计算机图形学——Games101笔记深度解析_第五章 |几何表示|

最新推荐文章于 2025-08-06 23:34:35 发布

Somellllbody

最新推荐文章于 2025-08-06 23:34:35 发布

阅读量566

点赞数 18

CC 4.0 BY-SA版权

文章标签：笔记图形渲染游戏程序

本文链接：https://blog.csdn.net/Somellllbody/article/details/148398699

环境光贴图

可以使用纹理来表示环境光
在这里插入图片描述
但是如果展开就会出现上下扭曲

解决方法就是用立法体去映射：

展开来就是这样：

凹凸/法线贴图（Bump/Normal Map）

很多模型中都有凹凸不平的地方，一般我们不会选择去用模型去把这些小的凹凸给表现出来，因为太过于消耗资源。又因为凹凸不平的地方是靠着光线的明暗去表达的，所以在计算光照的时候我们用一个像uv图那种去储存这种凹凸的光照信息，这就是凹凸贴图。
总结起来就是：

在不增加三角形数量的前提下，为表面增加细节。
只是用于光照计算，不改变真正的几何结构。
使用一张纹理图（bump texture）来描述每个纹素的“高度差”。

二维状态下去修改法线

这个时候我们把上面要做的进行模型简化就是这样：
在这里插入图片描述
光照计算中法线是贯穿全局的，所以我们需要去求改变的后的法线才是关键。
在凹凸贴图中，我们是有高度函数的，这函数负责输出在模型上我们所设置的高度： $h (p)$ ，p就是二维中的点。然后我们也知道，在这个平面中，因为没有高度，所以发现直接就是一个垂直向上的（0,1）
有了上面的条件之后我们就可以去求修改后的法向量了。思路很简单，我们只要求得这个函数的切线，然后法向量就是跟这个切线垂直的就行了。但是我们采样是离散化的点，所以整个直接求导去求切线是不可取的，因为我们的输出压根就不连续。但是我们可以基于现在情况来接近。
我们都知道导数的定义是这样的： $\lim_{\Delta x \to 0} \frac{h(x + \Delta x) - h(x)}{\Delta x}$
那我们只需要用最小变换单位去实现变化率函数的效果，没错这个概念不就是差分吗？
差分代替函数就是这样： $\approx \frac{h(x + 1) - h(x)}{1}$
在图形学中，这个“+1”指的是在纹理坐标中向前一个像素/texel。

如果像素足够密集（纹理分辨率高），这种近似就非常准确。
这是数值微分中常用的方法（称为前向差分法）。
最后标准化写出来就是这样： $\cdot \left[ h(x+1) - h(x) \right]$
其中 c 是一个缩放因子（通常与纹理坐标间距相关，可设为1以简化）。

所以我们得到的切线方向的向量就是（变化了一个像素值，高度变化为dp）： $t⃗=(1,dp)\vec{t} = (1, dp)$
所以这里的法线方向的向量就为（两者相乘为0）： $n⃗raw=(−dp,1)\vec{n}_{raw} = (-dp, 1)$
最后归一化（转化为单位向量）： $n⃗(x)=(−dp,1)dp2+1\vec{n}(x) = \frac{(-dp, 1)}{\sqrt{dp^2 + 1}}$

三维下去改变修改法线

前面我们都是做的二维方向去求法线（从三维方向看就是只求了高，和一个水平方向的法向量），为的就是利用纹理图中的uv的两个水平坐标分别和高度 $h (p)$ 去求到两个方向切线向量（因为纹理图中的两个方向就是uv方向），最后将两个方向的切向量叉乘就是完成了三维图中的法向量了。

这里我们仍然使用偏导数的办法去求这两者的分法向量：

与uv相关的高度函数z： $z = h (u, v)$
当uv分别变换时，高度虽其的变化为：
- $∂h∂u≈h(u+1,v)−h(u,v)\frac{\partial h}{\partial u} \approx h(u+1, v) - h(u, v)$
- $∂h∂v≈h(u,v+1)−h(u,v)\frac{\partial h}{\partial v} \approx h(u, v+1) - h(u, v)$
所以两个方向上的切向量： $t⃗u=(1,0,∂h∂u)=(1,0,dp/du)\vec{t}_u = (1, 0, \frac{\partial h}{\partial u}) = (1, 0, dp/du)$ $t⃗v=(0,1,∂h∂v)=(0,1,dp/dv)\vec{t}_v = (0, 1, \frac{\partial h}{\partial v}) = (0, 1, dp/dv)$
叉乘然后归一化： $n⃗raw=t⃗u×t⃗v\vec{n}_{raw} = \vec{t}_u \times \vec{t}_v$
$n⃗=(−dp/du,−dp/dv,1)(dp/du)2+(dp/dv)2+1\vec{n} = \frac{(-dp/du, -dp/dv, 1)}{\sqrt{(dp/du)^2 + (dp/dv)^2 + 1}}$

[!note] 这里我们仅仅是假设整个三维上的法向量为（0,0,1），实际情情况需要进行转换。

位移贴图（Displacement mapping）

位移贴图会真实改变模型，会展现出凸起部分的投影。
模型需要足够细致，采样需要足够高。

表示几何形状的方法

一种是Implicit（隐式表示）：用数学函数或公式定义几何体，而不是明确列出所有点或面。

algebraic surface（代数曲面）：使用方程（如 $x^2 + y^2 + z^2 = 1$ ）描述形状。
level sets（等值面）：通过标量场中某一特定值的等高面来表示，例如图像分割中常见。
distance functions（距离函数）：例如Signed Distance Function (SDF)，用来表示某点到物体表面的距离。

