1. 从DVR光学模型这个标题能读出什么第一次看到DVR光学模型这个标题很多人会愣一下——DVR不是硬盘录像机吗怎么跟光学模型扯上关系了我当初也是这个反应。但稍微往深里想一层就会发现这里的DVR大概率不是指数字视频录像机而是另有所指。在图形学和光学仿真领域DVR最常见的含义是Direct Volume Rendering直接体渲染而光学模型则指向光线在介质中传播时的物理建模方式。把这两个词拼在一起说的其实就是用直接体渲染的方式对光在参与介质中的传播行为进行建模与可视化。这个方向听起来偏学术但实际应用面非常广。医学影像里的CT、MRI三维重建气象领域里的云层和雾霾模拟工业无损检测中的内部缺陷可视化甚至影视特效里的烟雾、火焰渲染底层都离不开一套靠谱的光学模型来驱动体渲染管线。换句话说DVR光学模型解决的核心问题是当光穿过一团非均匀的、半透明的介质时它到底发生了什么我们怎么用计算机把它算出来并画出来。适合读这篇内容的人我大致分三类。第一类是做科学可视化或图形学方向的开发者手里有体数据但不知道怎么把它渲染得既物理正确又好看第二类是做医学影像或工业检测的工程师需要理解体渲染背后的光学假设才能判断渲染结果是否可信第三类是对渲染管线好奇、想从零搭一个体渲染Demo出来的学习者。不管你属于哪一类接下来的内容都会从物理原理讲到代码落地尽量把每个环节的为什么说清楚。需要提前说明的是DVR光学模型不是一个单一的公式而是一套从辐射传输方程出发、经过多次简化后形成的可计算框架。不同的简化路径对应不同的模型比如经典的发射-吸收模型、加入散射项的单次散射模型、以及更完整的多次散射近似。选哪个模型直接决定了你的渲染效果和计算开销。下面我会逐一拆解。2. 体渲染光学模型的物理根基辐射传输方程到底在说什么2.1 从一束光穿过雾说起要理解DVR光学模型最直观的切入点是想象一束光穿过一团雾。光在雾里走会发生三件事雾里的颗粒会把光吸收掉一部分会把光散射到别的方向去同时雾本身如果温度够高也会自己发光。这三件事——吸收、散射、发射——就是体渲染光学模型的全部物理基础。用更正式的语言描述就是辐射传输方程Radiative Transfer EquationRTE。它描述的是辐射亮度沿光线方向的变化率等于发射项减去吸收项再减去散射出去的部分再加上从其他方向散射进来的部分。这个方程本身是积分-微分方程直接求解几乎不可能所以实际渲染中必须做简化。我见过不少初学者一上来就想硬解RTE结果卡在数学里出不来。其实大可不必。体渲染的工程实践里真正被广泛使用的是一系列经过合理简化的模型它们牺牲了一部分物理精度换来了可实时计算的可能性。理解这些简化做了什么假设、丢了什么信息比死磕完整方程重要得多。2.2 发射-吸收模型最常用也最容易被误解发射-吸收模型Emission-Absorption Model是DVR里最基础、用得最多的光学模型。它做了两个关键假设第一忽略散射认为光在介质中只被吸收和发射不会被散射到其他方向第二假设介质自身发射的光只与局部位置有关与入射方向无关。在这两个假设下RTE退化成一个可以沿光线积分的形式。最终屏幕上某个像素的颜色就是从视点出发沿光线方向把路径上每个点的发射贡献乘以它到达视点前被吸收衰减的比例然后累加起来。这个积分在数学上有一个漂亮的解析形式但在实际计算中通常用数值积分来近似。这里有个特别容易踩的坑很多人把吸收和不透明度混为一谈。在发射-吸收模型里吸收系数决定了光被衰减的速率而发射系数决定了介质自己发多少光。两者是独立的物理量。你可以有一团吸收很强但几乎不发射的介质看起来像一团黑烟也可以有一团发射很强但吸收很弱的介质看起来像一团发光的薄雾。如果只用一个不透明度参数来控制很多效果是做不出来的。2.3 散射为什么难处理以及单次散射的取舍散射是体渲染里最麻烦的部分。当光在介质中传播时它会被颗粒改变方向。这意味着某个点发出的光可能来自四面八方而不只是来自光源方向。要精确计算散射需要知道整个介质中每个点从每个方向来的辐射亮度这是一个高维问题。工程上最常见的折中是单次散射近似只考虑光从光源出发、经过一次散射后到达视点的路径忽略多次散射。这个近似在光学厚度较薄的介质里效果不错比如稀薄的云层、淡淡的烟雾。但当介质很厚、散射很强时比如浓密的云或者牛奶单次散射就会明显偏暗因为多次散射贡献的光被丢掉了。我在做云层渲染的模拟项目时最初用单次散射出来的云边缘还行但云的中心区域死黑一片跟真实云层那种通透的亮感差很远。后来加了多次散射的近似项效果立刻上来了代价是计算量翻了好几倍。