03 - 屏幕空间的实时全局光照算法

发表于 更新于 分类于 ， ， 阅读次数： Waline： 本文字数： 3.3k 阅读时长 ≈ 3 分钟

本文将介绍一些屏幕上的实时全局光照算法，例如 屏幕空间环境光遮蔽SSAO，屏幕空间方向性遮挡SSDO和屏幕空间反射SSR。

屏幕空间算法

如果全局光照算法在生成间接光照效果时，只根据从相机视角能得到的信息，对只有直接光照的渲染结果进行后处理（post processing）以加上间接光照效果，即只用到了屏幕空间（screen space）信息，则这该算法属于屏幕空间算法。

SSAO

简介

SSAO（Screen Space Ambient Occlusion） 是一种在屏幕空间中对全局光照的近似。

在Crytek引擎中首次使用

如下图，SSAO可以让场景看起来更真实，因为它让物体富有立体感。而且SSAO的实现也比较容易，因此是必要的。

SSAO的核心思想如下：

  1. 不知道间接光照的具体内容（屏幕空间），于是假设它是个常数。
  2. 认为各着色点所有方向上的可见性不同，因为着色点间存在“遮挡”关系。
  3. 认为物体材质都是漫反射(diffuse)材质。

这样就可以通过估计着色点的可见性，直接地计算出间接光照效果。

理论推导

需要解RTR渲染方程，使用积分近似将其拆分成可见性V项+其他项：

其中：

  • 可见性V项：即，从着色点看向周围所有方向可见性的加权平均，范围0~1。
  • 间接光和BRDF项：两个常数的乘积，即间接光强与漫反射BRDF。

有关积分近似拆分：

  • 可以理解为将f(x)，g(x)拆开，顺便求了f(x)的均值。上面这种拆分是准确的，因为f(x)和g(x)都是常数。

  • 为什么拆出来3个cos项？是因为要进行换元，引入“投影立体角”这一概念，即球面立体角在它单位圆上的投影，有。于是变成了在“半球”上的积分，且​。

间接光和漫反射BRDF项均为常数，于是可以将它们从积分中提出来：

也就是

计算Ka

从上面的理论可以得出，要计算SSAO只需计算即可。如何在屏幕空间计算呢？

如图，SSAO算法在以着色点为中心，一定半径的球里进行采样，得到被遮挡（红）和不被遮挡（绿）的点的数量。在屏幕空间如何判断着色点和采样点的遮挡关系，可以利用屏幕空间的深度值来判断，若采样点深度比屏幕空间中该点深度大，说明该采样点被遮挡了。

当超过一半的采样点均被遮挡时，认为该着色点是不可见的，应用SSAO。

计算出的仍有一些不足之处：

  • 在估计可见性时没有考虑法线方向，导致出现“假遮挡”现象，如上图中间红虚线右边的点，应该是绿色的，但被SSAO计算成了红色。不过影响不大，可以忽略。

    假遮挡现象(Halos游戏)

  • 算出来的没有被余弦加权平均，在物理上不准确，但看起来还算正确。

避免“假遮挡”

要想避免假遮挡现象，就得进行更多采样，但实时渲染的性能要求不允许我们这样做，可以用下列技巧来缓解/避免“假遮挡”现象：

  • 可以用较少采样得到有噪声的结果，然后降噪，获得“更多”的采样点。

    施加保边滤波使结果更平滑

  • 现代图形渲染管线通常是 延迟渲染(Deferred Rendering)的，可以通过其中的 G-Buffer 获取当前着色点的法向量，有了法向量就能将采样点的范围缩减至一个半球，让结果更准确。

    这也是 HBAO 的思想：

    HBAO的结果是准确的，因此可以避免假遮挡现象。

SSDO

简介

是SSAO的升级版，比SSAO考虑的更全面准确。SSAO假设间接光来自远处，而SSDO则认为间接光来自附近，因为场景中的间接光照信息还是知道一部分的。

由于是屏幕空间算法，SSAO无法像RSM那样获取间接光照信息，于是SSDO认为 屏幕里能被直接光照射到的物体就是间接光源。

SSDO的核心思想和路径追踪很像：

在着色点P上向任意方向射出若干光线，如果

  • 光线没有打到物体，说明射向P的光线是直接光；
  • 光线打到了物体，说明射向P的光线是间接光。

和SSAO对比

如图，SSAO和SSDO最主要的不同点就是 间接光的来源不同：

  • SSAO认为着色点一定能够接收到部分间接光（红圈），另一部分则因为遮挡没有间接光（橙圈）。
  • SSDO认为着色点射出光线后，打不到物体的是直接光（红圈），打到物体的则为间接光（橙圈）。

