今天我们来学最后一章
Chapter11：Defocus Blur
Preface
散焦模糊 也称 景深
首先，我们来了解一下散焦模糊，我们在真实相机中散焦模糊的原因是因为它们需要一个大圈（而不仅仅是一个针孔）来聚光。这会使所有东西都散焦，但是如果用小孔的话，那么通过前后调整相机镜头，就会使得一切景色都会聚焦到相机镜头中，也就是会汇聚到那个孔内。物体聚焦的那个平面的距离由镜头和胶片/传感器之间的距离控制。这就是为什么当你改变焦点时可以看到镜头相对于相机移动的原因。
光圈是一个可以有效控制镜头大小的孔。对于真正的相机，如果你需要更多光线，你可以使光圈更大，同时也会获得更多的散焦模糊。对于我们的虚拟相机，我们也需要一个光圈
真正的相机具有复杂的复合镜头。对于我们的代码，我们可以模拟顺序：传感器，然后是镜头，然后是光圈，并找出发送光线的位置并在计算后翻转图像（图像在胶片上倒置投影）。人们通常使用薄透镜模拟近似。
引用书上一张图（相机聚焦成像）
我们不需要这么复杂，我们通常从镜头表面开始射线，并将它们发送到虚拟胶片平面，方法是找到胶片在焦点平面上的投影（在距离focus_dist处）。
正文
前面说了一大堆，看着比较复杂，其实并没有那么难
前言说了三件事情：
第一点，生活中的相机成像分为两个部分，inside和outside，涉及3个物：film（胶片）、lens（镜片）、focusPlane（焦点平面），而我们只需要outside部分
其次第二点，我们的眼睛（或者相机）不再是一个点而是眼睛所在的周围圆盘上的随机点，因为实际的相机是有摄像镜头的，摄像镜头是一个大光圈（很大一个镜片），并不是针孔类的东东，所以，我们要模拟镜头，就要随机采针孔周围的光圈点。
可能有人不明白这里，可以回去看看1-3
看一下这张图
这是之前我们讲的光线追踪的成像过程，从eye开始发射视线，这个扫描屏幕中的每个点，如果中间被物体遮挡，那么计算，计算之后的像素值为屏幕上该点的像素值，如果没有遮挡，那么屏幕上那个点的像素值就是背景对应的值
我们这里只不过是把eye变为周围单位圈内的随机点，仅此模拟实际相机镜头
第三点，这个应该是上一章节提到的问题:
上一章节我们说了，为了方便，上一章节假定成像平面位于z = -1(或者是-w平面,按w基向量算)
所以 tan(theta/2) = (h/2) / dis ,其中dis为1
而这一章，我们使dis真正变成了一个变量，即：焦距（镜片到成像平面之间的距离）
(图片来自百度百科：
)
随之，我们的成像平面也就到了z = -focus，或者是-focus * w平面(按w基向量算)
所以，构造函数，我们就需要加两个参数，改两行行即可
还有就是单位圆盘取随机点函数
const rtvec random_unit_disk() //find a random point in unit_disk
{
rtvec p;
do
{
p = 2.0*rtvec(rtrand01(), rtrand01(), 0) - rtvec(1, 1, 0);
} while (dot(p, p) >= 1.0);
return p;
}
下面是所有的camera类
/// camera.h
// -----------------------------------------------------
// [author] lv
// [begin ] 2019.1
// [brief ] the camera-class for the ray-tracing project
// from the 《ray tracing in one week》
// -----------------------------------------------------
#ifndef CAMERA_H
#define CAMERA_H
#include "ray.h"
namespace rt
{
class camera
{
public:
camera(rtvec lookfrom, rtvec lookat, rtvec vup, rtvar vfov, rtvar aspect, rtvar aperture, rtvar focus)
:_eye(lookfrom)
,_lens_radius(aperture/2)
{
rtvar theta = vfov * π / 180;
rtvar half_height = tan(theta / 2) * focus; //tan(theta/2) = (height/2) / 焦距
rtvar half_width = aspect * half_height;
_w = (lookfrom - lookat).ret_unitization();
_u = cross(vup, _w).ret_unitization();
_v = cross(_w, _u);
//向量运算
_start = _eye - half_width * _u - half_height * _v - focus * _w;//高和宽都乘了焦距，w也要乘，不然公式是错的
_horizontal = 2 * half_width * _u;
_vertical = 2 * half_height * _v;
}
inline const ray get_ray(const rtvar u,const rtvar v)const
{
rtvec rd = _lens_radius * random_unit_disk();
rtvec offset = _u * rd.x() + _v * rd.y();
return ray{ _eye + offset, _start + u*_horizontal + v*_vertical - (_eye + offset) };
}
inline const ray get_ray(const lvgm::vec2<rtvar>& para)const
{ return get_ray(para.u(), para.v()); }
inline const rtvec& eye()const { return _eye; }
inline const rtvec& start()const { return _start; }
inline const rtvec& horizontal()const { return _horizontal; }
inline const rtvec& vertical()const { return _vertical; }
inline const rtvec& u()const { return _u; }
inline const rtvec& v()const { return _v; }
inline const rtvec& w()const { return _w; }
inline const rtvar lens_r()const { return _lens_radius; }
private:
rtvec _u;
rtvec _v;
rtvec _w;
rtvec _eye;
rtvec _start; //left-bottom
rtvec _horizontal;
rtvec _vertical;
rtvar _lens_radius; //the radius of lens
};
}
#endif
所以，我们用上一章的球体设置，把相机改一下，渲染一把
渲染效果就是开篇那张图
晚安
原文出处：https://www.cnblogs.com/lv-anchoret/p/10223222.html
来源：oschina
链接：https://my.oschina.net/u/4407987/blog/3271631