所以模型选择从来不是越精确越好而是在你的介质特性和性能预算之间找平衡点。2.4 相位函数散射方向性的数学描述说到散射就绕不开相位函数。它描述的是光被散射后往各个方向分布的概率。最常见的两个相位函数是各向同性相位函数散射到所有方向的概率相同和Henyey-Greenstein相位函数用一个各向异性参数g来控制前向散射还是后向散射的倾向。g等于0时是各向同性g大于0表示前向散射占优光倾向于继续沿原方向走g小于0表示后向散射占优。云层和雾通常有较强的前向散射g值在0.8到0.9之间。这个参数对最终视觉效果影响极大调错了会让介质看起来像塑料而不是云雾。提示如果你刚开始做体渲染建议先用各向同性相位函数把管线跑通确认发射-吸收部分没问题后再引入HG相位函数调散射效果。一上来就全开出了问题很难定位是哪个环节的错。3. 从连续积分到离散采样光线步进的实际操作3.1 为什么必须做数值积分前面说的沿光线积分在数学上是连续的。但计算机只能处理离散的量所以必须把这条光线切成一段一段每段近似认为介质属性是常数然后累加。这个过程叫光线步进Ray Marching是DVR渲染的核心循环。步进的基本逻辑是从相机位置出发沿视线方向以固定步长前进每到一个采样点读取该点的介质密度、发射系数、吸收系数计算这一小段对最终颜色的贡献同时更新累积的透射率。走到光线离开体数据边界或者透射率降到可以忽略为止。听起来简单但步长的选择直接决定了画质和性能。步长太大细节丢失会出现明显的层状伪影步长太小采样点数量暴增帧率崩盘。我一般会先根据体数据的体素间距估算一个基准步长然后根据目标帧率动态调整。3.2 步长与采样率的定量关系假设体数据的体素间距是1毫米你希望至少每个体素被采样到一次那么步长就不应该大于1毫米。但实际中为了抗锯齿通常会取体素间距的一半甚至更小。如果光线穿过体数据的路径长度是256毫米步长取0.5毫米那就是512个采样点。每个采样点都要做插值、查表、累加运算512次循环对GPU来说不算什么但如果分辨率是1920乘1080那就是将近十亿次采样压力就上来了。所以实际项目里我通常会用自适应步长在介质密度变化剧烈的地方用小步长在均匀区域用大步长。判断密度变化可以用相邻采样点的密度差超过阈值就细分。这个策略在保持画质的同时能省下不少计算量。3.3 传输函数的映射逻辑体数据里存的通常是标量值比如CT里的HU值、气象数据里的水汽密度。这些标量本身没有颜色需要经过**传输函数Transfer Function**映射成颜色和不透明度。传输函数的设计是体渲染里最考验经验的部分因为它直接决定了什么结构被显示出来、什么被隐藏。一个常见的做法是用一维传输函数标量值映射到RGBA四通道。比如CT数据里骨骼的高密度值映射成白色高不透明度软组织中密度映射成偏红的中等不透明度空气低密度映射成全透明。这样渲染出来就能看到骨骼和器官的轮廓。但一维传输函数有个局限它只看标量值不看空间梯度。两个不同组织如果标量值接近就会被映射成同样的颜色难以区分。这时候可以用二维传输函数把标量值和梯度幅值一起作为输入梯度大的地方边界给更高不透明度这样结构边界会更清晰。3.4 一个最小可跑的CPU端光线步进实现为了让大家有个具体的抓手我给一个简化版的CPU光线步进伪代码。它不追求性能目的是把逻辑讲清楚。def ray_march(ray_origin, ray_dir, volume, step_size, max_steps): color [0.0, 0.0, 0.0] transmittance 1.0 pos ray_origin for i in range(max_steps): if not volume.contains(pos): break density volume.sample(pos) # 三线性插值 emission, absorption transfer_function(density) # 这一段的光学厚度 sigma absorption * step_size # 发射贡献乘以当前透射率 color[0] transmittance * emission[0] * step_size color[1] transmittance * emission[1] * step_size color[2] transmittance * emission[2] * step_size # 更新透射率Beer-Lambert定律 transmittance * math.exp(-sigma) if transmittance 0.01: break pos pos ray_dir * step_size return color这段代码里有两个关键点值得展开。