渲染算法学习（四）-- Environment Lighting

Image-Based Lighting (IBL)

• IBL不考虑visibility项，因此其求解的渲染方程如下：
  $$L_o(p,{\omega }_0)={\int }_{{\Omega }^{+}}{L}_i(p,{\omega }_i)f_r(p,{\omega }_i,{\omega }_o)cos{\theta }_{i}d{\omega }_i\text{\hspace{1em}(1)}$$
• 使用蒙特卡罗方法求解渲染方程需要大量的样本（采样），因此计算会非常耗时。（在编写的shader中涉及到采样一般不能应用到实时渲染中，但由于时间空间滤波方法、样本复用技术的出现，可以使采样应用到实时渲染中）
• 求解IBL的渲染方程时，使用《Shadow Mapping》章节公式（1）进行近似, 将光照从积分中提出（原理略）
  $$L_o(p,{\omega }_0)\approx \frac{{\int }_{{\Omega }_{f_r}}{L}_i(p,{\omega }_i)d{\omega }_i}{{\int }_{{\Omega }_{f_r}}d{\omega }_i}\cdot {\int }_{{\Omega }^{+}}{f}_r(p,{\omega }_i,{\omega }_o)cos{\theta }_{i}d{\omega }_i\text{\hspace{1em}(2)}$$
  • $$\frac{{\int }_{{\Omega }_{f_r}}{L}_i(p,{\omega }_i)d{\omega }_i}{{\int }_{{\Omega }_{f_r}}d{\omega }_i}\text{\hspace{1em}(3)}$$
  • 公式(3)可以表示为：在整个球上，BRDF Lobe所覆盖区域中的光线积分起来再归一化。其实就是将IBL表示的图像进行模糊（后面称天空盒）。（即滤波环境光， 滤波核大小取决于BRDF Lobe的大小）
    • lobe：理解为分布（反射波瓣）
    • 实际应用中，先将使用HDR图获得的Cube Map进行模糊处理（即mipmap）(这一步可以预计算完成)。使用时，根据BRDF Lobe的大小，在mipmap查询（或插值计算）
    • 只需要使用入射光线的镜面反射方向在Cube Map的mipmap中取一次值即可（得到原本光线周围一片光线的值）
    • 通过上述步骤的近似，公式(3)就没有采样了
  • $${\int }_{{\Omega }^{+}}{f}_r(p,{\omega }_i,{\omega }_o)cos{\theta }_{i}d{\omega }_i\text{\hspace{1em}(4)}$$
    • 公式(4)的计算思路依然是尽可能的将计算维度降下来。（即，将积分中的变量或常量提出（降维））
    • 公式(4)的预计算
      • BRDF公式如下：
        $$f(i,o)=\frac{F(i,h)G(i,o,h)D(h)}{4(n,i)(n,o)}\text{\hspace{1em}(5)}$$
      • 其中菲尼尔项使用Schlick近似
        $$R(\theta )=R_0+(1-R_0)(1-cos\theta {)}^5\text{\hspace{1em}(6)}$$
      • 法线分布函数使用Beckmann分布
        $$D(m)=\frac{{\chi }^{+}cos\theta }{\pi {\alpha }_b^2(cos\theta {)}^4}\exp (\frac{(cos\theta {)}^2-1}{{\alpha }_b^2(cos\theta {)}^2})\text{\hspace{1em}(7)}$$
      • 从BRDF公式中可以看出，如果想要求出当前着色点的BRDF，未知数有夹角$\theta$、基础反射率$R_0$、用户输入的Roughness ${\alpha }_b$。这是一个三维的函数。
      • 降维过程如下：
        $${\int }_{{\Omega }^{+}}{f}_r(p,{\omega }_i,{\omega }_o)cos{\theta }_{i}d{\omega }_i$$
        将菲尼尔项显式写出
        $${\int }_{{\Omega }^{+}}\frac{f_r}{R(\theta )}(R_0+(1-R_0)(1-cos\theta {)}^5)cos{\theta }_{i}d{\omega }_i$$
        f r R ( θ ) \frac{f_r}{R(\theta)}