球谐函数实现环境光照漫反射实践

该文章以及代码主要来自
图形学论文解析与复现:【论文复现】An Efficient Representation for Irradiance Environment Maps
作者:Monica的小甜甜

与原文的不同

  • 对一些有问题的地方进行了修改
  • 添加了注释
  • 对有疑问的地方添加了疑问点
  • 引入了其他一些Blog填充了原文中忽略的信息

1、预计算球面谐波函数系数

首先根据上一篇【球谐函数在环境光照中的使用原理】得到的最终公式:

在这里插入图片描述
我们需要预计算 L l m L_l^m Llm的值。计算公式为:
在这里插入图片描述

Ω \Omega Ω为球面积分,这里对应对天空盒逐像素积分。
积分代码为:

void Harmonics::Evaluate()//求值
{m_Coefs = vector<glm::vec3>(m_Degree, glm::vec3());//6张图for (int k = 0; k < 6; k++){cv::Mat img = m_Images[k];int w = m_Images[k].cols;int h = m_Images[k].rows;//逐像素for (int j = 0; j < w; j++){for (int i = 0; i < h; i++){// 像素点位置float px = (float)i + 0.5;float py = (float)j + 0.5;// 像素点UV 【-1,1】:以摄像机正对位置的(0,0)float u = 2.0 * (px / (float)w) - 1.0;float v = 2.0 * (py / (float)h) - 1.0;// 像素间UV的一半的偏移量float d_x = 1.0 / (float)w;// (x0,y0)像素左下角 (x1,y1)像素右上角float x0 = u - d_x;float y0 = v - d_x;float x1 = u + d_x;float y1 = v + d_x;// 计算Cubemap的一个像素对应的立体角的大小float d_a = surfaceArea(x0, y0) - surfaceArea(x0, y1) - surfaceArea(x1, y0) + surfaceArea(x1, y1);// 纹理像素点 转化为 世界坐标点u = (float)j / (img.cols - 1);v = 1.0f - (float)i / (img.rows - 1);glm::vec3 p = CubeUV2XYZ({ k, u, v });// 获取当前像素颜色auto c = img.at<cv::Vec3f>(i, j);glm::vec3 color = {c[2], c[1], c[0]};// 得到基函数计算结果列表vector<float> Y = Basis(p);// 计算系数for (int i = 0; i < m_Degree; i++){m_Coefs[i] = m_Coefs[i] + Y[i] * color * d_a;}}}}
}

其中 计算Cubemap的一个像素对应的立体角的大小原理可参照
Solid Angle of A Cubemap Texel - 计算Cubemap的一个像素对应的立体角的大小

我们将得到的积分结果保存在一个文件中【SHCoefficients.txt】,用于之后读取。

2、预计算BRDF的LUT图

LUT(Look up Table)图,预计算了任意一个天空盒下,已知法线和视口的夹角以及材质粗糙度,查找得到Frenel项

然而这个LUT图和IBL中的LUT有一些不同。
因为IBL中的LUT加入了 n ⋅ w n\cdot w nw 光照衰减项。
而在球谐函数中, n ⋅ w n\cdot w nw 作为 t l 参与运算 t_l参与运算 tl参与运算,因此在球谐函数的IBL中删除了 n ⋅ w n\cdot w nw

main函数计算

	for(int i = 0; i < N; i++){for (int j = 0; j < N; j++){float NoV = (i + 0.5f) * (1.0f / N);float roughness = (j + 0.5f) * (1.0f / N);glm::vec2 eval = IntegrateBRDF(NoV, roughness);tex.store<glm::vec2>({ i, N - j - 1 }, 0, eval);}}