第一transmittance的更新用的是指数衰减这是Beer-Lambert定律的直接应用它假设吸收是连续均匀的。第二发射贡献要乘以当前的透射率因为远处发出的光要穿过前面的介质才能到达眼睛会被衰减。这两点如果搞反了渲染结果会完全不对。注意上面代码里emission和absorption都来自传输函数但它们的物理意义不同。absorption控制衰减速率emission控制自发光强度。调参时要把它们分开调不要用一个滑块同时控制两者。4. GPU加速与实时体渲染的工程取舍4.1 为什么CPU端体渲染基本不可用上面那段CPU代码跑一张512乘512的图像每个像素512个采样点就是1.3亿次循环。每次循环里有插值、查表、指数运算在普通CPU上跑完一张图可能要几十秒甚至几分钟。交互式应用要求每秒至少30帧这个差距是数量级的。所以实际项目里体渲染几乎全部跑在GPU上。GPU的优势在于大规模并行。每个像素的光线步进是独立的天然适合并行。用片段着色器或者计算着色器可以把成千上万条光线同时推进。同样的512乘512图像GPU上跑实时帧率完全没问题。4.2 三维纹理与硬件插值GPU体渲染的一个关键便利是三维纹理3D Texture。把体数据上传成三维纹理后采样时硬件会自动做三线性插值不需要自己在着色器里写插值代码。这既省了代码量又利用了硬件优化速度比手动插值快很多。但三维纹理有显存限制。一个512乘512乘512的体数据如果每个体素存一个浮点数就是512兆字节。加上颜色纹理、梯度纹理显存很快就吃满了。所以实际项目里通常会对体数据做降采样或者用压缩格式存储。我做过的一个医学影像项目原始数据是1024乘1024乘600直接上传显存不够最后降到512乘512乘300画质损失在可接受范围内。4.3 早期光线终止与空区域跳过光线步进里最有效的优化之一是早期终止。当累积透射率降到某个阈值以下比如0.01说明后面的介质已经几乎不可见了直接跳出循环。这个优化在介质不透明区域较多时效果显著能省掉大量无效采样。另一个优化是空区域跳过Empty Space Skipping。体数据里往往有大片区域密度为零比如CT里的空气这些区域对最终图像没有贡献。可以预先构建一个八叉树或者低分辨率占位网格标记哪些区域是空的光线步进时直接跳过这些区域。这个优化在稀疏体数据上能带来数倍的加速。4.4 抖动采样与条带伪影的消除固定步长的光线步进有一个视觉问题当步长较大时采样点的规律分布会在图像上产生条带伪影Wood-grain artifact看起来像一层层的同心圆或者木纹。这是因为相邻像素的采样位置有规律偏移形成了干涉图案。解决办法是抖动采样Jittered Sampling给每条光线的起始偏移加一个随机扰动让采样位置在空间上打散。这样条带被打碎成噪声视觉上更容易接受而且如果配合时间上的抖动每帧换随机种子还能进一步把噪声变成动态的人眼对动态噪声的容忍度比静态条带高得多。我在实际项目里一般会用蓝噪声纹理来做抖动比纯随机数的分布更均匀视觉噪声更细腻。这个技巧在实时体渲染里几乎是标配。5. 不同应用场景下的模型选型与参数调优5.1 医学影像精度优先散射可以忽略医学影像的体渲染比如CT和MRI的三维重建通常用发射-吸收模型就够了。因为医学数据关注的是结构形态不是光的物理传播。医生要看的是骨骼、血管、器官的边界和相对位置散射带来的柔和感反而会模糊边界不利于诊断。这类场景的传输函数设计是核心。我一般会先分析体数据的直方图找到各个组织的标量值区间然后针对每个区间设计颜色和不透明度。骨骼用高不透明度白色血管用红色软组织用半透明肉色空气全透明。不透明度的曲线通常做成阶梯状或者S形让边界更锐利。参数调优上步长可以取体素间距的0.5到1倍不需要太小因为医学数据本身分辨率有限。早期终止阈值可以设高一点比如0.05加速渲染。5.2 气象与云层散射是灵魂多次散射不能省云层渲染跟医学影像几乎是两个极端。云的光学效果主要来自散射尤其是多次散射。一朵真实的云阳光从上方照下来经过云内水滴的多次散射从各个方向透出来形成那种蓬松、通透、边缘发亮的效果。如果只用发射-吸收模型云会看起来像一块灰色的石头。云层渲染通常用单次散射加多次散射近似。单次散射负责主要的明暗关系多次散射用一个环境光项或者预计算的散射查找表来近似。