理论

参考

实现光线追踪算法

光线追踪算法采用由像素组成的图像。对于图片中的每个像素，它会将主光线射入场景（从眼睛（或相机）射入场景的第一条光线称为主光线、能见度光线或相机光线。）。该主光线的方向是通过追踪从眼睛到该像素中心的线来获得的。一旦我们设置了主光线的方向，我们就会检查场景中的每个对象，看看它是否与其中任何一个相交。在某些情况下，主射线将与多个对象相交。发生这种情况时，我们选择其交点最接近眼睛的物体。然后，我们将阴影光线从交点射到光线上（图1）。

图 1：我们通过像素中心发射主光线，以检查可能的物体交叉点。当我们找到一个点时，我们会投射阴影光线以确定该点是被照亮还是处于阴影中。
如果该光线在到达光线的途中不与物体相交，则命中点将被照亮。如果它确实与另一个对象相交，则该对象会在其上投下阴影（图 2）。

图 2：小球体在大球体上投下阴影。阴影光线在到达光线之前与小球体相交。
如果我们对每个像素重复此操作，我们将获得三维场景的二维表示（图 3）。

图3：为了渲染一帧，我们为帧缓冲区的每个像素拍摄一条主光线。
以下是该算法在伪代码中的实现：

for (int j = 0; j < imageHeight; ++j) { 
    for (int i = 0; i < imageWidth; ++i) { 
        // compute primary ray direction
        Ray primRay; 
        computePrimRay(i, j, &primRay); 
        // shoot prim ray in the scene and search for the intersection
        Point pHit; 
        Normal nHit; 
        float minDist = INFINITY; 
        Object object = NULL; 
        for (int k = 0; k < objects.size(); ++k) { 
            if (Intersect(objects[k], primRay, &pHit, &nHit)) { 
                float distance = Distance(eyePosition, pHit); 
                if (distance < minDistance) { 
                    object = objects[k]; 
                    minDistance = distance;  //update min distance 
                } 
            } 
        } 
        if (object != NULL) { 
            // compute illumination
            Ray shadowRay; 
            shadowRay.direction = lightPosition - pHit; 
            bool isShadow = false; 
            for (int k = 0; k < objects.size(); ++k) { 
                if (Intersect(objects[k], shadowRay)) { 
                    isInShadow = true; 
                    break; 
                } 
            } 
        } 
        if (!isInShadow) 
            pixels[i][j] = object->color * light.brightness; 
        else 
            pixels[i][j] = 0; 
    } 
} 

缺点：

找到光线和几何体之间的交点非常耗时。几十年来，该算法的速度一直是光线追踪的主要缺点。然而，随着计算机变得越来越快，它越来越不是一个问题。尽管必须说一件事：与其他技术（如 z 缓冲区算法）相比，光线追踪仍然要慢得多。

反射和折射

反射和折射方向都基于交点处的法线和入射光线（主光线）的方向。要计算折射方向，我们还需要指定材料的折射率。
像玻璃球这样的物体同时具有反射性和折射性。我们需要为曲面上的给定点计算两者，但是我们如何混合它们呢？
值的混合取决于主光线（或观察方向）与物体的法线和折射率之间的角度。然而，对我们来说幸运的是，一个方程式可以精确地计算出每种方程式应该如何混合。该方程称为菲涅耳方程。