其他被调用函数

const float PI = 3.14159265358979323846264338327950288;float RadicalInverse_VdC(unsigned int bits)
{bits = (bits << 16u) | (bits >> 16u);bits = ((bits & 0x55555555u) << 1u) | ((bits & 0xAAAAAAAAu) >> 1u);bits = ((bits & 0x33333333u) << 2u) | ((bits & 0xCCCCCCCCu) >> 2u);bits = ((bits & 0x0F0F0F0Fu) << 4u) | ((bits & 0xF0F0F0F0u) >> 4u);bits = ((bits & 0x00FF00FFu) << 8u) | ((bits & 0xFF00FF00u) >> 8u);return float(bits) * 2.3283064365386963e-10;
}glm::vec2 Hammersley(unsigned int i, unsigned int N)
{return glm::vec2(float(i) / float(N), RadicalInverse_VdC(i));
}glm::vec3 ImportanceSampleGGX(glm::vec2 Xi, float roughness, glm::vec3 N)
{float a = roughness * roughness;float phi = 2.0 * PI * Xi.x;float cosTheta = sqrt((1.0 - Xi.y) / (1.0 + (a*a - 1.0) * Xi.y));float sinTheta = sqrt(1.0 - cosTheta * cosTheta);// from spherical coordinates to cartesian coordinatesglm::vec3 H;H.x = cos(phi) * sinTheta;H.y = sin(phi) * sinTheta;H.z = cosTheta;// from tangent-space vector to world-space sample vectorglm::vec3 up = abs(N.z) < 0.999 ? glm::vec3(0.0, 0.0, 1.0) : glm::vec3(1.0, 0.0, 0.0);glm::vec3 tangent = normalize(cross(up, N));glm::vec3 bitangent = cross(N, tangent);glm::vec3 sampleVec = tangent * H.x + bitangent * H.y + N * H.z;return normalize(sampleVec);
}float GeometrySchlickGGX(float NdotV, float roughness)
{float a = roughness;float k = (a * a) / 2.0;float nom = NdotV;float denom = NdotV * (1.0 - k) + k;return nom / denom;
}float GeometrySmith(float roughness, float NoV, float NoL)
{float ggx2 = GeometrySchlickGGX(NoV, roughness);float ggx1 = GeometrySchlickGGX(NoL, roughness);return ggx1 * ggx2;
}glm::vec2 IntegrateBRDF(float NdotV, float roughness, unsigned int samples = 1024)
{glm::vec3 V;V.x = sqrt(1.0 - NdotV * NdotV);V.y = 0.0;V.z = NdotV;float A = 0.0;float B = 0.0;glm::vec3 N = glm::vec3(0.0, 0.0, 1.0);for (unsigned int i = 0u; i < samples; ++i){glm::vec2 Xi = Hammersley(i, samples);glm::vec3 H = ImportanceSampleGGX(Xi, roughness, N);glm::vec3 L = normalize(2.0f * dot(V, H) * H - V);float NoL = glm::max(L.z, 0.0f);float NoH = glm::max(H.z, 0.0f);float VoH = glm::max(dot(V, H), 0.0f);float NoV = glm::max(dot(N, V), 0.0f);if (NoL > 0.0){float G = GeometrySmith(roughness, NoV, NoL);float G_Vis = (G * VoH) / (NoH * NoV) / NoL;float Fc = pow(1.0 - VoH, 5.0);A += (1.0 - Fc) * G_Vis;B += Fc * G_Vis;}}return glm::vec2(A / float(samples), B / float(samples));
}

