第5章：高级着色技术

章节概述

本章深入探讨计算机图形学中的高级着色技术。我们将从插值技术的数学基础开始，深入理解GPU如何在三角形内部进行属性插值。随后，我们将探索高级纹理映射技术，包括MIP映射、各向异性过滤等现代GPU技术。最后，我们将学习程序化纹理生成和着色器优化技术，为实现高性能渲染打下基础。

学习目标

• 掌握透视正确插值的数学原理
• 理解高级纹理映射技术的实现细节
• 学会设计和优化程序化纹理
• 掌握着色器性能优化的关键技术

5.1 插值技术详解

5.1.1 重心坐标系

在三角形内部进行插值是光栅化的核心操作。对于三角形ABC和内部点P，重心坐标$(u, v, w)$定义为：

$$P = u \cdot A + v \cdot B + w \cdot C$$ 其中 $u + v + w = 1$。

几何意义

重心坐标具有直观的几何解释：

• $u$表示点P到边BC的"相对距离"
• 当$u=1$时，P位于顶点A；当$u=0$时，P位于边BC上
• 重心坐标在仿射变换下保持不变

重心坐标的物理意义可以理解为质点系统：如果在三个顶点分别放置质量$u$、$v$、$w$的质点，则系统的质心恰好位于点P。这解释了"重心"这一名称的由来。

凸性条件

点P在三角形内部的充要条件是： $$u \geq 0, \quad v \geq 0, \quad w \geq 0$$ 当某个坐标为0时，P位于对应顶点的对边上；当两个坐标为0时，P位于相应的顶点上。

计算方法

方法1：面积比 $$u = \frac{\text{Area}(PBC)}{\text{Area}(ABC)}, \quad v = \frac{\text{Area}(APC)}{\text{Area}(ABC)}, \quad w = \frac{\text{Area}(ABP)}{\text{Area}(ABC)}$$ 面积计算使用叉积：对于2D三角形ABC，其有向面积为： $$\text{Area}(ABC) = \frac{1}{2}(B_x - A_x)(C_y - A_y) - (C_x - A_x)(B_y - A_y)$$ 方法2：叉积形式

对于2D情况： $$u = \frac{(B-P) \times (C-P)}{(B-A) \times (C-A)}$$ 这里的叉积理解为2D伪叉积：$(x_1, y_1) \times (x_2, y_2) = x_1y_2 - y_1x_2$

对于3D情况，需要投影到合适的平面： $$u = \frac{|(B-P) \times (C-P) \cdot \mathbf{n}|}{|(B-A) \times (C-A) \cdot \mathbf{n}|}$$ 其中$\mathbf{n}$是三角形法向量。投影的选择原则：

• 选择投影后三角形面积最大的平面
• 通常选择法向量最大分量对应的坐标平面
• 例如：若$|n_z|$最大，则投影到XY平面

方法3：直接求解线性系统

设$P = (p_x, p_y)$，可以建立方程： $$\begin{pmatrix} a_x & b_x & c_x \ a_y & b_y & c_y \ 1 & 1 & 1 \end{pmatrix} \begin{pmatrix} u \ v \ w \end{pmatrix} = \begin{pmatrix} p_x \ p_y \ 1 \end{pmatrix}$$ 使用Cramer法则求解： $$u = \frac{\begin{vmatrix} p_x & b_x & c_x \ p_y & b_y & c_y \ 1 & 1 & 1 \end{vmatrix}}{\begin{vmatrix} a_x & b_x & c_x \ a_y & b_y & c_y \ 1 & 1 & 1 \end{vmatrix}}$$

数值稳定性

在实际实现中，需要考虑：

1. 退化情况：当三角形接近共线时，分母接近0 - 检测条件：$|\text{Area}(ABC)| < \epsilon$ - 处理方法：退化为线段或点的插值 - 阈值选择：通常$\epsilon = 10^{-6}$（相对于三角形包围盒）

2. 精度问题：使用double精度计算中间结果 - 累积误差控制：避免连续的浮点运算 - 中间结果规范化：防止数值溢出 - 关键运算（如除法）前检查分母

3. 边界处理：$u, v, w \in [0, 1]$的严格判断 - 使用容差：$-\epsilon \leq u, v, w \leq 1 + \epsilon$ - 边界夹紧：$u = \text{clamp}(u, 0, 1)$ - 重新归一化：确保$u + v + w = 1$

优化实现

对于光栅化中的大量计算，可以使用增量算法： $$u(x+1, y) = u(x, y) + \Delta u_x$$ $$u(x, y+1) = u(x, y) + \Delta u_y$$ 其中$\Delta u_x$和$\Delta u_y$是常数，可预计算：

