光线追踪实战从漫反射到伽马校正构建你的第一张真实感图像如果你刚接触光线追踪可能会被那些复杂的数学公式和物理原理吓退。但我想告诉你实现一个能渲染出真实感图像的光线追踪器核心逻辑其实比你想象的要简单。今天我们不谈冗长的理论推导而是直接动手用代码构建一个能渲染漫反射球体并正确显示颜色的程序。你会看到从一片黑暗到一幅色彩自然的图像关键往往在于几个容易被忽略的细节比如我们今天要重点解决的伽马校正。很多新手在实现基础光线追踪后都会遇到一个共同的困惑“为什么我渲染出来的图总是灰蒙蒙的或者颜色发暗” 这通常不是你的算法错了而是显示环节出了问题。我们将从一个最简单的场景开始两个漫反射材质的球体一个作为地面一个悬浮其上。通过一步步添加漫反射逻辑和伽马校正你会直观地看到画面从一片漆黑到色彩失准再到最终正确显示的全过程。1. 搭建基础光线追踪框架在深入漫反射之前我们需要一个最基础的光线追踪骨架。这个骨架负责从相机发射光线检测光线与场景中物体的交点并根据交点信息计算颜色。我们暂时先返回一个简单的渐变色背景。首先定义一些核心的数据结构三维向量、射线以及可命中物体的抽象接口。三维向量是图形学的基石用于表示点、方向、颜色等一切。class Vec3 { public: double x, y, z; Vec3() : x(0), y(0), z(0) {} Vec3(double x0, double y0, double z0) : x(x0), y(y0), z(z0) {} Vec3 operator-() const { return Vec3(-x, -y, -z); } Vec3 operator(const Vec3 v) { x v.x; y v.y; z v.z; return *this; } Vec3 operator*(double t) { x * t; y * t; z * t; return *this; } Vec3 operator/(double t) { return *this * 1/t; } double length_squared() const { return x*x y*y z*z; } double length() const { return sqrt(length_squared()); } }; // 向量工具函数 Vec3 operator(const Vec3 u, const Vec3 v) { return Vec3(u.xv.x, u.yv.y, u.zv.z); } Vec3 operator-(const Vec3 u, const Vec3 v) { return Vec3(u.x-v.x, u.y-v.y, u.z-v.z); } Vec3 operator*(const Vec3 u, const Vec3 v) { return Vec3(u.x*v.x, u.y*v.y, u.z*v.z); } Vec3 operator*(double t, const Vec3 v) { return Vec3(t*v.x, t*v.y, t*v.z); } Vec3 operator*(const Vec3 v, double t) { return t * v; } Vec3 operator/(const Vec3 v, double t) { return (1/t) * v; } double dot(const Vec3 u, const Vec3 v) { return u.x*v.x u.y*v.y u.z*v.z; } Vec3 unit_vector(const Vec3 v) { return v / v.length(); } using Point3 Vec3; // 点就是向量 using Color Vec3; // RGB颜色也用向量表示接下来是射线类它由原点起点和方向向量定义。射线上的任意点可以用参数方程P(t) origin t * direction来表示。class Ray { public: Point3 orig; Vec3 dir; Ray() {} Ray(const Point3 origin, const Vec3 direction) : orig(origin), dir(direction) {} Point3 at(double t) const { return orig t * dir; } };我们需要一个简单的球体类它知道如何判断一条射线是否与自己相交。这是光线追踪中最基础的几何求交运算。class Sphere : public Hittable { public: Point3 center; double radius; Sphere(const Point3 cen, double r) : center(cen), radius(r) {} virtual bool hit(const Ray r, double t_min, double t_max, HitRecord rec) const override; }; bool Sphere::hit(const Ray r, double t_min, double t_max, HitRecord rec) const { Vec3 oc r.orig - center; auto a r.dir.length_squared(); auto half_b dot(oc, r.dir); auto c oc.length_squared() - radius*radius; auto discriminant half_b*half_b - a*c; if (discriminant 0) return false; auto sqrtd sqrt(discriminant); // 寻找在合法区间 [t_min, t_max] 内的最近根 auto root (-half_b - sqrtd) / a; if (root t_min || t_max root) { root (-half_b sqrtd) / a; if (root t_min || t_max root) return false; } rec.t root; rec.p r.at(rec.t); Vec3 outward_normal (rec.p - center) / radius; rec.set_face_normal(r, outward_normal); return true; }注意这里我们引入了一个HitRecord结构体来记录命中的详细信息包括命中点p、法线normal以及命中时间t。