在这里插入图片描述

3、将计算数据传入Shader

  • 传入BRDFLUT纹理
  • 传入球谐函数系数列表
void CShadingPass::initV()
{auto m_LUTTexture = std::make_shared<ElayGraphics::STexture>();loadTextureFromFile("../Textures/BRDFLUT/BRDFLut.dds", m_LUTTexture);getCoefs();ElayGraphics::Camera::setMainCameraFarPlane(100);ElayGraphics::Camera::setMainCameraPos({ -1.57278, 0.244948, 0.367194 });ElayGraphics::Camera::setMainCameraFront({ 0.967832, -0.112856, -0.224865 });ElayGraphics::Camera::setMainCameraMoveSpeed(0.5);m_pShader = std::make_shared<CShader>("Sponza_VS.glsl", "Sponza_FS.glsl");m_pSponza = std::dynamic_pointer_cast<CSponza>(ElayGraphics::ResourceManager::getGameObjectByName("Sponza"));m_pShader->activeShader();m_pShader->setTextureUniformValue("u_BRDFLut", m_LUTTexture);m_pShader->setMat4UniformValue("u_ModelMatrix", glm::value_ptr(m_pSponza->getModelMatrix()));for (int i = 0; i < m_Coefs.size(); i++){m_pShader->setFloatUniformValue("u_Coef[" + std::to_string(i) + "]", m_Coefs[i].x, m_Coefs[i].y, m_Coefs[i].z);}m_pSponza->initModel(*m_pShader);
}

4、 Draw

#version 430 corein  vec3 v2f_FragPosInViewSpace;
in  vec2 v2f_TexCoords;
in  vec3 v2f_ViewSpaceNormal;
in  vec3 v2f_WorldSpaceNormal;layout (location = 0) out vec4 Albedo_;const float PI = 3.1415926535897932384626433832795;
uniform vec3 u_Coef[16];
uniform vec3 u_DiffuseColor;
uniform sampler2D u_BRDFLut;vec3 FresnelSchlickRoughness(float cosTheta, vec3 F0, float roughness)
{return F0 + (max(vec3(1.0 - roughness), F0) - F0) * pow(max(1.0 - cosTheta, 0.0), 5.0);
}  void main()
{	if((abs(v2f_ViewSpaceNormal.x) < 0.0001f) && (abs(v2f_ViewSpaceNormal.y) < 0.0001f) && (abs(v2f_ViewSpaceNormal.z) < 0.0001f)){Albedo_ = vec4(0, 0, 0, 1);return;}float Basis[9];float x = v2f_WorldSpaceNormal.x;float y = v2f_WorldSpaceNormal.y;float z = v2f_WorldSpaceNormal.z;float x2 = x * x;float y2 = y * y;float z2 = z * z;//这里所有系数应该为乘PI------------------个人认为Basis[0] = 1.f / 2.f * sqrt(1.f / PI);Basis[1] = 2.0 / 3.0 * sqrt(3.f / 4.f * PI) * z;Basis[2] = 2.0 / 3.0 * sqrt(3.f / 4.f * PI) * y;Basis[3] = 2.0 / 3.0 * sqrt(3.f / 4.f * PI) * x;Basis[4] = 1.0 / 4.0 * 1.f / 2.f * sqrt(15.f * PI) * x * z;Basis[5] = 1.0 / 4.0 * 1.f / 2.f * sqrt(15.f * PI) * z * y;Basis[6] = 1.0 / 4.0 * 1.f / 4.f * sqrt(5.f * PI) * (-x2 - z2 + 2 * y2);Basis[7] = 1.0 / 4.0 * 1.f / 2.f * sqrt(15.f * PI) * y * x;Basis[8] = 1.0 / 4.0 * 1.f / 4.f * sqrt(15.f * PI) * (x2 - z2);vec3 Diffuse = vec3(0,0,0);vec3 F0 = vec3(0.2,0.2,0.2);float Roughness = 0.5;vec3 N = normalize(vec4(v2f_ViewSpaceNormal,1.0f)).xyz;//viewMatrix * vec3 V = -normalize(v2f_FragPosInViewSpace);//vec3 R = reflect(-V, N); F0        = FresnelSchlickRoughness(max(dot(N, V), 0.0), F0, Roughness);vec2 EnvBRDF  = texture(u_BRDFLut, vec2(max(dot(N, V), 0.0), Roughness)).rg;vec3 LUT = (F0 * EnvBRDF.x + EnvBRDF.y);for (int i = 0; i < 9; i++)Diffuse += u_Coef[i] * Basis[i] * (1-LUT);Albedo_ = vec4(Diffuse);
}

