26、计算机图形学中的相机模型与光学系统：基于图像的技术

计算机图形学中的相机模型与光学系统：基于图像的技术

在计算机图形学里，普通算法生成的图像往往缺少对焦点、模糊、光学像差和景深的描绘。为解决这些问题，人们提出了多种相机模型，并且有基于对象空间和图像空间的不同渲染技术。本文将为大家介绍几种基于图像的技术，以模拟这些相机模型。

1. 引言

常见计算机图形算法生成的图像，在焦点、模糊、光学像差和景深的表现上存在不足。此前已介绍过一些相机模型及基于对象空间的渲染技术，本文着重探讨基于图像的技术。这些技术在缺乏场景 3D 几何信息时很有用，而且通常比基于对象的技术（如光线追踪）更高效。

2. 基于图像的模糊

1981 年，Potmesil 和 Chakravarty 提出了基于图像模糊的线性滤波技术。该算法利用合适大小的模糊滤波器对每个像素在给定深度进行模糊处理，将每个像素扩展成一个特定半径的圆，即弥散圆来实现模糊效果。弥散圆上的每个点都有相应的权重，将圆内位置映射到权重的函数被称为强度分布函数（IDF）。在某些情况下，如透镜系统不受衍射限制或像素离散化程度过高时，可采用简单的均匀强度分布。

为加快卷积过程，Rokita 在 1993 年提出用多个小弥散圆卷积来近似大弥散圆卷积，用多个快速的 3x3 卷积滤波器替代单个大的卷积滤波器。不过，Potmesil 和 Chakravarty 的方法存在一些问题，不同深度像素使用不同滤波器模糊会导致图像变亮，还会出现背景模糊对象渗入前景聚焦对象的伪像，这主要是由于遮挡问题引起的。

3. 光线分布缓冲区

Shinya 提出了光线分布缓冲区（RDB）技术来解决遮挡问题。该技术将每个像素的最终颜色计算为从各个角度进入透