$ on the surface, and weighted by its projected area:

$$L({\omega }_o,M)=\frac{{\int }_{M}projected-area(P_m)L({\omega }_o,P_m)d{p}_m}{{\int }_{M}projected-area(P_m)d{p}_m}$$

Note the denominator is a normalization coefficient and give the entrie radiance units —— area units in the denominator.

Consider a region of a surface called 「geometric surface」 $G$, whose area is $1m^2$(by convention).

The micro-facet model assumes that the true surface is offset from $G$ in the form of a collection of micro-facts M, like follows:

${\omega }_m(p_m)$ is the normal vector on $p_m$ and is a function.

For writing the equation as a statistical one rather than spatial so that we can study it more convenient, we introduce the distribution of normals:
$$D(\omega )={\int }_M\delta ({\omega }_m(p_m))d{p}_m$$

here only pick the normals along with ${\omega }_m$. And note that there may be so many’s normals along with this direction.

The units of the ${\delta }_{\omega }$ are $s{r}^{-1}$, so the units of $D(\omega )$ is $m^2/sr$.[note: the integral domain decides the units of the integral result.]

(Consider to pack $G$ to a point) for the subset $M’\subset M$ that contains all of the points $p_m\in M$ where the normal ${\omega }_m(p_m)$ is an element of $\Omega ’$ such that:

$$p_m\in M’\leftrightarrow {\omega }_m(p_m)\in \Omega ’$$

We have:

$${\int }_{M’}d{p}_m={\int }_{\Omega ’}D({\omega }_m)d{\omega }_m$$

此處$D(\omega )$代表對所有具$\omega$方向法線的$p_m$的發現求和，可以想做將$G$壓縮為一點，$D(\omega )$就是方向上的法線強度，$D(\omega )={\int }_M{\delta }_{\omega }({\omega }_m(p_m))d{p}_m$將強度與空間點聯繫了起來。

對於每一個集合的$\omega$都有一個集合的$p$, 將$p_m$積分恰好就對應於對$D(\omega )$作對應立體角上的積分。
於是這樣我們就成功地將M的面積和一個統計量$D({\omega }_m)$聯繫了起來：
$$S_M={\int }_{M}d{p}_m={\int }_{\Omega }D({\omega }_m)d{\omega }_m$$

又有$${\int }_{M}f({\omega }_m(p_m))d{p}_m={\int }_{\Omega }f({\omega }_m)D({\omega }_m)d{\omega }_m$$

注意：同一個${\omega }_m$可能有多個$p_m$對應，故左邊將有多個相同的$f({\omega }_m)$用於求和，而右邊將多次變成了一個系數$D({\omega }_m)$直接乘上去。

下列公式可以把一個spatial函數變為一個statistical函數：

$$g(\omega )=\frac{{\int }_M{\delta }_{\omega }({\omega }_m(p_m))g(p_m)d{p}_m}{{\int }_M{\delta }_{\omega }({\omega }_m(p_m))d{p}_m}$$

同時可以積分：

$${\int }_{M}g(p_m)d{p}_m={\int }_{\Omega }g({\omega }_m)D({\omega }_m)d{\omega }_m$$

Recall that:

$$D(\omega )={\int }_M{\delta }_{\omega }({\omega }_m(p_m))d{p}_m$$

1.沿幾何法線${\omega }_g$投影：

$${\int }_{\Omega }({\omega }_m\cdot {\omega }_g)D({\omega }_m)d{\omega }_m={\int }_M({\omega }_m(p_m)\cdot {\omega }_g)d{p}_m={\int }_{G}d{p}_g=1m^2$$

2.沿${\omega }_o$投影 ：

$$\cos {\theta }_o\cdot 1m^2=({\omega }_o\cdot {\omega }_g)\cdot area$$

3.可見面沿${\omega }_o$投影 ：

Given a spatial masking function:
$$G_1({\omega }_o,p_m)=0...1.p_m$$masked between visible.

$$S_p={\int }_M{G}_1({\omega }_o,p_m)<{\omega }_o,{\omega }_m(p_m)>d{p}_m$$

Change $G_1$ to statistical:

$$G_1({\omega }_o,\omega )=\frac{{\int }_M{\delta }_{\omega }({\omega }_m(p_m))G_1({\omega }_o,p_m)d{p}_m}{{\int }_M{\delta }_{\omega }({\omega }_m(p_m))d{p}_m}$$

所以有：

$$S_p={\int }_{\Omega }{G}_1({\omega }_o,{\omega }_m)<{\omega }_o,{\omega }_m>D({\omega }_m)d{\omega }_m$$

很顯然$S_p=\cos {\theta }_o$

所以有：

$$\cos {\theta }_o={\int }_{\Omega }{G}_1({\omega }_o,{\omega }_m)<{\omega }_o,{\omega }_m>D({\omega }_m)d{\omega }_m$$

根據這個方程如果給出$D$的profile就能解出對應的$G_1$.

