第4章：光线追踪

光线追踪（ray tracing）是计算机图形学中生成图像的基本方法之一。与光栅化（将几何体投影到屏幕空间后逐片元着色）不同，光线追踪模拟光线在场景中的物理传播过程——但方向是反过来的：从眼睛出发，穿过像素，进入场景。这种"反向追踪"完全出于效率考量：光源向四面八方发射的光线中，只有极少一部分最终射入观察者的眼睛。从眼睛反向追踪，可以确保我们只计算那些"真正进入眼睛"的光线。本章从零开始，建立光线追踪的核心算法框架——涵盖光线生成、求交、着色、阴影、反射、折射、实例化以及加速结构，为理解 Whitted 风格递归光线追踪器和现代路径追踪器奠定基础。

4.1 基本光线追踪算法

一个基本的光线追踪器由三个紧密协作的阶段组成：光线生成（ray generation），基于摄像机几何计算每条"观察光线"的原点和方向；光线求交（ray intersection），找到该光线与场景中物体的第一个交点（即"最近命中"）；以及着色（shading），基于命中点的几何信息、表面材质和场景光源，计算该像素的最终颜色。这三个步骤构成了一个嵌套的双重循环：外层遍历所有像素，内层遍历所有物体。

基本光线追踪算法的伪代码清晰地呈现了这个双重循环结构：

for each pixel (i, j) in image:
    compute viewing ray p(t) = e + t·d
    find first object hit by ray → HitRecord(t, point, normal, material)
    set pixel color to value computed from hit point, light, and normal

每行伪代码背后都是整套子系统的浓缩：第一行对应摄像机模型（第 4.2-4.3 节），决定光线从哪出发、往哪走；第二行对应求交引擎（第 4.4 节），要高效地在数百万个三角形中找到最近命中；第三行对应着色管线（第 4.5-4.7 节），要结合光源、阴影射线、反射和折射来计算颜色。这三个子系统各自都有丰富的细节和设计决策，下文中我们逐层拆开。

4.2 透视

在物理世界中，远处的物体投影到视网膜（或相机底片）上的像确实更小。这一现象可以用线性透视（linear perspective）精确建模——一种几何投影系统，其核心特征是：所有从场景出发的光线汇聚到同一个点——视点（viewpoint），也就是观察者眼睛（或者相机针孔）所在的位置。视点前方的像平面（image plane）相当于一张画布，每条视线先穿过像素中心，再继续飞入场景。

透视投影还有一个优雅的性质：消失点（vanishing points）。三维空间中一组彼此平行的直线，如果它们不与像平面平行，那么在透视图像中这些直线会汇聚于像平面上的同一个点。典型的例子是：铁轨的两条钢轨在远方"碰在一起"，公路两边的路灯越远靠得越近。消失点在数学上对应齐次坐标中"无穷远点"的投影（详见第 7 章），但在直觉层面，它只是几何光线汇聚的可视化结果。如果平行线恰好与像平面平行，它们就不会汇聚——所有水平线保持水平，所有竖直线保持竖直。

在计算机图形学中，光栅化管线把透视投影编码为一个 4×4 的透视矩阵乘法和齐次除法（第 7 章）。但在光线追踪中，我们根本不构造显式的透视矩阵——透视"自动"出现在光线生成的方式中：每个像素的光线方向不同，中心像素指向正前方，边缘像素指向侧面。这种"每条光线独立方向"的机制天然地产生了正确的近大远小。

4.3 计算观察光线

在开始追踪光线之前，我们需要精确地定义"摄像机"——光线从哪出发、往哪走。第 2 章引入的摄像机框架（camera frame）正好派上用场：视点 e 是眼睛的三维位置，三个正交单位向量 u、v、w 构成一个右手局部坐标系。其中 w = −look_direction，指向摄像机"看到"的反方向（即从场景指向摄像机的方向）；u 指向摄像机的"右侧"；v 指向"上方"。这三者共同定义了一个原点位于 e 的坐标系，就像摄像机的内置导航仪。

