光线追踪一周实现:第11章 散焦模糊技术解析
2026-02-04 04:37:38作者:柯茵沙
前言
在计算机图形学中,实现逼真的摄影效果是光线追踪技术的重要目标之一。本章将深入探讨如何模拟真实相机中的散焦模糊(Defocus Blur)效果,这是专业摄影师常说的"景深"(Depth of Field)效果。
散焦模糊的原理
真实相机的光学特性
在真实相机中,散焦模糊的产生源于镜头的光学特性:
- 光圈作用:相机需要较大的光圈而非针孔来收集足够的光线
- 聚焦平面:镜头会形成一个特定距离的聚焦平面,只有位于此平面的物体才会清晰
- 模糊效果:偏离聚焦平面的物体将呈现不同程度的模糊效果
虚拟相机的简化模型
在计算机图形学中,我们采用简化的"薄透镜近似"模型,避免模拟复杂的真实镜头内部结构。这种简化既保持了物理准确性,又提高了计算效率。
技术实现细节
关键数据结构
在代码实现中,我们扩展了相机类,新增了以下关键属性:
lens_radius:透镜半径,控制模糊程度u, v, w:构建相机坐标系的基础向量random_in_unit_disk():在单位圆内生成随机点的辅助函数
核心算法
-
光线生成:
- 光线不再从单一视点发出
- 而是在透镜表面随机分布的点上生成
-
聚焦控制:
- 通过
focus_dist参数控制聚焦距离 - 透镜半径(
aperture)控制模糊程度
- 通过
ray get_ray(float s, float t) {
vec3 rd = lens_radius*random_in_unit_disk();
vec3 offset = u * rd.x() + v * rd.y();
return ray(origin + offset,
lower_left_corner + s*horizontal + t*vertical
- origin - offset);
}
参数配置示例
典型的相机设置参数包括:
vec3 lookfrom(3,3,2); // 相机位置
vec3 lookat(0,0,-1); // 观察目标
float dist_to_focus = (lookfrom-lookat).length(); // 焦距
float aperture = 2.0; // 光圈大小
// 相机初始化
camera cam(lookfrom, lookat, vec3(0,1,0), 20,
float(nx)/float(ny), aperture, dist_to_focus);
效果对比与参数调整
-
光圈大小影响:
- 较大光圈值产生更明显的模糊效果
- 较小光圈值使场景更清晰
-
聚焦距离影响:
- 正确设置聚焦距离可使特定物体保持清晰
- 错误设置会导致整个场景模糊
实现建议
-
性能考量:
- 增加散焦模糊会增加光线追踪的计算量
- 可通过调整采样数量平衡质量与性能
-
艺术效果:
- 适度使用散焦模糊可增强场景深度感
- 过度使用可能导致图像不自然
结语
散焦模糊效果的实现是光线追踪技术模拟真实摄影效果的重要一步。通过理解其物理原理并掌握代码实现方法,我们可以创造出更具艺术表现力的渲染图像。下一章我们将探讨如何进一步优化和扩展这些技术。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0190
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
762
4.95 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.79 K
190
暂无简介
Dart
1 K
259
Ascend Extension for PyTorch
Python
717
867
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
855
1.91 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.73 K
1.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
675
1.32 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
438