由浅入深学习PBR的原理和实现part_05(理论知识)转载

2020-03-03 11:09 作者:Game艺视界 0人读过 | 我要投稿

Hello .大家好

今天是2020年03月03日星期二

01集回顾点击跳转PBR知识体系_认知和应用(重要)

02集回顾点击跳转PBR在游戏引擎的应用

03集回顾点击跳转双向反射分布和PBR制作

04集回顾点击跳转PBR的光照实现

3.3 基于图像的光照（Image Based Lighting，IBL）

基于图像的光照（IBL）是对光源物体的技巧集合，与直接光照不同，它将周围环境当成一个大光源。IBL通常结合cubemap环境贴图，cubemap通常采集自真实的照片或从3D场景生成，这样可以将其用于光照方程：将cubemap的每个像素当成一个光源。这样可以更有效地捕获全局光照和常规感观，使得被渲染的物体更好地融入所处的环境中。

当基于图像的光照算法获得一些（全局的）环境光照时，它的输入被当成更加精密形式的环境光照，甚至是一种粗糙的全局光照的模拟。这使得IBL有助于PBR的渲染，使得物体渲染效果更真实。

在介绍IBL结合PBR之前，先回顾一下反射方程：

如之前所述，我们的主目标是解决所有入射光wi通过半球Ω的积分∫。与直接光照不同的是，在IBL中，每一个来自周围环境的入射光ωi都可能存在辐射，这些辐射对解决积分有着重要的作用。为解决积分有两个要求：

需要用某种方法获得给定任意方向向量ωiωi的场景辐射。
解决积分需尽可能快并实时。

对第一个要求，相对简单，采用环境cubemap。给定一个cubemap，可以假设它的每个像素是一个单独的发光光源。通过任意方向向量ωi采样cubemap，可以获得场景在这个方向的辐射。

获取任意方向向量ωi的场景辐射很简单，如下：

对要求二，解决积分能只考虑一个方向的辐射，要考虑环境贴图的半球Ω的所有可能的方向ωi，但常规积分方法在片元着色器中开销非常大。为了有效解决积分问题，可采用预计算或预处理的方法。因此，需要深究一下反射方程：

可将上述的kd和ks项拆分

拆分后，可分开处理漫反射和镜面反射的积分。先从漫反射积分开始

3.3.1 漫反射辐照度（Diffuse irradiance）

仔细分析上面方程的漫反射积分部分，发现Lambert漫反射是个常量项（颜色c，折射因子kd和π）并且不依赖积分变量。因此，可见常量部分移出漫反射积分：

因此，积分只依赖ωi（假设p在环境贴图的中心）。据此，可以计算或预计算出一个新的cubemap，这个cubemap存储了用卷积（convolution）计算出的每个采样方向（或像素）ωo的漫反射积分结果。

卷积（convolution）是对数据集的每个入口应用一些计算，假设其它所有的入口都在这个数据集里。此处的数据集就是场景辐射或环境图。因此，对cubemap的每个采样方向，我们可以顾及在半球Ω的其它所有的采样方向。

为了卷积环境图，我们要解决每个输出ωo采样方向的积分，通过离散地采样大量的在半球Ω的方向ωi并取它们辐射的平均值。采样方向ωi的半球是以点p为中心以ωo为法平面的。

这个预计算的为每个采样方向ωo存储了积分结果的cubemap，可被当成是预计算的在场景中所有的击中平行于ωo表面的非直接漫反射的光照之和。这种cubemap被称为辐照度图（Irradiance map）。

辐射方程依赖于位置p，假设它在辐照度图的中心。这意味着所有非直接漫反射光需来自于同一个环境图，它可能打破真实的幻觉（特别是室内）。渲染引擎用放置遍布场景的反射探头（reflection probe）来解决，每个反射探头计算其所处环境的独自的辐照度图。这样，点p的辐射率（和辐射）是与其最近的反射探头的辐照度插值。这里我们假设总是在环境图的中心采样。反射探头将在其它章节探讨。

下面是cubemap环境图(下图左）和对应的辐照度图（下图右）：