4.3.1 正交视图

在正交投影（orthographic projection）中，所有观察光线都是平行的，方向统一为 −w（即所有光线都径直指向 w 的反方向——也就是直接朝场景深处射去）。像平面上每个像素 (i,j) 对应一个不同的光线出发点（都在像平面上），但方向完全相同。所以物体的大小不随深度变化——平行线在正交投影中保持平行。这听起来不像真实世界，但在工程制图、CAD 设计、策略游戏的小地图俯视图以及等距像素艺术中非常有用。

u_offset = s · (i − n_x/2) · u
v_offset = s · (j − n_y/2) · v
ray_origin = e + u_offset + v_offset
ray_direction = −w

其中 s 是像素在像平面上的物理尺寸，n_x 和 n_y 是水平和垂直方向的像素数量。本质上，正交投影是在像平面上均匀采样起点，然后向同一方向发射。

4.3.2 透视视图

在透视投影（perspective projection）中，所有光线从同一个视点 e 出发，向不同的方向扇形散开，每条光线穿过像平面上的对应像素中心。这是人眼和真实相机的工作方式。假设图像有 n_x × n_y 个像素，像平面放置在视点前方距离 d 处（d 通常取 1，对应"焦平面在 z = -1"的约定），物理宽度为 W，高度为 H。那么像素 (i,j)（行列索引从 0 开始）对应的光线方向通过像平面上的点 (u_pixel, v_pixel) 来参数化：

u_pixel = −W/2 + W · (i + 0.5) / n_x
v_pixel = −H/2 + H · (j + 0.5) / n_y
direction = d · w + u_pixel · u + v_pixel · v
ray = e + t · normalize(direction),   t > 0

这里 (i+0.5) 和 (j+0.5) 使用了像素中心采样约定（第 3.2 节），确保每条光线恰好穿过像素的正中心而非角落。像平面物理尺寸 W 和 H 与水平视场角（field of view，FOV）θ 之间的关系为：

tan(θ/2) = (W/2) / d

这是工业界和学术界通用的接口参数——比起直接设定像平面宽度，说"水平视场角 90°"对摄影师和游戏开发者来说更直观。

4.4 光线-物体求交

光线追踪的计算核心——也是整条管线中计算量最大的环节——是求解光线与场景中所有物体之间的交点。光线由其参数方程给出：

p(t) = o + t·d,   t > 0

其中 o 是光线原点（向量），d 是方向向量（通常归一化为单位长度），t 是沿着光线方向从原点出发测得的正实参数。求交任务可以简洁地表述为：在所有满足 t > 0 且 p(t) 落在某个物体表面的解中，找到最小的 t——即"最近命中"。

4.4.1 光线-球体求交

球体是最简单的曲面几何体，也是光线追踪器中最常使用的"调试形状"——因为它的求交有一个紧凑的解析解。以原点为中心、半径为 R 的球体的隐式方程为：

x² + y² + z² − R² = 0   或    |p|² − R² = 0

将光线方程 p = o + t·d 代入：

|o + t·d|² − R² = 0
|d|² · t² + 2(o·d) · t + |o|² − R² = 0

这是一个标准的关于 t 的一元二次方程。设系数：

a = |d|²
b = 2(o·d)
c = |o|² − R²
判别式 D = b² − 4ac

t = (−b ± √D) / (2a)

对于以原点为球心的球，命中点处的表面法线极其简单：n = p/|p| = p/R——法线就是从球心指向表面点的径向向量。对于任意位置（球心为 c）的球体，将光线原点偏移：o' = o − c，然后在局部坐标中求交，交点再转换回世界空间。这体现了实例化（第 4.8 节）中"变换光线而非变换物体"的普遍原理。

4.4.2 光线-三角形求交

三角形是 3D 图形学中最基础的几何基元——所有多边形网格最终都由三角形组成。光线与三角形的求交通常分两步：先求光线与三角形所在平面的交点，再检验该交点是否位于三角形内部。三角形所在平面由法向量 n = (b−a)×(c−a) 和任意顶点（如 a）定义。平面方程为 n·(p−a) = 0。将光线方程代入：

n·(o + t·d − a) = 0  →  t = n·(a − o) / (n·d)

