TiredInkRaven

摘要： 開篇 這個章節(jié)會展示實時圖形的核心組件，即圖形渲染管線（Graphics Rendering Pipeline）或“管線”。管線的主要功能是在給定一個虛擬相機(jī)、一些三維物體、一些光源等條件下，生成或繪制一張二維圖像，下圖描述了使用管線的過程。 物體的位置和形狀是由它們的幾何、環(huán)境的特征、相機(jī)在環(huán)境中 閱讀全文

摘要： 開篇 實時渲染涉及在計算機(jī)上快速地生成圖像，它是計算機(jī)圖形學(xué)中最高交互性的領(lǐng)域。一張圖像出現(xiàn)在屏幕上，觀察者會行動或反應(yīng)，這些反饋接著會影響后續(xù)要生成的圖像。這種反應(yīng)和渲染的循環(huán)發(fā)生在足夠快的速率，讓觀察者看不到單獨的圖像，而是沉浸于一個動態(tài)的過程中。 圖像被顯示的速率是用每秒幀數(shù)（FPS）或赫茲（ 閱讀全文

摘要： 開篇 雖然所有的渲染在某種程度上都是“基于物理”的。但是在實踐中，“基于物理”意味著嚴(yán)格遵循物理模型，而不是“基于現(xiàn)象”，前者可以啟發(fā)式地捕捉主觀的感知特征，比如用經(jīng)驗公式把高光放在“正確”的地方。這章覆蓋了基于物理的高級渲染，定義了領(lǐng)域中使用的單位和術(shù)語，此外還提供了一個可以非常緩慢地生成非常精確 閱讀全文

摘要： 開篇 某些數(shù)據(jù)結(jié)構(gòu)經(jīng)常在圖形應(yīng)用中出現(xiàn)，也許是因為它們能處理一些底層的基本想法，例如表面、空間和場景結(jié)構(gòu)。這章將探討圖形數(shù)據(jù)結(jié)構(gòu)中一些不相關(guān)的而且很基礎(chǔ)的并且最實用的一些類別，這些類別主要有網(wǎng)格結(jié)構(gòu)、空間數(shù)據(jù)結(jié)構(gòu)、場景圖、分塊多維數(shù)組。 對于網(wǎng)格來說，我們將討論一些基礎(chǔ)的存儲方案，用于存儲靜態(tài)網(wǎng)格或 閱讀全文

摘要： 開篇 當(dāng)嘗試復(fù)制現(xiàn)實世界的外觀時，你可能會意識到幾乎任何表面都有特征。比如樹木上的紋路、皮膚上的皺紋、衣物上的編制結(jié)構(gòu)、油畫上刷子的痕跡，甚至是光滑的塑料上都有一些凹凸，還有那些光滑的金屬也會展現(xiàn)一些機(jī)械加工的痕跡。 在計算機(jī)圖形學(xué)中，我們稱這些為“空間變化的表面屬性”，即不會顯著地改變表面的形狀并 閱讀全文

摘要： 開篇 在圖形學(xué)中，我們通常會處理連續(xù)變量的函數(shù)，比如圖像就是這樣的例子。但是隨著越來越深入地學(xué)習(xí)，會遇到更多這樣的函數(shù)。連續(xù)函數(shù)的本質(zhì)導(dǎo)致它們不能直接在計算機(jī)中被表示，我們只能用有限數(shù)量的比特位來表示它們。最好用之一的方法是用函數(shù)的采樣（Sample）來表示連續(xù)函數(shù)，即存儲函數(shù)在不同點的值，然后在需 閱讀全文

摘要： 開篇 前幾個章節(jié)為第二種也就是基于物體順序的渲染搭好了數(shù)學(xué)的腳手架，稍微回顧一下之前的內(nèi)容，和基于像素順序的渲染不同的是，基于物體順序的渲染以幾何物體為中心，為每個幾何物體找到它能影響的像素。為每個幾何物體找到它所占據(jù)的圖像上的像素的過程就叫做光柵化（Rasterization），因此基于物體順序的 閱讀全文

摘要： 開篇 上一章主要講了使用變換矩陣和改變坐標(biāo)系統(tǒng)。有一個次重要的一點就是使用矩陣在物體的三維位置和物體在二維視圖的位置之間進(jìn)行變換。其中三維到二維的映射叫做視圖變換（Viewing Transformation），這種映射在物體順序渲染中很重要，因為這種渲染方式需要我們快速地為場景中的每個物體找到它在 閱讀全文

摘要： 開篇 線性代數(shù)的機(jī)制可以被用來表達(dá)排布三維場景中的物體、使用相機(jī)觀察物體、在屏幕上看到物體所需要的許多操作。幾何變換（Geometric Transformation）例如旋轉(zhuǎn)、平移、縮放、投影都可以通過與矩陣相乘來得到，變換矩陣（Transformation Matrices）就是這章的話題。 二 閱讀全文

摘要： 開篇 也許，圖形程序中最通用的的工具就是那些用來變換（Transform）點和向量的矩陣，這章主要講的是線性代數(shù)的基礎(chǔ)知識。 行列式（Determinants） 我們一般可能會想行列式會在線性方程組的解中出現(xiàn)，不過可以先以向量相乘的方式來思考行列式。對于二維向量來說，行列式\(|\mathbf{a} 閱讀全文