PBRT-v4中Box-Muller变换实现错误分析

在光线追踪渲染器PBRT-v4的数学工具函数中，发现了一个关于Box-Muller变换实现的错误。Box-Muller变换是一种常用的从均匀分布随机数生成正态分布随机数的方法。

Box-Muller变换原理

Box-Muller变换的基本原理是通过极坐标变换，将两个独立的均匀分布随机变量转换为两个独立的标准正态分布随机变量。标准公式如下：

1. 生成两个均匀随机数u₁和u₂
2. 计算极坐标半径r = √(-2·ln(u₁))
3. 计算角度θ = 2πu₂
4. 得到两个正态随机数：
   • z₁ = r·cos(θ)
   • z₂ = r·sin(θ)

PBRT-v4中的实现错误

在PBRT-v4的代码中，SampleTwoNormal函数的实现存在数学错误。错误版本如下：

Float r2 = -2 * std::log(1 - u[0]);
return {mu + sigma * std::sqrt(r2 * std::cos(2 * Pi * u[1])),
        mu + sigma * std::sqrt(r2 * std::sin(2 * Pi * u[1]))};

问题在于sqrt运算被错误地应用在了三角函数结果之后，而不是之前。这会导致：

1. 当cos(θ)或sin(θ)为负值时，sqrt的参数为负数，产生NaN结果
2. 破坏了正态分布的正确性

正确实现方式

正确的实现应该先计算半径r，再与三角函数相乘：

Float r = std::sqrt(-2 * std::log(1 - u[0]));
Float theta = 2 * Pi * u[1];
return {mu + sigma * r * std::cos(theta),
        mu + sigma * r * std::sin(theta)};

影响分析

这个错误会导致：

1. 约50%的采样会返回NaN值（当三角函数结果为负时）
2. 使用该函数的蒙特卡洛积分会产生不正确的结果
3. 在渲染图像中可能出现异常亮点或黑点

修复方案

项目维护者已经修复了这个问题，将sqrt运算移到了正确的位置。修复后的代码符合Box-Muller变换的标准数学形式，能够正确生成正态分布的随机数。

这个案例提醒我们，在实现数学变换时需要特别注意运算顺序和数学公式的精确对应，特别是涉及对数、平方根等运算时，要确保参数始终在定义域内。