边函数方法： 定义边函数$E_{AB}(x, y) = (y_A - y_B)x + (x_B - x_A)y + x_A y_B - x_B y_A$

则：

• $\Delta E_{AB,x} = y_A - y_B$（x方向增量）
• $\Delta E_{AB,y} = x_B - x_A$（y方向增量）

重心坐标通过边函数计算： $$u = \frac{E_{BC}(x, y)}{E_{BC}(x_A, y_A)}$$ 并行化策略：

• SIMD处理：同时计算多个像素的重心坐标
• 层次遍历：先判断像素块，再处理内部像素
• 预计算边界：利用包围盒减少无效计算

5.1.2 透视正确插值

屏幕空间的线性插值在透视投影下会产生错误。这是因为透视投影是非线性变换，破坏了属性的线性关系。

问题的本质

考虑世界空间中的线段，其属性（如纹理坐标）线性变化。经过透视投影后：

1. 空间位置被非线性压缩
2. 但屏幕空间的光栅化假设线性插值
3. 导致属性插值出现扭曲

直观例子： 想象一条铁轨向远处延伸。铁轨枕木在世界空间中等距分布，但在屏幕空间中，远处的枕木间距明显变小。如果使用屏幕空间线性插值，会错误地认为远处枕木更密集。

数学表示： 设世界空间参数$t \in [0,1]$，屏幕空间参数$s \in [0,1]$，它们的关系为： $$s = \frac{t/z_0}{t/z_0 + (1-t)/z_1}$$ 这是一个有理函数，而非线性关系。

数学推导

设顶点属性为$\phi_0, \phi_1, \phi_2$，视空间深度为$z_0, z_1, z_2$。

关键观察：在齐次坐标系中，属性$\phi/w$（其中$w=z$）保持线性。

推导步骤：

1. 齐次空间的线性插值： $$\left(\frac{\phi}{z}\right)_p = u\frac{\phi_0}{z_0} + v\frac{\phi_1}{z_1} + w\frac{\phi_2}{z_2}$$

2. 深度的倒数也线性插值： $$\frac{1}{z_p} = u\frac{1}{z_0} + v\frac{1}{z_1} + w\frac{1}{z_2}$$

3. 恢复原始属性： $$\phi_p = \frac{\left(\frac{\phi}{z}\right)_p}{\frac{1}{z_p}} = \frac{u\frac{\phi_0}{z_0} + v\frac{\phi_1}{z_1} + w\frac{\phi_2}{z_2}}{u\frac{1}{z_0} + v\frac{1}{z_1} + w\frac{1}{z_2}}$$

实现细节

硬件透视校正流程：

1. 顶点处理阶段： - 所有属性自动除以$w$（齐次坐标的第四分量） - 额外输出$1/w$作为独立属性 - 硬件自动完成，无需手动干预

2. 光栅化阶段： - 对$\phi/w$和$1/w$进行屏幕空间线性插值 - 使用重心坐标作为插值权重 - 硬件插值器并行处理多个属性

3. 片元处理阶段： - 执行透视除法：$\phi = (\phi/w) / (1/w)$ - 现代GPU在片元着色器前自动完成 - 程序员看到的已是正确的属性值

特殊情况处理：

// 需要屏幕空间导数的计算
vec2 dx = dFdx(texcoord);  // 硬件自动处理透视校正
vec2 dy = dFdy(texcoord);  // 用于MIP级别计算

性能优化

1. 预计算优化：在顶点着色器计算$1/z$，避免片元着色器除法

2. 向量化：同时处理多个属性的透视校正 - 打包相关属性到vec4 - 利用硬件的4-wide SIMD单元 - 减少插值器使用数量

3. 精度控制：关键计算使用highp精度 - 位置和深度：始终使用highp - 纹理坐标：通常mediump足够 - 颜色值：可使用lowp（8位/通道）

特殊情况

屏幕空间属性：某些属性（如屏幕空间导数）不需要透视校正，使用noperspective限定符：

noperspective out vec2 screen_coord;

常见错误案例：

• 法线插值：需要先归一化再插值
• 错误：直接插值未归一化的法线

• 正确：插值后重新归一化，或使用四元数插值

• 颜色插值：线性颜色空间vs sRGB空间

• 线性空间插值产生正确的中间色

• sRGB空间插值会偏暗

• 切线空间：需要保持正交性

• 使用Gram-Schmidt正交化
• 或传递完整的TBN矩阵

5.1.3 属性插值的硬件实现

现代GPU使用专门的插值器硬件，这是固定功能管线的关键组件之一。

插值模式详解

1. flat shading: - 使用provoking vertex（通常是最后一个顶点）的属性值 - 整个三角形使用同一值，无插值计算 - 适用于：图元ID、材质索引等离散属性