第二种是Explicit（显式表示）：显式表示是指直接列出几何的构成要素，如点、线、面等。

用密集的点放在空间中
是某个坐标系下的数据集
每个点包含了坐标、颜色等一系列信息
只要采样足够密集，理论上可以表示任意集合体
如果采样不够密集，将会无法分辨模型的形状
应用：激光扫描

距离函数（Signed Distance Function, SDF）

在这里插入图片描述
图 A：表示一个物体的起始状态（左边1/3为实体，右边为空）。

图 B：表示一个物体的结束状态（右边2/3为实体，左边为空）。
blend(A, B)：表示通过线性插值（blending）将A和B混合得到的中间状态，边界从左向右平滑移动。

两张图能表达“变化”，第三张是表现“中间状态”

距离函数可以将两个靠近的集合体进行融合。

分型这种递归问题在渲染中会引发严重的走样

[!note] 分型
就是又无数个相同的单位组成一个相同但是更大的单位

在这里插入图片描述
之所以引起走样就是因为采样率不够

多边形信息的储存

使用OBJ格式讲几何体的点、法线、纹理坐标分别表示，然后再表示，面与面的连接关系。

下图定义了一个立方体，有八个顶点（V）,六个面（Vn）多个纹理坐标（vt）表示，然后使用f表示他们之间的关系（（f V/Vt/Vn）
在这里插入图片描述

贝塞尔曲线

只要求一定要经过起止点，起止点之间的若干个控制点用于控制曲线弯曲的方向，最终形成一条经过起止点的光滑曲线被称为贝塞尔曲线。
通过德卡斯特里奥算法法来绘制贝塞尔曲线。
举个例子：
我们现在要画一个以 $b_0$ 为起点， $b_2$ 为终点的曲线。
在这里插入图片描述
首先引入一个参数 t （范围为0-1），然后从 $b_0$ 到 $b_1$ 、 $b_1$ 到 $b_2$ 从开始等分如下：

然后连接 ${b_0}^1$ 与 ${b_1}^1$ ，然后以相同比例从 ${b_0}^1$ 到 ${b_1}^1$ 等分。

最后只剩一个点的 ${b_0}^2$ 就是这条曲线上的点，随着t的变化，所有点就会变成一条曲线
在这里插入图片描述
再多点都一样：

这个时候我们能发现一个规律：

这看着就是二次方开括号的形式，我们其实就能得到一个通式： $Bjn(t)=(nj)tj(1−t)n−jB_j^n(t) = \binom{n}{j} t^j (1 - t)^{n-j}$
举个例子：
$B03(t)=(30)t0(1−t)3=(1−t)3B13(t)=(31)t1(1−t)2=3t(1−t)2B23(t)=(32)t2(1−t)1=3t2(1−t)B33(t)=(33)t3(1−t)0=t3\begin{align*} B_0^3(t) &= \binom{3}{0} t^0 (1 - t)^3 = (1 - t)^3 \\ B_1^3(t) &= \binom{3}{1} t^1 (1 - t)^2 = 3t(1 - t)^2 \\ B_2^3(t) &= \binom{3}{2} t^2 (1 - t)^1 = 3t^2(1 - t) \\ B_3^3(t) &= \binom{3}{3} t^3 (1 - t)^0 = t^3 \end{align*}$
所以整个曲线的公式如下： $bn(t)=∑j=0nbjBjn(t)\mathbf{b}^n(t) = \sum_{j=0}^{n} \mathbf{b}_j B_j^n(t)$

贝塞尔曲线性质（n个控制点）

$b(0) = b_0; b(1) = b_{n-1}$
端点切线斜率 $b'(0) = (n-1)(b_1 - b_0); b'(1) = (n-1)(b_{n-1} - b_{n-2})$
仿射变换后做贝塞尔曲线，与先做贝塞尔曲线再仿射变换，结果一致
凸包性质：贝塞尔曲线一定在凸包（最小围住控制点的多边形）内

分段贝塞尔曲线（Piecewise Bézier Curve）

由于普通贝塞尔曲线一个点的变化会带动整条曲线变化，这样不利于对一段曲线的调整，而且整个曲线不可能有棱角，多样性就不高。

解决方法就是一根曲线由多个贝塞尔曲线组成。
在这里插入图片描述

CN连续

将两个逐段贝塞尔曲线中的两部分连接，连接点被称之为C0连续。 $C^0$ continuity: 第一段终点和第二段起点相同， $a_n = b_0$
若相邻两个控制点距离连接点相同且共线则该连接点被称之为C1连续（再连接处一阶连续可导）。
$C^1$ continuity: 还要求切线斜率一致， $an=b0=12(an−1+b1)a_n = b_0 = \frac{1}{2}(a_{n-1} + b_1)$
在这里插入图片描述

贝塞尔曲线

与二维的贝塞尔曲线思想类似，但是需要定义两个参数u和v（取代之前的参数t）
先对f（u）进行遍历得到曲线，再嵌套遍历得到曲面f（u，v），类似于两层for循环进行遍历
在这里插入图片描述

网格操作（Mesh）

分为三种操作：

细分（subdivision）：让网格的面数更多
简化（simplification）：让网格面数更少
正则（regularization）：让网格中的三角形趋近于正三角形

Loop Subdivision（Loop是人名，与循环无关）

将每个三角形变为4个三角形
根据权重指定新的顶点位置
新的顶点和老的顶点以不同的规则来改变自己的位置

左边这张图讲的是新点如何生成和计算：展示的是新生成的顶点（odd vertices）的插值规则。在细分过程中，每条边中间会插入一个新顶点。这个新顶点的权重分配是两端原顶点各占 3/8；相邻两个三角形的另外两个顶点各占 1/8。