JIEZCODE
首页 文章 专题 项目 关于我
JIEZCODE

第-7-章-一年后的启示与优化建议

Jiezcode avatarJiezcode   
         

Course: I wrote a Ray Tracer from scratch… in a Year

🎮 第 7 章：一年后的启示与优化建议

🏛 适用环境：完整 CPU/GPU 光线追踪器（C++17 / Vulkan / OptiX）

🎯 目标：总结作者一年从零编写 Ray Tracer 的关键经验、架构优化技巧、多线程与采样加速方案，并提出未来扩展方向。

🧭 引擎定位

这部分内容对应光线追踪项目的 架构与优化层。

它不是在讲“算法怎么写”，

而是在讲“如何让算法跑得快、改得动、画得美”。

🏷 关键词速记

Multi-threading｜多线程

Sampling Strategy｜采样策略

Tone Mapping｜色调映射

BVH Rebuild｜包围体重建

Parallel Rendering｜并行渲染

Denoising｜去噪

GPU Acceleration｜GPU 加速

🎮 30 秒玩法摘要

光线追踪从来不是“写一千行代码”，

而是“调一百万次参数”。

真正的进步，不是学会画光，而是学会如何管理光。

📚 核心原理讲解

🔹 1. 代码工程化：从实验到系统

作者最初的 Ray Tracer 只有一个文件、一千行代码；

一年后，它演变成一个模块化引擎：

📦 系统分层结构

Renderer/
 ├── core/
 │   ├── ray.h
 │   ├── camera.h
 │   ├── hittable.h
 │   ├── material.h
 │   └── bvh.h
 ├── integrator/
 │   ├── pathtracer.cpp
 │   └── directlight.cpp
 ├── scene/
 │   ├── world.cpp
 │   ├── sky.cpp
 │   └── emitter.cpp
 ├── utils/
 │   ├── random.h
 │   ├── timer.h
 │   └── color.h
 └── main.cpp

这种模块化结构的意义：

  • 🧱 易于扩展新的材质、相机、加速结构
  • 🔁 可单独测试各模块（单元测试）
  • ⚙️ 支持多线程、命令行参数、配置文件化

🔹 2. 多线程渲染（CPU 版）

每个像素的计算相互独立，

天然适合并行：

📦 OpenMP / std::thread 示例

#pragma omp parallel for schedule(dynamic)
for (int j = image_height - 1; j >= 0; --j) {
    for (int i = 0; i < image_width; ++i) {
        Color pixel(0,0,0);
        for (int s=0; s < samples_per_pixel; ++s) {
            float u = (i + randomFloat()) / image_width;
            float v = (j + randomFloat()) / image_height;
            Ray ray = camera.getRay(u, v);
            pixel += trace(ray, world, 0);
        }
        framebuffer[j * image_width + i] = pixel / samples_per_pixel;
    }
}
  • #pragma omp parallel for 轻松并行循环
  • 或使用 std::async 提交任务池
  • 性能提升可达 4～8×（多核 CPU）

🔹 3. 多采样与随机性优化

路径追踪的噪点源于伪随机不均匀性。

解决方案：

  • 使用 Sobol / Halton 序列（低差异采样）
  • Stratified Sampling（分层采样）
  • 蓝噪分布（Blue Noise）

📦 Stratified 采样示例

float u = (i + (s + randomFloat()) / spp_x) / image_width;
float v = (j + (t + randomFloat()) / spp_y) / image_height;

结果：同样采样数下更平滑、收敛更快。

🔹 4. 去噪 (Denoising)

即便 1000 样本仍有噪点，可使用 后处理降噪器：

  • Intel OpenImageDenoise (OIDN)
  • NVIDIA OptiX AI Denoiser
  • 或自己实现简单的 Bilateral Filter