2. smooth shading: - 执行完整的透视正确插值 - 默认模式，适用于大多数属性 - 硬件自动处理$1/w$的计算和恢复

3. noperspective: - 屏幕空间线性插值，跳过透视校正 - 适用于：屏幕空间效果、后处理坐标 - 性能更高但可能产生透视失真

4. centroid sampling: - 在MSAA情况下，确保采样点在三角形内部 - 避免边缘artifacts但可能影响导数计算

硬件架构

参数缓存：

• 存储三角形的插值参数（梯度、起始值）
• 典型大小：32-64个三角形
• LRU替换策略

插值管线：

顶点属性 → 参数计算 → 参数缓存 → 片元插值 → 属性输出
           ↓                      ↑
      梯度计算单元            扫描线生成器

增量算法实现

对于属性$\phi$在屏幕坐标$(x,y)$的值： $$\phi(x,y) = \phi_0 + \frac{\partial \phi}{\partial x}(x-x_0) + \frac{\partial \phi}{\partial y}(y-y_0)$$ 梯度计算： $$\frac{\partial \phi}{\partial x} = \frac{(\phi_1 - \phi_0)(y_2 - y_0) - (\phi_2 - \phi_0)(y_1 - y_0)}{(x_1 - x_0)(y_2 - y_0) - (x_2 - x_0)(y_1 - y_0)}$$ 扫描线遍历优化：

// 沿扫描线的增量
for (x = x_start; x <= x_end; x++) {
    phi += dphi_dx;
    inv_w += dinv_w_dx;
}
// 换行时的调整
phi_row += dphi_dy;
inv_w_row += dinv_w_dy;

SIMD并行策略

2×2 Quad并行：

• GPU以2×2像素块（quad）为单位处理
• 便于计算屏幕空间导数
• 共享插值参数，减少带宽

导数计算： $$\frac{\partial \phi}{\partial x} \approx \phi_{x+1,y} - \phi_{x,y}$$ $$\frac{\partial \phi}{\partial y} \approx \phi_{x,y+1} - \phi_{x,y}$$

精度与性能权衡

定点数优化：

• 屏幕坐标使用定点数（如16.8格式）
• 避免浮点累积误差
• 提高遍历精度

属性压缩：

• 16位浮点用于颜色、纹理坐标
• 32位浮点用于位置、深度
• 打包多个小属性到单个寄存器

缓存优化策略：

1. 顶点缓存：避免重复变换
2. 参数缓存：重用三角形设置
3. 纹理缓存：利用2D局部性

5.1.4 高阶插值

线性插值可能不足以表示复杂的属性变化，特别是在曲面渲染和高质量着色中。

二次插值

Bézier三角形表示： 对于二次Bézier三角形，使用6个控制点： $$\phi(u,v,w) = \sum_{i+j+k=2} \binom{2}{i,j,k} u^i v^j w^k \phi_{ijk}$$ 其中$\binom{2}{i,j,k} = \frac{2!}{i!j!k!}$是多项式系数。

展开形式： $$\phi(u,v,w) = u^2\phi_{200} + v^2\phi_{020} + w^2\phi_{002} + 2uv\phi_{110} + 2vw\phi_{011} + 2uw\phi_{101}$$ 控制点布局：

      φ200
     /    \
  φ110    φ101
   /        \
φ020--φ011--φ002

三次插值

PN三角形（Point-Normal Triangles）： 用于几何细分和光滑表面：

1. 几何控制点： $$b_{ijk} = \frac{i\mathbf{P}_1 + j\mathbf{P}_2 + k\mathbf{P}_3}{3} + \frac{ij}{3}\mathbf{w}_{12} + \frac{jk}{3}\mathbf{w}_{23} + \frac{ki}{3}\mathbf{w}_{31}$$ 其中$\mathbf{w}_{ij}$是修正向量。

2. 法线插值： 使用二次插值保证$C^1$连续性

有理插值

NURBS三角形： $$\phi(u,v,w) = \frac{\sum_{i+j+k=n} w_{ijk} \phi_{ijk} B_{ijk}^n(u,v,w)}{\sum_{i+j+k=n} w_{ijk} B_{ijk}^n(u,v,w)}$$ 其中$w_{ijk}$是权重，$B_{ijk}^n$是Bernstein基函数。

自适应插值

误差驱动细分： 根据插值误差动态选择插值阶数： $$E = \max_{\mathbf{p} \in T} |\phi_{linear}(\mathbf{p}) - \phi_{exact}(\mathbf{p})|$$ 当$E > \epsilon$时，使用高阶插值或细分三角形。

