Shadows实时阴影原理

文章目录

• 一、Shadows Mapping
• • 1.第一个Pass：从光源Light射出方向出发，记录到达像素（片元）最浅的距离
  • 2.第二个Pass:从眼睛（摄像头）看向方向出发，渲染场景得到像素（片元），如片元A
• 二、Shadows Mapping 由于数值精度会出现的问题 Shadows Bias:
• 三、阴影抗锯齿Percentage Closer Filtering (PCF)
• 四、实现软阴影 Precentage closer soft shadows (PCSS)
• 四、基于方差的软阴影 VSSM
• • • 小总结：
• 五、距离场软阴影 SDF Soft Shadows

一、Shadows Mapping

最主流的阴影算法，分俩趟Pass渲染。

1.第一个Pass：从光源Light射出方向出发，记录到达像素（片元）最浅的距离

得到一张Texture，也就是深度图：0-1 黑-白 物体离得越近越黑。

2.第二个Pass:从眼睛（摄像头）看向方向出发，渲染场景得到像素（片元），如片元A

计算这些片元（如A）到光源的距离：黄线，和Pass1的距离一样，说明光源可见 A没有被遮挡，没有阴影。

如果片元A到光源的距离，黄线比在Pass1深度图记录的距离（B到光源）更远，则说明片源A被遮挡，A处有阴影。

二、Shadows Mapping 由于数值精度会出现的问题 Shadows Bias:

由于光源离地平线越近，光源到像素的距离1和摄像头到像素的距离2就会不一致，地面就会出现类似摩尔纹的阴影错误。

通常可以增加一个根据角度改变的偏移距离Bias值来解决摩尔纹的阴影错误。
但如果Bias过大就会又出现如图脚步阴影悬空的问题。(也叫彼得潘)，工业界一般靠调整Bias值来大体解决这个问题。

三、阴影抗锯齿Percentage Closer Filtering (PCF)

PCF总体上就是从原来的和P点比较变成了和P点周围比较再做平均值，就是一种模糊。

具体在(一.2)这个步骤，即“如果片元A到光源的距离，黄线比在Pass1深度图记录的距离（B到光源）更远，则说明片源A被遮挡，A处有阴影。”
比较距离时不再只和深度图的一个点做比较，而是和这个点周围如3x3范围的每个点（片元）做一个平均或加权过滤（Filtering），这样的结果就是消除了阴影边缘的锯齿。

四、实现软阴影 Precentage closer soft shadows (PCSS)

对于阴影我们观察到一个现象：阴影离投射物越远，阴影越浅。反之离投射物越近，阴影越硬，如笔尖。

总的来说，PCSS就是用PCF的做法 调大Filer size实现的软阴影。
从以上观察我们知道阴影的深浅和遮挡物到阴影的距离即dReceiver的距离相关，越近阴影越深。
1.绿色Blocker为遮挡物。
2.W灰色为阴影，它的大小和绿色遮挡物Blocker的距离成远大近小：
相似三角形计算公式: W灰色：W黄色 =（d蓝色-d绿色）：d绿色

Filer的大小就取决于W灯光大小和dBlocker距离。

如上图，PCSS分三步：
1.计算遮挡物P周围范围平均深度
2.用这个平均深度估算出第3步在P周围应该Filer size 多大
3.用这个Filer size 进行PCF计算（本质上就是确定P范围区域内有百分之多少比P点深度浅），从而得出0~1间数值的软阴影。

四、基于方差的软阴影 VSSM

PCSS中第1步和第3步计算量超大非常消耗性能，所以人们又提出针对这两步优化的软阴影算法VSSM：


我们可以近似认为P点在其周边范围的深度排名符合正太分布，所以问题演化成了求期望和方差（二者可确定正太分布图）

求期望：
方法1：MipMap 但只能求近似
方法2：SAT 二维前缀和 精确

求方差：
如图公式，X的方差=等于X平方的期望E - X期望E的平方

期望E上述SAT已求得，X的平方可将深度图数值的平方预计算存入贴图RGB的另一个通道。

小总结：

VSSM虽然很巧妙但不够精确，随着对图像空间降噪的处理手段越来越多，如TAA等，PCSS现在又回归成了软阴影的主流。

五、距离场软阴影 SDF Soft Shadows

Signed Distance Field（SDF）有向距离场：定义场景中矩阵任意一点到物体的最小距离，有向用正负表示在物体内外。

软阴影可以看作是从Shader Point出发看向面光源，有多少面光源被遮挡。
我们可以用SDF的范围来近似的得到大概有多少光源被挡住，从而确定软阴影的0~1。
注意，即使是点光源也是有发光范围的。实际中我们通过确定Shader Point被遮挡的角度来确定软阴影的0~1黑度。