4、BRDF的几何解释：入射方向与出射方向的关系，半角向量与差向量，微表面理论中的几何衰减项
好，咱们进入第四章。这一章我打算聊聊BRDF背后那些几何关系。说实话，刚入行那会儿，我觉得BRDF就是个数学公式，套进去算就完了。后来被一个诡异的渲染结果折磨了两天，才发现——嗯，几何没搞懂，代码写得再漂亮也白搭。
这一章的核心就三件事：入射和出射到底怎么转的、半角向量和差向量是干嘛用的、以及微表面里那个“遮挡”怎么算。咱们一个一个来。
4.1 入射方向与出射方向：坐标系里的那点事
先看最基础的。BRDF是个四维函数，f(ωi, ωo)。两个方向，每个方向两个自由度（仰角θ和方位角φ）。但实际用的时候，我们很少直接拿原始角度算。
我个人习惯把入射方向ωi和出射方向ωo都转换到局部坐标系里。什么叫局部坐标系？就是以表面法线n为z轴，切线和副法线为x、y轴的那个坐标系。为什么这么做？因为BRDF假设表面是局部平坦的，所有计算都围绕法线展开。
关键点：BRDF的几何关系只依赖于方向之间的相对角度，不依赖绝对世界坐标。所以局部坐标系是天然的选择。
举个例子，你写一个Cook-Torrance BRDF，输入的是世界空间的ωi和ωo。第一件事就是把它们转到切线空间。我见过不少新手直接拿世界坐标算半角向量，结果法线贴图一上，全乱套了。
这里有个常用的转换关系：
| 方向 | 局部坐标表示 | 说明 |
|---|---|---|
| ωi | (sinθicosφi, sinθisinφi, cosθi) | 入射方向，θi是入射天顶角 |
| ωo | (sinθocosφo, sinθosinφo, cosθo) | 出射方向，θo是出射天顶角 |
| n | (0, 0, 1) | 法线，就是z轴 |
你看，法线永远是(0,0,1)。这样很多计算就简化了。比如点积n·ωi直接等于cosθi。
我的小技巧：在shader里，我习惯把法线贴图采样结果从[0,1]映射到[-1,1]，然后构建TBN矩阵。这样转换方向时只需要一个矩阵乘法，干净利落。
4.2 半角向量h：BRDF里的“中间人”
接下来是半角向量。这东西在微表面模型里太重要了。
半角向量h的定义很简单：
h = normalize(ωi + ωo)它表示入射方向和出射方向的角平分线方向。为什么叫“半角”？因为h和ωi的夹角，等于h和ωo的夹角，各占一半。
你想想看，如果表面是一个完美的镜面，那么入射光反射出去，法线n正好就是半角向量h。换句话说，h就是微表面中那个“完美反射”的微平面法线。
这个理解太关键了。在微表面理论里，我们假设每个微平面都是完美镜面。那么对于一个给定的(ωi, ωo)对，只有法线方向恰好等于h的那些微平面，才能把光从ωi反射到ωo。其他朝向的微平面？它们反射的光去了别处。
核心结论：半角向量h直接决定了哪些微平面对当前光照方向有贡献。法线分布函数D(h)就是用来统计这些微平面的数量的。
我在项目中遇到过一个问题：各向异性材质（比如拉丝金属）的渲染。这时候半角向量不能直接用，得考虑一个修正项，把h投影到各向异性的切线和副法线方向上。嗯，这个后面讲材质参数时会细说。
4.3 差向量：另一种视角
除了半角向量，还有一个概念叫差向量。它不像半角向量那么常用，但在某些BRDF推导里会见到。
差向量通常定义为：
g = ωo - ωi或者归一化版本。它表示从入射方向到出射方向的变化量。你可以把它理解为“光的方向改变了多少”。
差向量和半角向量之间有个简单关系：
- 半角向量h = normalize(ωi + ωo)
- 差向量g = ωo - ωi
- 两者正交：h · g = 0
为什么会这样？因为h是ωi和ωo的和方向，g是差方向。和与差天然垂直。这个性质在推导BRDF的雅可比变换时很有用。