实现考虑

存储开销：

• 线性：3个系数
• 二次：6个系数
• 三次：10个系数

计算复杂度：

• 线性：3次乘法，2次加法
• 二次：6次乘法，5次加法，3次平方
• 三次：10次乘法，9次加法，需要立方计算

硬件支持：

• 现代GPU主要支持线性插值
• 高阶插值通过着色器实现
• 曲面细分着色器提供硬件加速

应用场景：

1. 位移贴图：需要平滑的几何变化
2. 法线插值：避免Gouraud着色的棱角
3. 程序化纹理：平滑的参数变化

5.2 高级纹理映射

纹理映射是计算机图形学中增加表面细节的核心技术。本节深入探讨高级纹理技术，包括坐标生成、过滤算法、压缩格式等现代GPU的关键特性。

5.2.1 纹理坐标的生成与变换

纹理坐标是将二维图像映射到三维几何体的桥梁。不同的生成方法适用于不同的几何形状和应用场景。

参数化映射

UV展开算法：

1. 保角映射（Conformal Mapping）： - 保持局部角度，适合纹理绘制 - 使用复变函数理论：$f: \mathbb{C} \to \mathbb{C}$ - 满足Cauchy-Riemann方程：$\frac{\partial u}{\partial x} = \frac{\partial v}{\partial y}$, $\frac{\partial u}{\partial y} = -\frac{\partial v}{\partial x}$ - 优点：无角度扭曲，适合法线贴图 - 缺点：可能产生较大的面积扭曲

2. 保面积映射（Area-Preserving）： - 保持三角形面积比 - 优化目标：$\min \sum_T \left(\frac{A_{3D}}{A_{2D}} - 1\right)^2$ - 雅可比行列式约束：$\det(\mathbf{J}) = 1$ - 应用：纹理密度均匀分布

3. LSCM（Least Squares Conformal Maps）： - 最小二乘保角映射 - 线性系统求解，适合大规模网格 - 能量函数：$E = \sum_T A_T \cdot ||\nabla u + i\nabla v||^2$ - 边界条件：固定边界或自由边界

4. ABF（Angle Based Flattening）： - 基于角度的展开方法 - 保持三角形内角和 - 非线性优化，质量更高

投影映射

平面投影： $$u = \frac{(\mathbf{p} - \mathbf{o}) \cdot \mathbf{u}_{axis}}{scale_u}$$ $$v = \frac{(\mathbf{p} - \mathbf{o}) \cdot \mathbf{v}_{axis}}{scale_v}$$ 应用场景：

• 地形纹理（从上方投影）
• 贴花系统（任意方向投影）
• 阴影贴图（从光源投影）

圆柱投影： $$u = \frac{1}{2\pi} \arctan2(y, x) + 0.5$$ $$v = \frac{z - z_{min}}{z_{max} - z_{min}}$$ 接缝处理：

• 在$u = 0$和$u = 1$处复制顶点
• 或使用纹理的wrap模式

球面投影： $$u = \frac{1}{2\pi} \arctan2(y, x) + 0.5$$ $$v = \frac{1}{\pi} \arccos\left(\frac{z}{|\mathbf{r}|}\right)$$ 奇异点处理：

• 北极：$v = 0$时，$u$不确定
• 南极：$v = 1$时，$u$不确定
• 解决方案：在极点处复制顶点，赋予不同的$u$值

立方体投影优化： 避免三角函数的快速方法： $$u = 0.5 + 0.5 \times \frac{-d_z}{|d_x|}$$（对于+X面）

环境映射

立方体贴图（Cube Mapping）：

1. 面选择： ``` absX = |direction.x| absY = |direction.y| absZ = |direction.z|

if (absX >= absY && absX >= absZ) { face = (direction.x > 0) ? +X : -X } // 类似处理Y和Z ```

2. 坐标计算： 对于+X面： $$u = 0.5 \times \left(1 + \frac{-direction.z}{direction.x}\right)$$ $$v = 0.5 \times \left(1 + \frac{-direction.y}{direction.x}\right)$$ 球面环境贴图：

• Equirectangular：直接使用球面坐标
• Dual-Paraboloid：两个抛物面覆盖全球

动态纹理坐标生成

三平面映射（Triplanar Mapping）：

vec3 blendWeights = abs(normal);
blendWeights = normalize(max(blendWeights, 0.00001));

vec3 xaxis = texture(tex, position.yz) * blendWeights.x;
vec3 yaxis = texture(tex, position.xz) * blendWeights.y;
vec3 zaxis = texture(tex, position.xy) * blendWeights.z;

return xaxis + yaxis + zaxis;

投影纹理： 从光源视角投影： $$\mathbf{uv} = \frac{1}{2} + \frac{1}{2} \times \frac{\mathbf{P}_{light}}{w_{light}}$$

