22、光线追踪中的噪声处理与多光源重要性采样

光线追踪中的噪声处理与多光源重要性采样

光线追踪中的噪声问题

在光线追踪过程中，我们常常会遇到图像中出现尖峰噪声的情况。这种噪声的棘手之处在于，随着采样数量的增加，它消失得非常缓慢。以计算图像平均颜色为例，一旦我们在求和中包含了像 (500, 500, 500) 这样的颜色值，就需要相当多范围在 [0, 1] 的额外采样才能恢复到真实的平均值。而且，增加采样数量有时反而会让图像看起来更差，尽管从平均情况来看它是在变好。这是因为随着更多光线被追踪，越来越多的像素路径会随机地碰到光源。

噪声处理方法

• Clamping（钳位）
  • 原理 ：这是解决该问题最简单的方法，具体做法是将高于用户设定阈值 t 的样本值 c 进行钳位。算法公式为：$c’ = min(c, t)$。
  • 效果 ：以镜面球体场景为例，当路径贡献被钳位在 3 时，图像的噪声明显减少。使用每像素 16 个样本渲染的图像，尖峰噪声像素消失，更接近美观的图像。然而，当使用 1024 个样本渲染的图像与最终理想图像对比时，我们会发现镜面球体下方光源在地板和右侧墙壁上的聚焦光（即焦散）丢失了。这是因为照明来自少数高贡献路径，而钳位阻止了它们对最终图像做出太多贡献。
• Path Regularization（路径正则化）
  • 原理 ：路径正则化比钳位更精细，虽然实现起来需要多做一些工作，但不会像钳位