基于模糊度的自适应性抽样算法

【摘要】：基于蒙特卡罗积分技术的整体光照计算是合成高质量、物理真实感图像的主要途径,其中的第一个关键环节就是所谓的像素抽样,即如何在图像平面的每个像素内抽取适当的位置实施整体光照计算、进而得到生成图像。本文针对常用的随机像素抽样导致生成图像随机噪声大的缺点,提出一个新的抽样算法——基于模糊度的自适应性抽样。算法在路径跟踪算法的基础上,改善像素的抽样策略,将像素内部所有抽样的光照计算结果视为一模糊集,通过对于模糊集合模糊度的计算,衡量像素的抽样质量,再根据抽样质量来决定是否增加抽样,达到在给定计算开销的前提下降低生成图像噪声的目的。 基于模糊度的自适应性抽样算法基于这样一种事实,对于一幅生成图像,针对其中某些像素的蒙特卡罗整体光照计算收敛速度较快、即只需少量抽样数目既能得到较准确的光照值,而对于另外一些像素则需较大的抽样和计算量才能计算出准确值。采用普通方法时,对所有像素都采用统一的抽样量,当总体抽样量较小时生成图像随机噪声较大,但总体抽样量较大时又会导致计算资源的浪费。新算法在抽样时,对每个像素计算模糊度来表征抽样质量,仅对于质量不好的像素采用较大的抽样量,从而在给定的总抽样量下,根据模糊度的计算,可以达到在整幅图像上合理分配抽样量的目的。