若分母 n·d ≈ 0，则光线与平面平行——要么永不相交（如果偏移不为零），要么无穷多解（如果整条光线在平面上）。得到 t 后，验证 t > ε（ε 是微小正值，防止自交浮点误差），然后使用第 2.9.1 节的重心坐标法：交点 p 表示为三角形顶点 a、b、c 的加权组合：p = α·a + β·b + γ·c，其中 α+β+γ=1 且 α,β,γ ≥ 0（严格为正表示交点在内部）。重心坐标还给出了法线、纹理坐标等顶点属性的插值——三个系数恰好就是三个顶点在交点上的"影响力"。

实践中，高度优化的算法——Möller-Trumbore 算法——将"求平面交点"与"重心坐标判定"合并为一步直接计算，避免先求平面法线再判定的冗余开销。该算法的核心是将三角形的一条边（如 b−a 和 c−a）与光线方向组合成一个 3×3 线性系统，用克拉默法则同时求解 t、β 和 γ：

o + t·d = a + β·(b−a) + γ·(c−a)
→  [−d, b−a, c−a] · [t, β, γ]ᵀ = o − a

求解得到 t（光线参数）、β 和 γ（重心坐标的两个独立分量），α = 1−β−γ。高效实现利用了标量三重积对体积的优雅公式，整段代码只需几十次乘加运算。

4.4.3 软件求交

将求交逻辑实现为软件代码时，面向对象的设计非常自然。核心接口包括一个抽象的 Surface 基类和一个 HitRecord 结构体：

class Surface
    HitRecord hit(Ray r, real t0, real t1)

struct HitRecord
    real t              // 光线到达命中点的参数
    Vec3 point          // 命中点的世界坐标
    Vec3 normal         // 命中点处的表面法线
    Material* material  // 指向表面材质的指针

t0 和 t1 参数定义了在光线上的有效搜索区间。对于原始（相机）光线，t0 通常设为微小正数 ε（如 0.001）以避免自交（shadow acne——由于浮点精度导致光线"穿过"发射表面本身），t1 设为无穷大。对于阴影射线（第 4.6 节），只需要知道"有没有遮挡物"，因此使用 shadow_hit(t0, t_light) 可以提前终止搜索——一旦在 t < t_light 处找到任何命中，立即返回 true，无需继续费心找到"最近的"命中。

每个物体子类（球体、三角形、三角形网格等）实现自己的 hit 方法，内部包含针对该几何类型的专门数学。球体使用二次公式，三角形使用重心坐标，网格则遍历其子对象列表并持续追踪最近的命中。这种多态设计构成了第 12 章中更复杂加速结构的基础。

4.4.4 一组物体求交

实际场景包含成千上万甚至数百万个三角形。如果每条光线都要逐个测试场景中的每一个物体，复杂度为 O(N)，其中 N 是物体数量。乘以 P 个像素，总渲染时间为 O(N·P)——这是个不可接受的暴增。即使是一个只有几十万三角形的简单室内场景，在 1080p 分辨率下，这已经是无法完成的计算。

大部分光线追踪工程的核心工作就是降低从 O(N) 到 O(log N) 的每条光线复杂度——借助加速结构（acceleration structures），如包围体层次（BVH）或均匀空间细分网格。这些结构预先将物体组织成分层或分区的空间组，使每条光线仅需测试极少数"可能相关"的物体。第 4.9 节和第 12 章将详细展开。在本章的剩余部分，我们假设存在一个黑盒函数可以高效地找到沿给定光线的最近命中——专注于光线追踪的"上层建筑"。

4.5 着色

找到光线-物体的命中点后，下一步是计算该点向视点方向反射的颜色。着色的核心问题可以表述为：给定命中点的几何信息（位置 x、法线 n）、表面材质属性和场景光源，命中点最终是什么颜色？从物理渲染（基于双向反射分布函数 BRDF 的全局光照）到非真实感渲染（卡通着色、水墨风格），着色模型的自由度很大，但所有模型都共享一个骨架：表面材质描述 + 光源描述 + 几何向量（从求交阶段获得）。

4.5.1 光源

光线追踪器维护一个光源列表。对于第 4 章和第 5 章中的基本着色模型，我们需要三种基本光源类型：

• 点光源（point light）：三维空间中的一个点，向所有方向均匀发射光线。强度随距离的平方衰减——到达表面点 x 的辐照度 E = I / r²，其中 r = |p_light − x|。这是最基础的光源模型，适用于灯泡、蜡烛等近场光源。
• 方向光源（directional light）：所有光线从同一个方向均匀照射场景，没有位置，没有衰减。用于模拟太阳或月光——由于光源足够遥远，所有到达场景的光线几乎平行。
• 环境光源（ambient light）：恒定不变、来自四面八方的照明。这是一种"全局近似"——现实中没有真正的"环境光"，但所有表面都在不断反射和散射周围的光线（间接光照）。在简单光线追踪器中，环境光用常数项 kₐ·Iₐ 来近似此效果，防止阴影区域完全变成黑色。