纹理坐标变换

仿射变换： $$\begin{pmatrix} u' \ v' \end{pmatrix} = \begin{pmatrix} a & b \ c & d \end{pmatrix} \begin{pmatrix} u \ v \end{pmatrix} + \begin{pmatrix} t_x \ t_y \end{pmatrix}$$ 透视变换： $$u' = \frac{au + bv + c}{gu + hv + 1}$$ $$v' = \frac{du + ev + f}{gu + hv + 1}$$

5.2.2 MIP映射原理

MIP（Multum In Parvo，"多在小中"）映射是解决纹理走样的核心技术。它通过预计算不同分辨率的纹理金字塔，在渲染时选择合适的级别。

走样问题分析

欠采样（Undersampling）：

• 当纹理频率超过Nyquist频率时发生
• 产生摩尔纹、闪烁等artifacts
• 根本原因：屏幕像素覆盖多个纹素

Nyquist-Shannon采样定理： 要完整重建信号，采样频率必须至少是信号最高频率的两倍： $$f_s \geq 2f_{max}$$ 在纹理映射中：

• $f_s$：屏幕采样率（像素密度）
• $f_{max}$：纹理中的最高频率成分

过采样（Oversampling）：

• 浪费带宽和计算资源
• 可能导致纹理缓存效率低下
• 但不会产生视觉artifacts

MIP级别计算

屏幕空间导数： 使用雅可比矩阵计算纹理坐标的变化率： $$\mathbf{J} = \begin{pmatrix} \frac{\partial u}{\partial x} & \frac{\partial u}{\partial y} \ \frac{\partial v}{\partial x} & \frac{\partial v}{\partial y} \end{pmatrix}$$ 像素覆盖区域估计：

1. 各向同性估计（标准MIP）： $$\rho = \max\left(||\mathbf{J} \cdot (1, 0)^T||, ||\mathbf{J} \cdot (0, 1)^T||\right)$$ 展开形式： $$\rho = \max\left(\sqrt{\left(\frac{\partial u}{\partial x}\right)^2 + \left(\frac{\partial v}{\partial x}\right)^2}, \sqrt{\left(\frac{\partial u}{\partial y}\right)^2 + \left(\frac{\partial v}{\partial y}\right)^2}\right)$$

2. 完整LOD计算： $$\text{LOD} = \log_2(\rho \cdot \text{textureSize})$$ 直观理解：如果一个屏幕像素覆盖了$2^n$个纹素，应该使用第$n$级MIP。

3. LOD偏移与约束： $$\text{LOD}_{final} = \text{clamp}(\text{LOD} + \text{bias}, \text{minLOD}, \text{maxLOD})$$

• bias：艺术家控制，负值更清晰，正值更模糊
• minLOD/maxLOD：限制MIP范围，控制内存使用

MIP金字塔生成

滤波核选择：

1. 简单平均（Box Filter）： $$\text{MIP}_{i+1}(x,y) = \frac{1}{4}\sum_{dx,dy \in {0,1}} \text{MIP}_i(2x+dx, 2y+dy)$$

2. 高斯滤波： $$w(x,y) = \frac{1}{2\pi\sigma^2} e^{-\frac{x^2+y^2}{2\sigma^2}}$$

3. Lanczos滤波： $$L(x) = \begin{cases} \text{sinc}(x) \cdot \text{sinc}(x/a) & |x| < a \ 0 & \text{otherwise} \end{cases}$$ 边界处理：

• Clamp: 防止越界采样
• Wrap: 周期性纹理
• Mirror: 镜像反射

三线性过滤

在两个MIP级别之间进行线性插值： $$\text{color} = (1-\alpha) \cdot \text{sample}(\lfloor\text{LOD}\rfloor, u, v) + \alpha \cdot \text{sample}(\lceil\text{LOD}\rceil, u, v)$$ 其中$\alpha = \text{fract}(\text{LOD})$。

导数计算优化

显式导数传递：

vec4 textureGrad(sampler2D tex, vec2 uv, vec2 dPdx, vec2 dPdy)

自动导数计算： GPU在2×2 quad内使用差分： $$\frac{\partial f}{\partial x} \approx f(x+1, y) - f(x, y)$$

存储优化

内存占用： 完整MIP链增加约33%的存储： $$\text{Total} = \text{Base} \times \sum_{i=0}^{\infty} \frac{1}{4^i} = \frac{4}{3} \times \text{Base}$$ 紧凑布局：

+--------+----+--+-+
| Level0 | L1 |L2|3|
|        +----+--+-+
|        | L1 |L2|3|
+--------+----+--+-+