📦 双边滤波简例

Color bilateral(const Image& img, int x, int y) {
    float sigmaS = 2.0f, sigmaR = 0.1f;
    Color result(0);
    float totalWeight = 0;
    for (int dx=-2; dx<=2; ++dx)
      for (int dy=-2; dy<=2; ++dy) {
          Color diff = img(x,y) - img(x+dx,y+dy);
          float w = exp(-(dx*dx+dy*dy)/(2*sigmaS*sigmaS))
                  * exp(-dot(diff,diff)/(2*sigmaR*sigmaR));
          result += img(x+dx,y+dy) * w;
          totalWeight += w;
      }
    return result / totalWeight;
}

🔹 5. Tone Mapping 与 Gamma Correction

渲染器输出线性颜色，但显示器是非线性的。

需应用伽马校正：

Cdisplay=Clinear C_{display} = \sqrt{C_{linear}}

同时可应用 ACES 色调映射以避免高亮溢出。

📦 伽马与色调映射

Color toneMap(const Color& c) {
    Color mapped = c / (c + Color(1.0));
    return Color(sqrt(mapped.r), sqrt(mapped.g), sqrt(mapped.b));
}

🔹 6. GPU 加速（Vulkan / CUDA）

CPU 路径追踪虽易调试，但瓶颈明显。

作者在后期迁移到 GPU 实现：

  • 将每条光线路径映射为 GPU 线程
  • 使用 Vulkan Ray Query / NVIDIA OptiX
  • BVH 构建使用 LBVH（线性 BVH）并行构造

性能提升：从 30 秒 → 0.2 秒 / 帧

🔹 7. 可视化与调试技巧

  • 法线可视化模式：直接输出 normal * 0.5 + 0.5。
  • 深度图 (Depth Map)：输出 t 值 / 距离归一化。
  • 采样数热图：查看噪点分布区域。
  • 包围盒显示：验证 BVH 层级划分是否合理。
  • 反射路径可视化：随机染色不同反弹层。

🔹 8. 作者一年后的体会

  • 光线追踪不是“数学难”，而是“耐心难”。
  • 一次次 debug 的画面，从全黑 → 噪点 → 影子 → 光泽，是成就感的积累。
  • 真正的突破，不是性能，而是理解了 光的逻辑。
  • 你开始像光一样思考：它走到哪里，为何折返。

🧪 实验与验证步骤

1️⃣ 多线程性能对比

  • 单线程 vs OpenMP vs async，测帧时间。

2️⃣ 采样分布实验

  • 比较随机采样与低差异采样图像噪点。

3️⃣ 色调映射对比

  • 同一场景分别输出线性、伽马、ACES。

4️⃣ GPU vs CPU 性能

  • 同场景帧时统计性能对比。

🪄 创作与实现建议

  • 每个模块单独可运行（unit-test 方式）。
  • 用 JSON 配置场景，支持热加载。
  • 将输出缓存为 EXR（HDR 格式）保存全部亮度信息。
  • 使用 “Frame Accumulation” 技术在游戏引擎中实时预览。
  • 若后续整合到 Zgine，可在编辑器中提供 PathTracePreview 模式。

🧠 记忆口诀

“盒包千物加速光，采样万线降噪忙；

多核并行图飞起，映射调色复真章。”

✅ 实践题

Q1：路径追踪的最大瓶颈是什么？

🅰️ 随机采样收敛慢、噪点重、每像素计算量大。

Q2：为什么要做 Gamma Correction？

🅰️ 因为显示设备是非线性的，线性颜色需转为感知均衡空间。

Q3：BVH 重建的意义？

🅰️ 当场景动态变化时重建层级结构以保持加速效果。

Q4：低差异采样相对随机采样的优势？

🅰️ 更均匀、更快收敛、噪点更小。

🧩 结语

✨ 一年之后，作者终于能在屏幕上看到“光线真的存在”的那一刻。

你写下的每一行代码，都在告诉电脑：

“去追光吧。”

而追光的过程，

其实也是一个开发者——在复杂世界中寻找真实的旅程。

 Course Notes
 |