set_face_normal方法会判断光线是从外部击中表面还是从内部击中并相应调整法线方向确保法线始终与入射方向相反。这对于后续的光照计算至关重要。有了这些基础组件我们就可以编写主渲染循环了。这个循环会遍历图像的每一个像素为每个像素生成一条从相机原点射向该像素方向的光线然后调用一个ray_color函数来决定这个像素的颜色。最初我们让ray_color函数只返回一个基于光线方向的渐变色背景。Color ray_color(const Ray r, const Hittable world) { HitRecord rec; if (world.hit(r, 0, infinity, rec)) { // 暂时先返回法线值作为颜色便于调试 return 0.5 * (rec.normal Color(1,1,1)); } // 背景色从白色到天蓝色的渐变 Vec3 unit_direction unit_vector(r.dir); auto t 0.5*(unit_direction.y 1.0); return (1.0-t)*Color(1.0, 1.0, 1.0) t*Color(0.5, 0.7, 1.0); }此时运行程序你应该能看到一个带有简单渐变色背景和两个灰色球体的图像。球体的颜色是法线值的可视化这验证了我们的求交和基础渲染流程是正确的。接下来我们要让这些球体拥有真实的漫反射材质。2. 实现漫反射材质模拟光线的随机散射漫反射材质比如粉笔、无光泽的墙面其特点是光线击中表面后会向半球空间内的各个方向均匀地散射。这种散射是随机的没有镜面反射那样的固定方向。在物理上这源于物体表面的微观不规则性。如何用代码模拟这种随机散射一个经典且有效的方法是“随机单位球内点”法。想象在命中点P沿着表面法线N的方向构造一个与之相切的单位球。在这个球体内均匀地随机选取一个点S。那么从P指向S的向量就是我们模拟的反射光线方向。为什么是球内而不是球面上使用球内点会产生一种散射分布其概率密度与余弦值的三次方成正比cos³(θ)其中θ是反射方向与法线的夹角。这虽然不完全符合真实的Lambertian余弦分布概率密度正比于cos(θ)但作为一种近似实现它简单有效并且能产生看起来不错的漫反射效果。提示真实的Lambertian分布要求反射方向在单位球面上均匀采样其概率密度正比于cos(θ)。我们稍后会讨论这种更精确的实现及其视觉差异。首先我们需要一个在单位球体内生成随机点的函数。拒绝采样法是一种简单直观的方法在一个边长为2、中心在原点的立方体内不断生成随机点直到找到一个落在单位球体内的点为止。Vec3 random_in_unit_sphere() { while (true) { auto p Vec3(random_double(-1,1), random_double(-1,1), random_double(-1,1)); if (p.length_squared() 1) return p; } }有了这个函数我们就可以在ray_color函数中实现漫反射逻辑了。当光线击中一个漫反射表面时我们计算一个随机的反射目标点target hit_point normal random_in_unit_sphere()。从命中点hit_point向target发射一条新的光线。递归地调用ray_color计算这条新光线的颜色。由于光线在每次反射中会损失能量被表面吸收我们将递归返回的颜色乘以一个衰减系数例如0.5。Color ray_color(const Ray r, const Hittable world, int depth) { HitRecord rec; // 如果递归深度耗尽不再收集光线 if (depth 0) return Color(0,0,0); if (world.hit(r, 0.001, infinity, rec)) { Point3 target rec.p rec.normal random_in_unit_sphere(); return 0.5 * ray_color(Ray(rec.p, target - rec.p), world, depth-1); } // 背景色 Vec3 unit_direction unit_vector(r.dir); auto t 0.5*(unit_direction.y 1.0); return (1.0-t)*Color(1.0, 1.0, 1.0) t*Color(0.5, 0.7, 1.0); }注意这里有一个非常重要的细节t_min 0.001。为什么不用0这是为了避免阴影痤疮。由于浮点数精度限制命中点计算可能存在微小误差导致下一条从命中点发出的反射光线误判为再次击中了同一个表面t为一个极小的正值。通过设置一个微小的偏移量我们可以忽略这些由精度问题导致的“自相交”。现在运行程序你应该能看到两个灰色的球体但整体画面非常暗几乎看不清细节。这是因为我们还没有进行伽马校正。在深入伽马校正之前让我们先优化一下漫反射的实现。