当一条观察光线命中一个表面时，在命中点处我们拥有构建着色所需的所有几何向量：

• 着色点 x：通过 x = o + t·d 计算（t 来自 HitRecord）。
• 表面法线 n：由命中点的表面类型决定——球体用法线 p/R，三角形用重心坐标插值顶点法线。
• 光源方向 l：归一化向量 (p_light − x) / |p_light − x|（点光源），或由光源指定的固定方向（方向光源）。
• 视线方向 v：−d/|d|——从 x 指向观察者的方向（即光线方向的逆方向）。

对点光源，入射辐照度 E = (max(0, n·l) · I) / r²，其中 n·l 的 max(0,·) 限制确保了背对光源的表面不会被"负光"照亮。方向光源无需距离衰减，环境光更是完全不涉及这些向量——它只是一个全局偏置项 kₐ·Iₐ。

4.5.2 软件着色

在面向对象的实现中，Light 和 Material 是两个核心抽象。Light 负责计算特定光源对命中点的辐照度贡献，Material 负责计算表面的反射特性（BRDF 值）：

class Light
    Color illuminate(Ray ray, HitRecord hrec)

class Material
    Color evaluate(Vec3 l, Vec3 v, Vec3 n)

点光源的照明计算实现如下：

class PointLight, subclass of Light
    Color I        // 光源强度（颜色+亮度）
    Vec3 p         // 光源位置

    Color illuminate(Ray ray, HitRecord hrec)
        Vec3 x = ray.evaluate(hrec.t)
        real r = |p − x|
        Vec3 l = (p − x) / r
        Vec3 n = hrec.normal
        Color E = max(0, n·l) · I / r²
        Color k = hrec.surface.material.evaluate(l, v, n)
        return k * E

对于包含多个光源的场景，着色只是将各光源的贡献进行累加——光线追踪器遍历光源列表，对每个未被遮挡的光源（经阴影射线验证）计算辐照度并累加到像素颜色中。这种"分别计算、简单累加"的线性叠加性质源于光照的叠加原理——它是线性物理效应的直接体现。

4.6 阴影光线

着色计算中一个关键的前置问题：光源是否能够"看见"着色点？如果着色点和光源之间有一个阻挡物，那么该光源对这一点没有贡献——该点处于阴影中。这一判断通过发射阴影探测射线（shadow feeler ray），即阴影射线（shadow ray）来实现：

S(t) = x + t·l,   t ∈ (ε, t_light)

其中 x 是着色点（命中点），l 是指向光源的归一化方向向量（与着色的 l 相同），ε 是沿法线方向的微小偏移以避免自遮蔽（光线与自身表面产生浮点精度的"假命中"），t_light 是着色点到光源的距离。

如果阴影射线在到达光源之前（即 t < t_light）与任何物体相交，则该点被遮挡——该光源对此像素的贡献被抑制。如果阴影射线未受阻挡地到达光源，则该点被该光源照亮。

4.7 反射与折射

当光线命中一个镜面反射（specular）表面（如镜子或抛光金属）时，反射方向 r 由入射方向 d 和表面法线 n 根据反射定律计算：入射角等于反射角，反射方向与入射方向、法线位于同一平面内。代数公式极其简洁：

r = d − 2(d·n)·n

对于折射（refraction），斯涅尔定律（Snell's law）描述了光线从一种透明介质进入另一种透明介质时发生的方向弯曲：

n₁ sin θ₁ = n₂ sin θ₂

其中 n₁ 和 n₂ 是两种介质的折射率（index of refraction，IOR）——衡量光在不同介质中传播速度的相对指标。常见折射率：真空 = 1.0（基准），空气 ≈ 1.0003（常简化为 1.0），水 ≈ 1.33，冕牌玻璃 ≈ 1.52，火石玻璃 ≈ 1.62，钻石 ≈ 2.42。