5.2.3 各向异性过滤

各向异性过滤解决了标准MIP映射在倾斜视角下的模糊问题。当纹理在不同方向上拉伸程度不同时，各向同性的MIP滤波会过度模糊。

像素足迹分析

像素在纹理空间的投影： 屏幕像素在纹理空间形成一个近似椭圆的区域。

雅可比矩阵： $$\mathbf{J} = \begin{pmatrix} \frac{\partial u}{\partial x} & \frac{\partial u}{\partial y} \ \frac{\partial v}{\partial x} & \frac{\partial v}{\partial y} \end{pmatrix}$$ 形状矩阵： $$\mathbf{M} = \mathbf{J}^T \mathbf{J} = \begin{pmatrix} E & F \ F & G \end{pmatrix}$$ 其中：

• $E = \left(\frac{\partial u}{\partial x}\right)^2 + \left(\frac{\partial v}{\partial x}\right)^2$
• $F = \frac{\partial u}{\partial x}\frac{\partial u}{\partial y} + \frac{\partial v}{\partial x}\frac{\partial v}{\partial y}$
• $G = \left(\frac{\partial u}{\partial y}\right)^2 + \left(\frac{\partial v}{\partial y}\right)^2$

椭圆参数计算

特征值分解： $$\lambda_{1,2} = \frac{E + G \pm \sqrt{(E-G)^2 + 4F^2}}{2}$$ 椭圆主轴：

• 长轴：$a = \sqrt{\lambda_{max}}$
• 短轴：$b = \sqrt{\lambda_{min}}$
• 旋转角：$\theta = \frac{1}{2}\arctan\left(\frac{2F}{E-G}\right)$

各向异性比： $$r = \frac{a}{b} = \sqrt{\frac{\lambda_{max}}{\lambda_{min}}}$$

EWA过滤器

椭圆加权平均（EWA）： $$c = \frac{\sum_{(s,t) \in E} w(s,t) \cdot \text{texture}(s,t)}{\sum_{(s,t) \in E} w(s,t)}$$ 高斯权重函数： $$w(s,t) = \exp\left(-\frac{1}{2}(s,t)\mathbf{M}^{-1}(s,t)^T\right)$$

实现方法

1. Ripmap： - 存储各种宽高比的预滤波纹理 - 内存开销：原始纹理的4倍 - 索引：$(\log_2(width), \log_2(height))$

2. 多采样近似：

vec4 anisotropicSample(sampler2D tex, vec2 uv, vec2 ddx, vec2 ddy) {
    float maxAniso = 16.0;

    // 计算各向异性方向
    vec2 dx = ddx * textureSize(tex, 0);
    vec2 dy = ddy * textureSize(tex, 0);
    float px = dot(dx, dx);
    float py = dot(dy, dy);

    float maxLod = 0.5 * log2(max(px, py));
    float minLod = 0.5 * log2(min(px, py));

    float anisoRatio = min(2.0 * (maxLod - minLod), log2(maxAniso));
    float samples = exp2(anisoRatio);

    // 沿主轴采样
    vec2 majorAxis = (px > py) ? normalize(ddx) : normalize(ddy);
    vec4 color = vec4(0.0);

    for (float i = 0; i < samples; i++) {
        float t = (i + 0.5) / samples - 0.5;
        vec2 offset = t * majorAxis * length(ddx + ddy);
        color += textureLod(tex, uv + offset, minLod);
    }

    return color / samples;
}

3. 硬件实现策略： - 限制最大采样数（通常8x或8x） - 使用查找表加速三角函数 - 缓存友好的采样模式

性能与质量权衡

自适应采样：

• 根据各向异性比动态调整采样数
• 远处物体使用较少采样
• 近处倾斜表面增加采样

LOD偏移优化： $$\text{LOD}_{aniso} = \text{LOD}_{iso} - \frac{1}{2}\log_2(\text{samples})$$

5.2.4 纹理压缩技术

纹理压缩是平衡内存占用和视觉质量的关键技术。现代GPU在硬件级别支持实时解压。

块压缩原理

基本思想：

• 将纹理分成4×4的块
• 每块独立压缩，便于随机访问
• 利用块内颜色相关性

BC1/DXT1格式

数据结构（每块64位）：

color0: 16 bits (R5G6B5)
color1: 16 bits (R5G6B5)
indices: 32 bits (2 bits × 16 pixels)

颜色插值规则： 当color0 > color1：

• $c_0 = color0$
• $c_1 = color1$
• $c_2 = \frac{2}{3}c_0 + \frac{1}{3}c_1$
• $c_3 = \frac{1}{3}c_0 + \frac{2}{3}c_1$

当color0 ≤ color1（透明模式）：

• $c_0 = color0$
• $c_1 = color1$
• $c_2 = \frac{1}{2}c_0 + \frac{1}{2}c_1$
• $c_3 = $ 透明/黑色