结果展示

在这里插入图片描述
在这里插入图片描述
只有漫反射的效果:
在这里插入图片描述
只有镜面反射的效果:
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/79028.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

解决 Elasticsearch 分页查询记录超过10000时异常

查询结果中 hits.total.value 值最大为10000的限制 解决方法: 1、请求设置rest_total_hits_as_inttrue 注意参数需要放在请求头上 builder.addHeader("rest_total_hits_as_int","true"); 2、修改setting的值 #设置返回最大记录条数为1000000 PUT /in…

基于python解决鸡兔同笼问题

一、什么是鸡兔同笼问题&#xff1f; 鸡兔同笼问题是一个经典的数学问题。问题描述&#xff1a;鸡和兔子共有头数a和脚数b&#xff0c;求鸡和兔子的数量。 解析&#xff1a;设鸡的数量为x&#xff0c;兔子的数量为y&#xff0c;那么可以得到以下两个方程&#xff1a; 1. x y…

详解爬虫策略,反爬虫策略,反反爬爬虫策略

爬虫策略 爬取策略是网络爬虫在执行网页抓取任务时所遵循的规则或策略。这些策略决定了爬虫如何从一个页面转到另一个页面&#xff0c;什么时间进行抓取&#xff0c;以及应该抓取哪些内容。以下是几种常见的爬取策略&#xff1a; 深度优先搜索&#xff08;DFS&#xff09; 在…

对抗生成网络总结

对一些基本的对抗生成网络的总结。部分内容整理自Teeyohuang’s blog 文章目录 GAN (NeurIPS, 2014)CGANDCGANStackGANPix2Pix (CVPR, 2017)CycleGAN (ICCV, 2017)SRGAN (CVPR, 2017)StyleGAN (CVPR, 2019) GAN (NeurIPS, 2014) Generative adversarial nets m i n G m a x D …

leetcode top 100 (8)无重复字符的最长子串(滑动窗口

给定一个字符串 s &#xff0c;请你找出其中不含有重复字符的 最长子串 的长度。 示例 1: 输入: s "abcabcbb" 输出: 3 解释: 因为无重复字符的最长子串是 "abc"&#xff0c;所以其长度为 3。 package TOP1_10;import java.util.HashMap; import java.…

Tokenview X-ray功能:深入探索EVM系列浏览器的全新视角

Tokenview作为一家领先的多链区块浏览器&#xff0c;为了进一步优化区块链用户的使用体验&#xff0c;我们推出了X-ray&#xff08;余额透视&#xff09;功能。该功能将帮助您深入了解EVM系列浏览器上每个地址的交易过程&#xff0c;以一种直观、简洁的方式呈现地址的进出账情况…

LCP 50.宝石补给

​​题目来源&#xff1a; leetcode题目&#xff0c;网址&#xff1a;LCP 50. 宝石补给 - 力扣&#xff08;LeetCode&#xff09; 解题思路&#xff1a; 模拟操作即可。 解题代码&#xff1a; class Solution {public int giveGem(int[] gem, int[][] operations) {for(int[…

002 Linux 权限

前言 本文将会向您介绍关于linux权限方面的内容&#xff0c;包括文件类型&#xff0c;如何切换用户、基本权限、粘滞位等等 Linux具体的用户 超级用户&#xff1a;可以再linux系统下做任何事情&#xff0c;不受限制 普通用户&#xff1a;在linux下做有限的事情。 超级用户的…

Pytorch intermediate(四) Language Model (RNN-LM)

前一篇中介绍了一种双向的递归神经网络&#xff0c;将数据进行正序输入和倒序输入&#xff0c;兼顾向前的语义以及向后的语义&#xff0c;从而达到更好的分类效果。 之前的两篇使用递归神经网络做的是分类&#xff0c;可以发现做分类时我们不需要使用时序输入过程中产生的输出&…

SSM - Springboot - MyBatis-Plus 全栈体系(八)