θ_c = arcsin(n₂ / n₁),   需要 n₁ > n₂（从光密进入光疏）

在光线追踪器中，反射和折射都通过递归处理。当观察光线命中一个反射表面时，生成一条新的光线：原点位于命中点（加上微小偏移 ε 防自交），方向为 r。该光线的颜色被递归计算（它自己可能再击中反射表面，触发更深的递归），然后用反射率系数加权并与局部着色混合。透明表面的透射光线同理。整个过程生成一棵光线树（ray tree）：

像素颜色 = 局部着色_color
          + reflect_coeff × trace(反射光线)
          + refract_coeff × trace(折射光线)

递归在以下情况终止：光线飞出场景（未命中任何物体）、达到预设的最大递归深度（如 5-10 层），或累积贡献因子衰减到阈值以下。这个递归光线追踪框架由 Whitted（1980）在其开创性论文中引入，至今仍是有偏路径追踪器的基础架构。

4.8 实例化

实例化（instancing）是一种强大的内存和艺术效率技术：同一个物体可以在场景中以不同的位置、朝向和缩放出现多次，而底层几何数据仅需在内存中存储一份。实例化的核心技巧是不变换物体，而是变换光线——将世界空间的光线逆变换到实例的局部坐标系，在局部坐标中进行求交，再将命中和法线变换回世界空间。

具体操作：设实例在世界空间中的变换由一个 4×4 的齐次变换矩阵 M 描述（包含平移、旋转和缩放）。要将世界空间光线 p(t) = o + t·d 与实例进行求交：

o_local = M⁻¹ · [o_world ; 1]    // 变换原点（齐次，w=1）
d_local = M⁻¹ · [d_world ; 0]    // 变换方向（齐次，w=0，只受旋转缩放影响）
p_local(t) = o_local + t · d_local

在局部空间中进行标准求交后，获得局部命中点 p_local 和局部法线 n_local。然后将它们变换回世界空间：

p_world = M · [p_local ; 1]
n_world = (M⁻¹)ᵀ · [n_local ; 0]    // 法线用逆转置矩阵变换！

实例化以 O(1) 的矩阵乘法代价（每条光线的入口处），极大地丰富了场景的视觉多样性——一片森林可以由数十个实例化的树组成，每棵树的大小和方向各不相同，但内存中仅存储一个树干+树叶的几何模型。这一思想在第 12 章中自然延伸到层次包围体（hierarchical bounding volumes），其中包围体层次本身就可以被实例化——一个复杂物体的 BVH 子树可以直接"插入"到场景 BVH 中的不同位置。

4.9 亚线性光线-物体求交

朴素地对每个物体测试每条光线的复杂度为 O(N·P)——几十万三角形 × 两百万像素 = 不可接受。解决这一瓶颈是光线追踪研究四十年来最核心的工程命题。加速结构（acceleration structures）通过将物体分组成空间层次，使每条光线的有效求交复杂度降至 O(log N)——这是"亚线性"（sub-linear）一词的由来。

构建加速结构有一次性预处理成本。对于静态场景（只需构建一次、渲染多帧），BVH 构建复杂度为 O(N log N)（空间划分策略，如 SAH——Surface Area Heuristic）到 O(N)（线性 BVH，如 Morton 编码排序法）。对于动态场景（物体在每帧移动），需要增量式重建或使用底层加速结构（如 TLAS/BLAS 在 DX Raytracing 和 Vulkan Ray Tracing 管线中的设计）。

BVH 已成为现代光线追踪器中的主要加速结构，其优势在于：有效处理非均匀物体分布、可以实例化（将子 BVH 以变换后的形式放置到多个位置）、与 GPU 硬件光线追踪（NVIDIA RT Core、AMD Ray Accelerator）天然兼容。我们将在第 12 章中更深入地探讨构建策略和遍历算法。

核心洞察

课后练习题（含答案）

o_local = M⁻¹ · [o_world ; 1]    // 原点（齐次坐标 w=1）
d_local = M⁻¹ · [d_world ; 0]    // 方向（w=0，仅受旋转/缩放影响）

p_world = M · [p_local ; 1]
n_world = (M⁻¹)ᵀ · [n_local ; 0]

QA 零基础问答区