後面將會分別討論Smith和V-cavity profiles:
如下圖所示的profiles：

注意使用相同的$D({\omega }_m)$，不同的profiles可以解出不同的$G_1$.

再次考慮radiance計算方程 ：

$$L({\omega }_o,M)=\frac{{\int }_{M}projected-area(p_m)L({\omega }_o,p_m)d{p}_m}{{\int }_{M}projected-area(p_m)d{p}_m}$$

帶入projected area，可以得到：

$$L({\omega }_o,M)=\frac{{\int }_{M}L({\omega }_o,p_m)G_1({\omega }_o,{\omega }_m)<{\omega }_o,{\omega }_m>D({\omega }_m)d{p}_m}{{\int }_M{G}_1({\omega }_o,{\omega }_m)<{\omega }_o,{\omega }_m>D({\omega }_m)d{p}_m}$$

化簡可得：

$$L({\omega }_o,M)=\frac{1}{\cos {\theta }_o}{\int }_{M}L({\omega }_o,p_m)G_1({\omega }_o,{\omega }_m)<{\omega }_o,{\omega }_m>D({\omega }_m)d{p}_m$$

下面求解$L({\omega }_o,{\omega }_m)$:

$$L({\omega }_o,{\omega }_m)={\int }_{{\Omega }_i}\frac{dL({\omega }_o,{\omega }_m)}{d{\omega }_i}d{\omega }_i$$
$$={\int }_{{\Omega }_i}{\rho }_M({\omega }_o,{\omega }_i,{\omega }_m)<{\omega }_i,{\omega }_m>L({\omega }_i)d{\omega }_i$$

其中：

$${\rho }_M({\omega }_o,{\omega }_i,{\omega }_m)=\frac{dL({\omega }_o,{\omega }_m)}{<{\omega }_i,{\omega }_m>L({\omega }_i)d{\omega }_i}......(1)$$

叫做：micro-BRDF

取：

$$D_{{\omega }_o}({\omega }_m)=\frac{G_1({\omega }_o,{\omega }_m)<{\omega }_o,{\omega }_m>D({\omega }_m)}{\cos {\theta }_o}$$

這個叫做the distribution of visible normals.

有：$L({\omega }_o,M)={\int }_{\Omega }L({\omega }_o,{\omega }_m)D_{{\omega }_o}({\omega }_m)d{\omega }_m$

將上式兩邊對${\omega }_o$取微分有：

$$dL({\omega }_o,M)={\int }_{\Omega }dL({\omega }_o,{\omega }_m)D_{{\omega }_o}({\omega }_m)d{\omega }_m$$

代入前面式(1)得到：

$$dL({\omega }_o,M)=L({\omega }_i)d{\omega }_i{\int }_{\Omega }{\rho }_M({\omega }_o,{\omega }_i,{\omega }_m)<{\omega }_i,{\omega }_m>D_{{\omega }_o}({\omega }_m)d{\omega }_m$$

又根據BRDF的定義有：

$$dL({\omega }_o,M)=\rho ({\omega }_o,{\omega }_i)\cos {\theta }_{i}L({\omega }_i)d{\omega }_i$$
$$\rho ({\omega }_o,{\omega }_i)=\frac{1}{\cos {\theta }_i}{\int }_{\Omega }{\rho }_M({\omega }_o,{\omega }_i,{\omega }_m)<{\omega }_i,{\omega }_m>D_{{\omega }_o}({\omega }_m)d{\omega }_m$$

將$D_{{\omega }_o}({\omega }_m)$展開得到微表面BRDF構造的最終表達式：

$$\rho ({\omega }_o,{\omega }_i)=\frac{{\int }_{\Omega }{\rho }_M({\omega }_o,{\omega }_i,{\omega }_m)<{\omega }_o,{\omega }_m><{\omega }_i,{\omega }_m>G_1({\omega }_o,{\omega }_m)D({\omega }_m)d{\omega }_m}{|{\omega }_g\cdot {\omega }_o||{\omega }_g\cdot {\omega }_i|}$$

注意：一個完整的BRDF應該考慮在微表面上的多重散射 ，但此處並不考慮而是直接使用shadowing將其移出，如下圖：

注意$G_1$只考慮了masking也就是下圖：

現在由於移出了多重散射又要加上shadowing，於是將上式$G_1$替換為$G_2$.

注意：至此，我們已經徹底說清楚shadowing-mask函數的物理意義。masking是${\omega }_o$方向的遮蔽，而shadowing則是為了簡化多重散射。

微表面能量守恆（多重散射問題）

更加细致的微表面