第二章 SpringFramework 四、SpringIoC 实践和应用 4. 基于 配置类 方式管理 Bean 4.4 实验三&#xff1a;高级特性&#xff1a;Bean 注解细节 4.4.1 Bean 生成 BeanName 问题 Bean 注解源码&#xff1a; public interface Bean {//前两个注解可以指定Bean的标识AliasFor…

思科的简易配置

vlan 划分配置 1. 拓扑连接 2. 终端设备配置&#xff0c;vlan(v2, v3)配置&#xff0c;模式设置 然后设置交换机 fa 0/5 口为 trunk 模式&#xff0c;使得不同交换机同一 vlan 下 PC 可以互连 3.测试配置结果 用 ip 地址为 192.168.1.1 的主机(PC0)向同一 vlan(v2)下的 192.…

Binder进程通信基础使用

Binder 进程通信基础使用 一、服务端进程创建 Service&#xff0c;Service 中创建 Binder 子类对象并于 onBind 中返回。xml 定义。 创建 Service&#xff0c;创建 Binder 子类对象并于 onBind 返回 class UserService : Service() {private companion object {const val TAG…

BI与数据治理以及数据仓库有什么区别

你可能已经听说过BI、数据治理和数据仓库这些术语&#xff0c;它们在现代企业中起着重要的作用。虽然它们都与数据相关&#xff0c;但它们之间有着明显的区别和各自独特的功能。数聚将详细探讨BI&#xff08;商业智能&#xff09;、数据治理和数据仓库之间的区别&#xff0c;帮…

如何统计iOS产品不同渠道的下载量?

一、前言 在开发过程中&#xff0c;Android可能会打出来很多的包&#xff0c;用于标识不同的商店下载量。原来觉得苹果只有一个商店&#xff1a;AppStore&#xff0c;如何做出不同来源的统计呢&#xff1f;本篇文章就是告诉大家如何做不同渠道来源统计。 二、正文 先看一下苹…

云智研发公司面试真题

1.静态方法可以被重写吗 静态方法不能被重写。静态方法是属于类的&#xff0c;而不是属于实例的。当子类继承一个父类时&#xff0c;子类会继承父类的静态方法&#xff0c;但是子类不能重写父类的静态方法。如果子类定义了一个与父类静态方法同名的静态方法&#xff0c;那么它…

算法——快乐数

202. 快乐数 - 力扣&#xff08;LeetCode&#xff09; 由图可知&#xff0c;其实这也是一个判断循环的过程&#xff0c;要用到快慢指针&#xff0c;且相遇后&#xff0c;若在全为1的循环里&#xff0c;那么就是快乐数&#xff0c;若相遇后不为1&#xff0c;说明这不是快乐数。 …

备份数据重删

重复数据删除&#xff1a; 在计算中&#xff0c;重复数据删除是一种消除重复数据重复副本的技术。此技术用于提高存储利用率&#xff0c;还可以应用于网络数据传输以减少必须发送的字节数。在重复数据删除过程中&#xff0c;将在分析过程中识别并存储唯一的数据块或字节模式。…

MySQL入门教程

MySQL 是最流行的关系型数据库管理系统 1、什么是数据库&#xff1f; 数据库&#xff08;Database&#xff09;是按照数据结构来组织、存储和管理数据的仓库。 每个数据库都有一个或多个不同的 API 用于创建&#xff0c;访问&#xff0c;管理&#xff0c;搜索和复制所保存的…

HAlcon例子

气泡思想 * This example shows the use of the operator dyn_threshold for * the segmentation of the raised dots of braille chharacters. * The operator dyn_threshold is especially usefull if the * background is inhomogeneously illuminated. In this example, *…

vue3的生命周期

1.vue3生命周期官方流程图 2.vue3中的选项式生命周期 vue3中的选项式生命周期钩子基本与vue2中的大体相同&#xff0c;它们都是定义在 vue实例的对象参数中的函数&#xff0c;它们在vue中实例的生命周期的不同阶段被调用。生命周期函数钩子会在我们的实例挂载&#xff0c;更新…