因此，SSAO认为 间接光来自远处，SSDO认为 间接光来自近处，理论上它俩应该结合起来做才科学。

理论推导

还是解渲染方程，将其分为可见和不可见两部分：

重点考虑不可见（间接光贡献）的情况，而这种情况是可以被算出来的。

具体做法

SSDO的做法类似于HBAO，在着色点为球心，一定距离的半球上进行采样，然后将采样点和摄像机视角深度值比较，如果采样点深度比摄像机视角深度大，说明采样点和摄像机连线与物体的交点所在面片是一个次级光源（如左图A，B，D）；反之则不是次级光源（如左图C）。

最后利用渲染方程将所有次级光源对着色点的贡献求和即可。

但SSDO也存在误差，如右图A点，本来是直接光源，却被SSDO误认为是次级光源。

优缺点

优点：

  • 效果很好，接近离线渲染
  • 轻量化

缺点：

  • 只能表示小范围的全局光照，这说明它仍会丢失一些来自于远处次级光源的信息。
  • 屏幕空间算法的缺点，有来自屏幕外的误差和信息缺失。

SSR

简介

SSR也是一种屏幕空间实现全局光照的方法，它在屏幕空间上进行模拟光线追踪，不需要场景图元信息。

SSR的核心问题如下：

  • 求交问题：解决任意光线和场景求交的问题。
  • 着色问题：计算光线与场景相交的像素点们对着色点的贡献。

具体做法

基本SSR算法

为了充分利用屏幕空间提供的信息，该算法是基于 镜面反射 的。

对于每个着色片段：

  • 计算反射光方向
  • 让光线和场景求交，获得交点
  • 让交点颜色作为反射的颜色

可以做镜面反射，也能调整地面粗糙度，配合法线造成模糊/凹凸效果。

接下来说说如何具体进行求交和着色操作。

解决求交问题

起初人们使用 Linear Raymarch 算法进行光线和场景求交。反射光线在着色点往反射方向以一定的距离步进，直到它的深度比场景物体深度大停止步进，视为光线和场景物体相交。

在这个算法中，步长为定值，太大太小均不好。于是能 让步长动态调整 的算法 Hierarchical Ray Trace 便出现了。

就像世界空间光线和场景求交可用层级结构加速（如BVH树、KD树）一样，屏幕空间中光线和场景求交可用 深度Mipmap 来加速。该深度Mipmap和平常的Mipmap不一样，平常的Mipmap使用下层4个像素均值作为上层像素，而 深度Mipmap使用下层4个深度最小值作为上层深度。

这样就让场景深度值有了类似于树状的层次结构关系，方便光线动态步进：

解决着色问题

对SSR的着色要达到如下要求（在正确考虑物体BRDF前提下）：

  • 根据反射面材质做出不同反应（如镜面地板，粗糙地板等）；
  • 离物体越近，反射得越清晰；
  • 类似雨天路面效果，反射物体会上下拉长一点（如果有场景是雨天）。

可沿用路径追踪算法，不过要假设：

  • 反射物材质是漫反射材质，这样就不必考虑方向导致贡献的不同；
  • 只有次级光源。

因此可用 BRDF重要性采样 来获取着色点反射光线的方向分布。然后为了复用采样结果，可以在采样前预过滤一次，然后用加权BRDF加速运算。这里的“加权”就是利用该像素旁边一圈像素的结果，用它们深度值以不同贡献求均值。

优缺点

优点：

  • 对镜面/光滑材质地板性能高
  • 效果好

缺点：

除了对漫反射材质地面性能和效果不好外，还是屏幕空间带来的信息不足的问题：

  • 屏幕内物体信息丢失，如下图没有手心的信息：

  • 屏幕外物体信息丢失，如下图没有帘布的上端：

对于第二种情况，我们可以随反射距离衰减着色结果来解决：

参考资料

  • GAMES202: 高质量实时渲染 (ucsb.edu)
  • 《GAMES202：高质量实时渲染》3 实时全局光照：RSM、LPV、VXGI、SSAO、SSDO、SSR - 知乎 (zhihu.com)