2.1 更真实的Lambertian反射前面提到的random_in_unit_sphere方法产生的反射方向分布并不完全符合物理上的Lambertian反射。真正的Lambertian反射其反射方向在单位球面上的分布概率与法线和反射方向夹角的余弦值成正比。这会导致反射光线更倾向于靠近法线方向而不是完全均匀。实现真正的Lambertian反射很简单我们只需要将random_in_unit_sphere返回的向量单位化归一化即可。Vec3 random_unit_vector() { return unit_vector(random_in_unit_sphere()); } // 然后在 ray_color 中使用 Point3 target rec.p rec.normal random_unit_vector();这两种方法有什么区别让我们用一个表格来对比特性随机单位球内点 (random_in_unit_sphere)随机单位向量 (random_unit_vector)分布在单位球体内均匀分布在单位球面上均匀分布方向概率正比于cos(θ)视觉差异物体表面阴影更明显整体更暗阴影更柔和物体表面更亮物理准确性近似非真实Lambertian符合Lambertian余弦定律计算略快无需归一化需要一次归一化运算在实际项目中random_unit_vector是更物理准确的选择它产生的图像阴影区域更少整体更明亮自然。你可以尝试替换代码观察渲染结果的细微变化。不过为了突出伽马校正的效果我们暂时先使用第一种方法因为它产生的图像更暗校正前后的对比会更强烈。3. 伽马校正为什么你的渲染图总是发暗现在我们有了一个能渲染漫反射球体的程序但图像看起来非常暗。这不是你的灯光或材质设置错了而是因为显示设备你的显示器对输入信号的响应是非线性的。计算机中我们通常在线性颜色空间Linear Color Space中工作。RGB值(0.5, 0.5, 0.5)表示的光强度在物理上正好是(1.0, 1.0, 1.0)的一半。然而大多数显示设备以及图像格式如JPEG、PNG遵循一个近似2.2的伽马曲线。这意味着当你把一个线性值为0.5的颜色发送给显示器时它实际显示的亮度并不是中间灰而是大约0.5^(1/2.2) ≈ 0.73比预期亮得多。为了补偿这一点我们需要在输出颜色值给显示器或保存为图像文件之前对其进行伽马编码即应用一个反函数。对于伽马值约为2.2的显示器最简单的近似就是对每个颜色通道取平方根即color sqrt(color)。这就是伽马校正。让我们在代码中实现它。在将累加的颜色值除以采样数、并映射到0-255的整数范围之前插入伽马校正步骤void write_color(std::ostream out, Color pixel_color, int samples_per_pixel) { auto r pixel_color.x(); auto g pixel_color.y(); auto b pixel_color.z(); // 除以采样数得到平均值 auto scale 1.0 / samples_per_pixel; r * scale; g * scale; b * scale; // 应用伽马校正gamma2.0的近似 r sqrt(r); g sqrt(g); b sqrt(b); // 将[0,1]的浮点数映射到[0,255]的整数 out static_castint(256 * clamp(r, 0.0, 0.999)) static_castint(256 * clamp(g, 0.0, 0.999)) static_castint(256 * clamp(b, 0.0, 0.999)) \n; }为了更直观地理解伽马校正的作用我们可以渲染两幅图进行对比一幅未经校正一幅经过校正。下面是一个简单的对比表格描述了核心差异方面未进行伽马校正进行伽马校正后颜色值处理线性值直接输出对线性值取平方根或应用2.2次幂显示亮度整体发暗阴影细节丢失亮度符合人眼感知对比度正常物理准确性计算是物理准确的但显示失真显示结果更接近真实世界观察效果常见问题“为什么我的图这么暗”色彩自然明暗关系正确当你加上这简单的三行代码后再次渲染会发现整个画面瞬间“亮”了起来色彩也变得鲜艳和自然。球体不再是灰暗的一团而是呈现出应有的浅灰色地面的阴影也清晰可辨。这个巨大的变化就是伽马校正的魔力。4. 抗锯齿与采样平滑噪点提升图像质量如果你仔细观察我们目前渲染的图像可能会发现球体边缘有锯齿并且表面有很多噪点特别是阴影区域。这是因为我们每个像素只发射了一条光线。现实世界中光线是连续且大量的。为了模拟这种效果我们需要对每个像素进行多重采样。抗锯齿Anti-aliasing的核心思想是对于每个像素在其范围内随机发射多条光线将这些光线颜色的平均值作为该像素的最终颜色。这能有效平滑边缘锯齿并通过随机采样漫反射方向来减少表面噪点。修改主渲染循环为每个像素增加一个采样循环int main() { // ... 初始化场景和相机 ... const int samples_per_pixel 100; // 每个像素采样100次 const int max_depth 50; // 光线最大反射深度 std::cout P3\n image_width image_height \n255\n; for (int j image_height-1; j 0; --j) { for (int i 0; i image_width; i) { Color pixel_color(0, 0, 0); for (int s 0; s samples_per_pixel; s) { // 在像素范围内随机采样 auto u (i random_double()) / (image_width-1); auto v (j random_double()) / (image_height-1); Ray r cam.get_ray(u, v); pixel_color ray_color(r, world, max_depth); } // write_color函数内部会处理除以采样数和伽马校正 write_color(std::cout, pixel_color, samples_per_pixel); } } }这里random_double()返回一个 [0,1) 范围内的随机数。