
02_UnityShader光照技术基础笔记(二)
文章摘要
GPT 4
此内容根据文章生成,并经过人工审核,仅用于文章内容的解释与总结
投诉本章节学习目标:
-
学习掌握色调映射,视差偏移,ShadowMap实时阴影技术
-
学习常见光照模型知识
环境配置:
-
VScode
-
Unity2022·····
-
UnityShader入门精要
一、光照模型知识
1、Phong光照模型和Blinn_Phong光照模型
-
Phong模型 使用反射向量计算高光,效果锐利但计算复杂;
-
Blinn-Phong模型 使用半角向量计算高光,效率更高且效果更柔和,适合实时渲染。
特性 | Phong光照模型 | Blinn-Phong光照模型 |
---|---|---|
提出时间 | 1975年(Bui Tuong Phong) | 1977年(Jim Blinn) |
高光反射计算方式 | 基于反射向量 RR 和视线向量 VV 的点积:(R⋅V)n(R⋅V)n | 基于法线向量 NN 和半角向量 HH 的点积:(N⋅H)n(N⋅H)n |
半角向量 H | 不使用半角向量 | 使用半角向量 H=L+V∥L+V∥H=∥L+V∥L+V |
反射向量 R | 使用反射向量 R=2(N⋅L)N−LR=2(N⋅L)N−L | 不使用反射向量 |
计算复杂度 | 较高,需要计算反射向量 RR | 较低,仅需计算半角向量 HH |
高光效果 | 高光较为锐利,适合模拟非常光滑的表面 | 高光较为柔和,适合模拟中等光滑的表面 |
性能 | 计算反射向量 RR 的开销较大,性能较低 | 计算半角向量 HH 的开销较小,性能较高 |
适用场景 | 适用于需要高光锐利的场景,如镜面、金属等 | 适用于实时渲染和性能要求较高的场景,如游戏、实时图形 |
数学公式 | Ispecular=Ilight⋅kspecular⋅(R⋅V)nIspecular=Ilight⋅kspecular⋅(R⋅V)n | Ispecular=Ilight⋅kspecular⋅(N⋅H)nIspecular=Ilight⋅kspecular⋅(N⋅H)n |
优点 | 高光效果更锐利,适合模拟高度光滑的表面 | 计算效率高,高光效果更自然,适合实时渲染 |
缺点 | 计算反射向量 RR 的开销较大,性能较差 | 高光效果相对较柔和,不适合模拟极端光滑的表面 |
2、Blinn_Phong光照模型的应用
二、Tone-Mapping 色调映射技术
1、什么是色调映射技术?为什么需要色调映射技术?
-
色调映射技术(Tone Mapping): 是为了解决高动态范围(HDR)图像在低动态范围(LDR)显示设备上呈现时,丢失细节或失真问题而引入的关键技术。
-
需要色调技术的原因:
-
动态范围不匹配
- 问题:现实世界的光照范围(HDR)非常大(如太阳光和阴影的亮度差异),而普通显示设备(如显示器、手机屏幕)的动态范围(LDR)有限,无法直接显示HDR图像的全部亮度信息。
- 解决:色调映射通过压缩HDR图像的亮度范围,将其适配到LDR设备的显示能力范围内,同时尽量保留细节。
保留细节
-
问题:直接显示HDR图像会导致亮部过曝(丢失高光细节)或暗部欠曝(丢失阴影细节)。
-
解决:色调映射通过局部或全局的亮度调整,平衡亮部和暗部的细节,使图像在LDR设备上看起来更自然。
提升视觉效果
-
问题:未经处理的HDR图像在LDR设备上可能显得平淡或失真,缺乏视觉冲击力。
-
解决:色调映射可以增强对比度、色彩饱和度和细节表现,使图像更具视觉吸引力。
适应人眼感知
-
问题:人眼对亮度的感知是非线性的,能够同时感知高亮和低亮区域,但显示设备无法直接模拟这种感知特性。
-
解决:色调映射技术通过模拟人眼的感知特性,使图像在显示设备上更符合人眼的视觉体验。
应用场景广泛
-
计算机图形学:在渲染HDR场景时,色调映射是最终呈现的关键步骤。
-
摄影:将HDR照片转换为适合打印或显示的图像。
-
影视和游戏:提升画面质量,增强沉浸感。
-
2、Tone-Mapping 色调映射技术的应用
三、视差偏移技术
视差偏移技术文档([视差贴图 - LearnOpenGL CN](https://learnopengl-cn.github.io/05 Advanced Lighting/05 Parallax Mapping/#_1))
视差偏移又叫:视差贴图、视差映射技术。
四、ShadowMap实时阴影技术
- 感谢您的赞赏
赞赏名单
由于您的支持,我才能够实现写作的价值。
本文是原创文章,采用CC BY-NC-SA 4.0协议,完整转载请注明来自卯相爱吃番茄酱