我个人很少直接用差向量做渲染，但在做重要性采样时，差向量能帮我理解采样分布的形状。比如GGX分布，它的采样方向围绕半角向量h分布，而差向量g决定了这个分布的“宽度”。
4.4 微表面理论中的几何衰减项G
好，重头戏来了。几何衰减项G，也叫阴影-遮挡函数。它解决的是微表面之间的相互遮挡问题。
你想想看，微表面是有起伏的。一个微平面可能被旁边的微平面挡住，导致它接收不到光照（阴影），或者它反射的光被挡住出不去（遮挡）。G项就是用来修正这个的。
G项通常分解为两个子项：
| 子项 | 含义 | 公式（Smith模型） |
|---|---|---|
| G1(ωi) | 入射方向上的阴影概率 | Λ(ωi) = ... |
| G1(ωo) | 出射方向上的遮挡概率 | Λ(ωo) = ... |
| G(ωi, ωo) | 联合阴影-遮挡 | G = G1(ωi) · G1(ωo) |
最常用的G项模型是Smith模型。它假设微表面的高度分布和法线分布是相关的，然后通过一个Λ函数来计算遮挡概率。
对于GGX分布，Smith G项有解析解：
// GGX Smith G项
float SmithG_GGX(float NdotV, float alpha)
{
float a = alpha * alpha;
float b = NdotV * NdotV;
return 2.0 * NdotV / (NdotV + sqrt(a + b - a * b));
}
// 联合G项
float G = SmithG_GGX(NdotL, roughness) * SmithG_GGX(NdotV, roughness);这里NdotL是n·ωi，NdotV是n·ωo，alpha是粗糙度参数。
我曾经踩过的坑：一开始我直接用roughness作为alpha传进去，结果渲染出来的金属边缘发黑。后来才发现，GGX的alpha是roughness的平方。也就是说，alpha = roughness * roughness。这个细节在Disney原则的BRDF里特别容易搞错。
G项还有一个重要性质：当粗糙度趋近于0时，G趋近于1。因为表面越光滑，微平面越平坦，遮挡越少。反之，粗糙度越大，G越小，遮挡越严重。
另外，G项在掠射角（grazing angle）时会急剧下降。你想想看，当光线几乎平行于表面入射时，微平面之间的阴影效应非常明显。这就是为什么粗糙金属在边缘处会变暗——不是因为它不反射了，而是因为微表面互相挡住了。
4.5 知识结构图：BRDF几何关系一览
下面这张图把本章的核心概念串起来了。你可以看到入射方向、出射方向、半角向量、差向量以及几何衰减项之间的关系。
4.6 实战中的几何衰减项选择
最后聊点实际的。市面上常见的G项有好几种，我列个对比表：
| G项模型 | 特点 | 适用场景 | 我的评价 |
|---|---|---|---|
| Smith GGX | 解析解，与NDF一致 | 大多数PBR材质 | 首选，稳定可靠 |
| Smith Schlick-GGX | 近似解，性能更好 | 移动端、实时渲染 | 精度损失可接受 |
| Cook-Torrance | 简单，不考虑高度相关 | 早期模型 | 已过时，不推荐 |
| Kelemen | 与Smith类似，更平滑 | 艺术风格化渲染 | 小众，但效果不错 |
我个人在项目中90%的情况都用Smith GGX。它和GGX法线分布函数是“天生一对”，物理一致性最好。只有在性能吃紧的时候，我才换成Schlick近似。
避坑指南：我曾经在实现Smith G项时，忘了对NdotV做clamp处理。结果在掠射角附近，NdotV接近0，G项分母出现极小值，导致整个BRDF爆炸。后来我养成了习惯：所有点积结果先clamp到[0.001, 1.0]再参与计算。