通过在像素坐标(i, j)上添加一个小的随机偏移我们实现了在单个像素范围内的随机采样。samples_per_pixel的值越大图像质量越高噪点越少但渲染时间也越长。通常100-500次采样对于学习项目是不错的起点。注意write_color函数现在接收samples_per_pixel参数它会在内部先计算平均值color / samples_per_pixel然后再进行伽马校正。确保你的write_color函数与此匹配。经过抗锯齿处理后图像的锯齿边缘会变得平滑漫反射表面的噪点也会显著减少得到一幅质量更高的渲染图。你可以尝试调整samples_per_pixel的值直观感受渲染时间和图像质量的权衡。5. 整合与优化构建可扩展的渲染循环现在我们已经拥有了一个功能完整的基础光线追踪器。让我们把所有的部分整合起来并考虑一些优化和扩展点。首先一个良好的相机类能让我们更灵活地控制视角。下面的Camera类封装了视口、长宽比、焦距等概念可以方便地生成穿过指定像素的光线。class Camera { public: Camera(Point3 lookfrom, Point3 lookat, Vec3 vup, double vfov, double aspect_ratio) { auto theta degrees_to_radians(vfov); auto h tan(theta/2); auto viewport_height 2.0 * h; auto viewport_width aspect_ratio * viewport_height; auto w unit_vector(lookfrom - lookat); auto u unit_vector(cross(vup, w)); auto v cross(w, u); origin lookfrom; horizontal viewport_width * u; vertical viewport_height * v; lower_left_corner origin - horizontal/2 - vertical/2 - w; } Ray get_ray(double s, double t) const { return Ray(origin, lower_left_corner s*horizontal t*vertical - origin); } private: Point3 origin; Point3 lower_left_corner; Vec3 horizontal; Vec3 vertical; };在主函数中我们可以这样设置相机和场景int main() { // 图像尺寸 const auto aspect_ratio 16.0 / 9.0; const int image_width 400; const int image_height static_castint(image_width / aspect_ratio); const int samples_per_pixel 100; const int max_depth 50; // 世界场景 HittableList world; world.add(make_sharedSphere(Point3(0,0,-1), 0.5)); world.add(make_sharedSphere(Point3(0,-100.5,-1), 100)); // 相机 Point3 lookfrom(3,3,2); Point3 lookat(0,0,-1); Vec3 vup(0,1,0); auto dist_to_focus (lookfrom-lookat).length(); auto aperture 0.1; Camera cam(lookfrom, lookat, vup, 20, aspect_ratio, aperture, dist_to_focus); // 渲染 std::cout P3\n image_width image_height \n255\n; for (int j image_height-1; j 0; --j) { for (int i 0; i image_width; i) { Color pixel_color(0,0,0); for (int s 0; s samples_per_pixel; s) { auto u (i random_double()) / (image_width-1); auto v (j random_double()) / (image_height-1); Ray r cam.get_ray(u, v); pixel_color ray_color(r, world, max_depth); } write_color(std::cout, pixel_color, samples_per_pixel); } } }这个程序渲染出的图像将包含两个具有漫反射材质的球体色彩明亮自然边缘平滑噪点可控。你已经成功实现了一个包含抗锯齿和伽马校正的、能产生真实感图像的光线追踪器核心。回顾整个过程从构建基础框架到实现漫反射再到解决“画面发暗”的伽马校正问题每一步都对应着图形学中的一个核心概念。光线追踪的魅力在于用相对简洁的代码和清晰的物理模型就能构建出令人惊叹的视觉效果。你可以在此基础上继续探索比如添加更多材质类型金属、电介质、实现景深效果或者构建更复杂的场景。