预过滤环境光贴图制作教程：第四阶段 - Lambert 无权重预过滤（Stage 3）

在完成高光反射的 GGX 预过滤后，我们还需要处理环境光的漫反射部分。本阶段（Stage 3）将基于 Lambert 分布对环境贴图进行无权重预过滤，生成用于漫反射计算的环境数据。与高光反射的方向性不同，漫反射是光线在粗糙表面的均匀散射，因此需要用更适合均匀分布的 Lambert 模型进行预过滤。

核心目标

漫反射的核心特性是 “光线在表面向所有方向均匀散射”，其强度仅与光线入射角（与法线的夹角）相关。本阶段的目标是：

1. 基于 Lambert 分布生成均匀的半球采样方向；
2. 对环境贴图进行 “无权重平均”（所有方向贡献均等），得到漫反射环境光的预过滤结果；
3. 将结果存储在环境图集的指定区域，与之前的高光数据形成完整的 PBR 环境数据集合。

准备工作

• 前置条件：已完成 Stage 1（基础环境图集）和 Stage 2（GGX 高光预过滤），获得包含多级数据的envAtlas；
• 输入资源：sourceCube（原始立方体贴图）、envAtlas（待写入漫反射数据的图集）；
• 工具依赖：Three.js 环境（renderer、scene、camera）、SampleGenerator（已实现 Lambert 样本生成）；
• 理论基础：了解 Lambert 漫反射模型（diffuse = (albedo / π) * irradiance），其中irradiance是环境光在半球上的平均强度（本阶段预计算的核心）。

Lambert 漫反射与无权重预过滤

Lambert 模型描述了理想漫反射表面的反射规律：光线入射后向所有方向均匀散射，反射强度仅与光线与法线的夹角余弦（n·l）成正比。对于环境光的漫反射计算，需要预计算辐照度（Irradiance）—— 即环境光在半球上的平均强度（对所有方向的环境光进行积分）。

与 GGX 高光预过滤的 “加权平均” 不同，Lambert 预过滤是 **“无权重平均”**：所有方向的环境光贡献均等（仅需考虑方向是否在半球上），因此采样时不需要按分布权重加权，直接取平均即可。

实现步骤详解

步骤 1：明确 Stage 3 的图集存储区域

漫反射预过滤结果通常只需一个级别（因为漫反射对细节不敏感，低分辨率即可满足需求）。以 512x512 图集为例，存储位置为：

• s = size / 512：适配不同图集尺寸（如 512x512 时s=1，256x256 时s=0.5）。

步骤 2：生成 Lambert 样本

漫反射的均匀特性决定了采样方向需要在半球上均匀分布，SampleGenerator.generateLambertSamples负责生成这些样本：

// 生成2048个Lambert样本（均匀分布在半球上）
const samples = SampleGenerator.generateLambertSamples(2048, sourceTotalPixels);
// 将样本打包为纹理，供片段着色器解码
const samplesTex = SampleGenerator.createSampleTexture(samples);

• 样本内容：每个样本包含一个均匀分布在半球上的方向向量（L）和对应的 MIP 级别（控制环境贴图采样精度）；
• 2048 个样本：平衡精度与性能（样本