压缩比：$\frac{16 \times 24}{64} = 6:1$

BC7/BPTC格式

高级特性：

• 8种压缩模式
• 每块128位
• 支持完整Alpha通道
• 适合高质量贴图

模式选择策略：

Mode 0: 3 subsets, 4-bit endpoints
Mode 1: 2 subsets, 6-bit endpoints
Mode 2: 3 subsets, 5-bit endpoints
...
Mode 7: 2 subsets, 5-bit RGBA

分区模式： 将块分为多个子集，每个子集独立插值： $$c = \sum_{i} w_i \cdot endpoint_i$$

ASTC格式

灵活块大小：

• 从4×4到8×8、甚至12×12
• 可变压缩率：8 bpp切0.89 bpp
• 支持HDR

编码原理：

1. 颜色端点编码：使用BISE（Bounded Integer Sequence Encoding）
2. 权重编码：量化到3、5、7位等
3. 分区模式：支持1-4个分区

纹理压缩选择策略

根据内容类型：

1. 漫反射贴图： - BC1/DXT1：一般质量足够 - BC7：高质量需求

2. 法线贴图： - BC5：两通道，适合存储XY - 重建Z：$z = \sqrt{1 - x^2 - y^2}$

3. HDR纹理： - BC6H：半精度浮点 - ASTC HDR模式

性能考虑：

缓存命中率 ∝ 1/压缩后大小
带宽需求 = 采样率 × 压缩后大小

实时压缩优化

快速编码算法：

1. PCA颜色选择：使用主成分分析选择端点
2. 误差度量：$E = \sum_{i} ||c_i - \hat{c}_i||^2$
3. 快速模式决策：基于块的统计特性

GPU加速编码：

• 并行处理多个块
• 使用计算着色器
• 实时纹理流

5.2.5 虚拟纹理

虚拟纹理系统的页表管理： $$\text{PhysicalAddr} = \text{PageTable}[\text{VirtualPage}] + \text{PageOffset}$$ 缺页处理的优先级计算： $$\text{Priority} = \frac{\text{ScreenCoverage}}{\text{LOD}^2}$$

5.3 程序化纹理与着色器优化

5.3.1 噪声函数

Perlin噪声的构造：

1. 梯度场生成：在整数格点随机分配梯度向量
2. 插值计算： $$n(x,y,z) = \sum_{i,j,k \in {0,1}} w_i w_j w_k \cdot \mathbf{g}_{ijk} \cdot (x-x_{ijk}, y-y_{ijk}, z-z_{ijk})$$ 其中$w_i = \text{fade}(x - \lfloor x \rfloor)$，fade函数： $$\text{fade}(t) = 6t^5 - 15t^4 + 10t^3$$

5.3.2 分形纹理

fBm (Fractional Brownian Motion)： $$f(x) = \sum_{i=0}^{n} \frac{\text{noise}(2^i x)}{2^i}$$ Turbulence函数： $$t(x) = \sum_{i=0}^{n} \frac{|\text{noise}(2^i x)|}{2^i}$$

5.3.3 着色器优化技术

算术强度优化：

• 使用MAD指令：$a \times b + c$
• 向量化操作：同时处理RGBA
• 常量折叠：预计算静态表达式

纹理带宽优化：

• 纹理打包：将多个灰度纹理合并到RGBA通道
• 纹理图集：减少绑定切换
• 压缩格式选择：根据内容特性选择

分支优化： 动态分支的成本模型： $$\text{Cost} = p \cdot C_{\text{true}} + (1-p) \cdot C_{\text{false}} + C_{\text{divergence}}$$ 优化策略：

• 使用条件赋值代替分支
• 静态分支：使用uniform变量
• 动态分支合并：相似分支路径

5.3.4 计算着色器优化

工作组大小优化： 占用率计算： $$\text{Occupancy} = \frac{\text{ActiveWarps}}{\text{MaxWarps}}$$ 影响因素：

• 寄存器使用量
• 共享内存使用量
• 工作组大小

内存访问模式：

• Coalesced访问：连续线程访问连续地址
• Bank冲突避免：共享内存的步长访问
• 纹理缓存利用：2D局部性

本章小结

本章深入探讨了高级着色技术的核心概念：

关键公式回顾

1. 透视正确插值： $$\phi = \frac{u\frac{\phi_0}{z_0} + v\frac{\phi_1}{z_1} + w\frac{\phi_2}{z_2}}{u\frac{1}{z_0} + v\frac{1}{z_1} + w\frac{1}{z_2}}$$

2. MIP级别计算： $$\text{LOD} = \log_2(\max(||\frac{\partial \mathbf{u}}{\partial x}||, ||\frac{\partial \mathbf{u}}{\partial y}||) \cdot \text{textureSize})$$