相位函数用HGg值取0.85左右前向散射明显。吸收系数设得很低因为水滴在可见光波段吸收很弱主要是散射。这里有个经验云的密度场设计比光学模型本身更影响最终效果。用分形噪声生成的密度场配合合适的阈值和衰减能做出很自然的云朵形状。光学模型只是把这个密度场翻译成颜色密度场不好看光学模型再精确也白搭。5.3 工业无损检测对比度与缺陷凸显工业CT的体渲染目标跟医学不同它要发现材料内部的缺陷比如气孔、裂纹、夹杂。这些缺陷的标量值往往跟周围材料有差异但差异可能很小。这时候传输函数的设计要特别注重对比度增强。我通常会用梯度幅值加权的传输函数在标量值接近但梯度大的地方缺陷边界给一个突出的颜色和不透明度。这样缺陷的轮廓会被强化出来。另外可以用裁剪平面或者体切割功能把外层材料隐藏直接看内部。光学模型上发射-吸收模型足够但要注意吸收系数的设置。如果吸收太强内部缺陷会被外层材料遮挡吸收太弱整体又太透明看不清结构。这个平衡需要根据具体材料的密度和缺陷尺寸来调。5.4 影视特效艺术控制优先于物理正确影视特效里的体渲染比如烟雾、火焰、魔法效果物理正确性往往让位于艺术可控性。艺术家需要能直观地调整颜色、密度、发光强度而不是去调吸收系数和相位函数这些物理参数。所以这类场景通常会在发射-吸收模型外面包一层艺术友好的参数层。比如用密度滑块控制整体浓度用发光滑块控制自发光强度用颜色渐变控制不同密度的颜色。底层还是那套光学模型但暴露给艺术家的接口是直观的。火焰渲染还会加一个黑体辐射近似根据温度映射颜色低温偏红高温偏蓝白。这个不是严格的物理计算但视觉效果很符合直觉。6. 实操中容易踩的坑与排查思路6.1 渲染结果全黑或者全白这是最常见的入门问题。全黑通常有几个原因传输函数没配对所有密度都映射成了零发射零吸收或者光线步进的起始位置在体数据外面第一步就跳出了或者透射率初始化成了零。排查方法是从最简单的场景开始把传输函数设成常数发射、零吸收应该能看到一个均匀发光的方块。如果这个都出不来问题在管线而不是光学模型。确认管线通了之后再逐步加吸收、加传输函数。全白则通常是发射系数设得太大或者透射率没有正确衰减。检查Beer-Lambert那一步的指数有没有写对符号有没有搞反。6.2 条带伪影与采样不足前面提过条带伪影但还有一种情况是采样不足导致的阶梯状边界。当体数据里有一个锐利的边界比如骨骼和软组织的交界步长太大时边界会呈现明显的锯齿。解决办法是减小步长或者在边界附近做自适应细分。但减小步长会增加计算量。我的经验是先用抖动采样把条带打散成噪声如果噪声还是太明显再考虑减小步长。抖动采样几乎不增加计算量性价比很高。6.3 透射率累积的数值精度问题当采样点非常多时透射率会不断乘以一个小于1的指数项很快趋近于零。在浮点数里这可能导致下溢透射率变成零后就不再变化。虽然视觉上零和极小值没区别但如果后续还要用透射率做其他计算就可能出问题。解决办法是用对数空间累积光学厚度最后再取指数。这样累积的是加法而不是乘法数值稳定性好很多。这个技巧在光学厚度很大的场景比如浓云里尤其重要。6.4 传输函数调参的盲目性传输函数参数多颜色、不透明度、拐点位置一个个试很费时间。我一般会先用体数据的直方图确定主要组织的标量值区间然后针对每个区间设一个控制点。控制点之间用线性或者样条插值。这样调参有依据不是瞎试。另外可以做一个传输函数编辑器实时预览调整效果。很多体渲染框架都自带这个功能如果没有自己写一个也不难就是把传输函数画成一条曲线拖动控制点实时更新渲染。7. 我个人在体渲染项目里的一些体会做了几个体渲染相关的项目之后我最大的体会是光学模型的选择只是起点真正决定效果的是数据理解。你得知道你的体数据里存的是什么物理意义是什么哪些结构重要哪些可以忽略。这些搞清楚了传输函数和光学模型才有方向。另一个体会是不要追求一步到位的物理精确。体渲染的完整物理模型计算量巨大而且很多参数在实际数据里根本测不准。与其纠结于精确的散射系数不如先把发射-吸收模型调好把结构显示清楚再根据需要逐步加散射、加光照。迭代式地推进比一次性搭一个复杂管线然后调不通要高效得多。最后说一个具体的技巧用低分辨率预览调参数用高分辨率出图。调传输函数和光学参数时用256乘256的分辨率快速迭代参数定了再切到全分辨率渲染。这样能把调参时间缩短一个数量级。我在一个医学影像项目里用这个方法把原本要调一整天的参数在两个小时里搞定了。体渲染这个方向入门曲线有点陡但一旦把光学模型的逻辑理顺后面就是不断积累经验和调参手感的过程。希望上面这些内容能帮你少走一些弯路。