3. Perlin噪声fade函数： $$\text{fade}(t) = 6t^5 - 15t^4 + 10t^3$$

4. fBm分形： $$f(x) = \sum_{i=0}^{n} \frac{\text{noise}(2^i x)}{2^i}$$

核心概念

• 插值技术：重心坐标、透视校正、硬件实现
• 纹理映射：MIP映射、各向异性过滤、虚拟纹理
• 程序化纹理：噪声函数、分形、优化技术
• 性能优化：算术强度、内存访问、分支预测

练习题

基础题

练习5.1：重心坐标计算 给定三角形顶点$A(0,0)$，$B(4,0)$，$C(2,3)$和点$P(2,1)$，计算P的重心坐标。

提示：使用面积法或叉积法计算。

练习5.2：透视插值误差 考虑一条从$z=1$到$z=10$的线段，其纹理坐标从0到1线性变化。在屏幕空间$x=0.5$处，比较线性插值和透视正确插值的结果。

提示：设置合适的投影矩阵参数。

练习5.3：MIP级别选择 纹理大小为1024×1024，当前像素的纹理坐标导数为$\frac{\partial u}{\partial x} = 0.01$，$\frac{\partial v}{\partial x} = 0.02$，$\frac{\partial u}{\partial y} = 0.015$，$\frac{\partial v}{\partial y} = 0.01$。计算应选择的MIP级别。

提示：使用最大各向异性导数。

挑战题

练习5.4：自定义插值基函数 设计一个C²连续的插值基函数$h(t)$，满足$h(0)=0$，$h(1)=1$，$h'(0)=h'(1)=0$，$h''(0)=h''(1)=0$，并与Perlin的fade函数比较。

提示：考虑7次多项式。

练习5.5：各向异性采样优化 给定纹理空间的雅可比矩阵$\mathbf{J} = \begin{pmatrix} 2 & 1 \ 0 & 0.5 \end{pmatrix}$，设计一个采样策略，使用最少的采样点覆盖95%的能量。

提示：分析椭圆的主轴。

练习5.6：虚拟纹理缓存策略 设计一个虚拟纹理系统的页面替换算法，考虑：页面大小128×128，物理内存可存储256页，每帧预测未来3帧的访问模式。

提示：结合LRU和预测信息。

练习5.7：着色器自动优化 给定着色器代码片段，设计一个优化流程，目标是减少50%的纹理带宽。考虑纹理重用、计算与访存平衡等因素。

提示：构建数据依赖图。

  - 提升循环不变的纹理访问
  - 向量化相邻像素的访问

  - 将view-dependent计算移到顶点着色器
  - 使用查找表替代复杂函数

常见陷阱与错误

1. 插值精度问题

• 错误：使用float16进行透视除法
• 正确：透视除法必须使用float32以上精度
• 原因：$1/z$的动态范围很大，低精度会导致严重误差

2. MIP链生成错误

• 错误：简单的2×2平均
• 正确：使用适当的滤波核（如Lanczos）
• 影响：低质量MIP链导致摩尔纹和模糊

3. 纹理采样边界处理

• 错误：忽略纹理边界的半像素偏移
• 正确：考虑纹素中心对齐
• 公式：$u' = \frac{u \times (size - 1) + 0.5}{size}$

4. 着色器精度损失

• 错误：normalize(normal + tangent)
• 正确：先normalize再插值，或使用四元数
• 原因：向量加法破坏单位长度约束

5. 虚拟纹理反馈延迟

• 问题：页面请求到加载完成有多帧延迟
• 解决：预测性加载、多分辨率回退
• 权衡：内存使用vs响应速度

最佳实践检查清单

插值实现检查

• [ ] 透视正确插值用于所有view-dependent属性
• [ ] 重心坐标计算考虑数值稳定性
• [ ] 正确处理退化三角形（面积接近0）
• [ ] 属性插值的精度匹配渲染需求

纹理系统设计

• [ ] MIP链生成使用高质量滤波
• [ ] 各向异性级别根据硬件能力设置
• [ ] 纹理格式选择平衡质量与带宽
• [ ] 虚拟纹理页面大小优化（通常128×128）
• [ ] 纹理图集考虑边界填充（防止渗色）

着色器优化验证

• [ ] 使用性能分析工具测量瓶颈
• [ ] 算术强度达到目标硬件的理想值
• [ ] 寄存器使用不超过硬件限制
• [ ] 分支发散度控制在可接受范围
• [ ] 纹理缓存命中率监控
• [ ] 考虑不同硬件的移植性

质量保证

• [ ] 各向异性过滤在掠射角下无明显瑕疵
• [ ] 程序化纹理在不同尺度下连续
• [ ] LOD切换无明显跳变
• [ ] 纹理压缩artifacts在可接受范围
• [ ] 性能优化未引入视觉退化