Modelo de reflexión de Phong: Comprender las interacciones de la luz en la visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
Qué es el modelo de reflexión de Phong
El modelo de reflexión de Phong es un modelo empírico de la iluminación local de puntos en una superficie diseñado por el investigador de gráficos por computadora Bui Tuong Phong. En los gráficos por computadora en 3D, a veces se lo denomina "sombreado Phong", particularmente si el modelo se usa con el método de interpolación del mismo nombre y en el contexto de sombreadores de píxeles u otros lugares donde se puede hacer referencia a un cálculo de iluminación como " sombreado".
Cómo te beneficiarás
(I) Insights y validaciones sobre los siguientes temas:
Capítulo 1: Modelo de reflexión de Phong
Capítulo 2: Modelo de reflexión de Blinn-Phong
Capítulo 3: Función de distribución de reflectancia bidireccional
Capítulo 4: Resaltado especular
Capítulo 5: Teorema de Green
Capítulo 6: Teoría de la deformación finita
Capítulo 7: Vector de onda
Capítulo 8: Distribución exponencial
Capítulo 9: Distribución de Weibull
Capítulo 10: Distribución gamma
(II) Respondiendo a las principales preguntas del público sobre el modelo de reflexión phong.
(III) Ejemplos del mundo real para el uso del modelo de reflexión phong en muchos campos.
Para quién es este libro
Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o información básica para cualquier tipo de Modelo de Reflexión Phong.
Lee más de Fouad Sabry
Relacionado con Modelo de reflexión de Phong
Títulos en esta serie (100)
Histograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesVisión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesEspacio de color: Explorando el espectro de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesContorno activo: Avances en la visión por computadora con técnicas de contorno activo Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetección de contorno: Revelando el arte de la percepción visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPercepción visual: Información sobre el procesamiento visual computacional Calificación: 0 de 5 estrellas0 calificacionesFiltro adaptativo: Mejora de la visión por computadora mediante filtrado adaptativo Calificación: 0 de 5 estrellas0 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesTransformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetector de bordes astuto: Revelando el arte de la percepción visual Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesBanco de filtros: Información sobre las técnicas del banco de filtros de Computer Vision Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFunción de combinación de colores: Comprensión de la sensibilidad espectral en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesConsenso de muestra aleatoria: Estimación robusta en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHashing geométrico: Algoritmos eficientes para el reconocimiento y la comparación de imágenes Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Phong Sombreado: Explorando la profundidad de la representación visual: sombreado Phong en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSombreado Gouraud: Sombreado Gouraud: iluminando la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSombreado: Explorando el sombreado de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora de radiosidad: Avances en la visualización a través de la radiosidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora de vértice: Explorando la intersección de los gráficos por computadora Vertex y la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesCampo de movimiento: Explorando la dinámica de la visión por computadora: campo de movimiento revelado Calificación: 0 de 5 estrellas0 calificacionesGráficos de trazado de rayos: Explorando la representación fotorrealista en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesIluminación global: Visión avanzada: conocimientos sobre la iluminación global Calificación: 0 de 5 estrellas0 calificacionesGeometría epipolar: Desbloqueo de la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEspacio de escala: Explorando las dimensiones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesInterpolación bilineal: Mejora de la resolución y claridad de la imagen mediante interpolación bilineal Calificación: 0 de 5 estrellas0 calificacionesRepresentación de volumen: Explorando el realismo visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de cámara estenopeica: Comprender la perspectiva a través de la óptica computacional Calificación: 0 de 5 estrellas0 calificacionesModelado y renderizado basado en imágenes: Explorando el realismo visual: técnicas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetección de manchas: Revelando patrones en datos visuales Calificación: 0 de 5 estrellas0 calificacionesPerspectiva cilíndrica: Perspectiva cilíndrica: exploración de la percepción visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDistancia Niebla: Explorando la frontera visual: información sobre la niebla a distancia de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesReconstrucción tridimensional multivista: Técnicas avanzadas de percepción espacial en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMétodo de ajuste de nivel: Avances en la visión por computadora, exploración del método de conjunto de niveles Calificación: 0 de 5 estrellas0 calificacionesRepresentación de gráficos por computadora: Explorando el realismo visual: conocimientos sobre gráficos por computadora Calificación: 0 de 5 estrellas0 calificacionesFlujo óptico: Explorando patrones visuales dinámicos en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesProcesamiento de imágenes piramidales: Explorando las profundidades del análisis visual Calificación: 0 de 5 estrellas0 calificacionesGeometría descriptiva: Desbloqueando el ámbito visual: explorando la geometría descriptiva en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSuperficie procesal: Explorando la generación y el análisis de texturas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificaciones
Inteligencia (IA) y semántica para usted
Chat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesCómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesArquitectura de computadoras Calificación: 0 de 5 estrellas0 calificacionesR en profundidad: Programación, gráficos y estadística Calificación: 0 de 5 estrellas0 calificacionesFundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesDominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Inteligencia artificial: Casos prácticos con aprendizaje profundo Calificación: 4 de 5 estrellas4/5Aprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Resumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesDesarrollo de aplicaciones C#: con Visual Studio .NET Curso práctico Calificación: 0 de 5 estrellas0 calificacionesCómo triunfar en Instagram usando ChatGPT: La guía definitiva para crear contenido impactante con ChatGPT Calificación: 0 de 5 estrellas0 calificacionesEl mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5¿Cómo ganar dinero con la inteligencia artificial? Calificación: 0 de 5 estrellas0 calificacionesLaravel: Curso práctico de formación Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la computación cuántica para ingenieros Calificación: 0 de 5 estrellas0 calificacionesCiencias de la Computación en la escuela: Guía para enseñar mucho más que a programar Calificación: 5 de 5 estrellas5/5Monetización de ChatGPT: aproveche el poder de AI: Spanish Calificación: 1 de 5 estrellas1/5Mecatrónica Calificación: 0 de 5 estrellas0 calificacionesGuíaBurros: Inteligencia Artificial: Su lado oscuro y el fin del principio Calificación: 0 de 5 estrellas0 calificacionesPHP: Programación web avanzada para profesionales Calificación: 0 de 5 estrellas0 calificacionesMetodología de la Programación Orientada a Objetos Calificación: 0 de 5 estrellas0 calificacionesProgramacion Orientada a Objetos y Estructura de Datos a Fondo Calificación: 0 de 5 estrellas0 calificacionesCómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: la cuarta revolución industrial Calificación: 0 de 5 estrellas0 calificacionesInteligencia Artificial Calificación: 4 de 5 estrellas4/5Escritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5
Comentarios para Modelo de reflexión de Phong
0 clasificaciones0 comentarios
Vista previa del libro
Modelo de reflexión de Phong - Fouad Sabry
Capítulo 1: Modelo de reflexión de Phong
El modelo de reflexión de Phong (también conocido como iluminación de Phong o iluminación de Phong) fue desarrollado por el investigador de gráficos por computadora Bui Tuong Phong como una descripción empírica de la iluminación local de puntos en una superficie.
En la animación por computadora 3D, ocasionalmente se denomina sombreado Phong
, particularmente si el modelo se usa con el método de interpolación del mismo nombre y en el contexto de sombreadores de píxeles u otros lugares donde se puede hacer referencia a un cálculo de iluminación como sombreado
.
El modelo de reflexión Phong fue desarrollado en la Universidad de Utah por Bui Tuong Phong, quien lo publicó en su tesis doctoral de 1975. Se lanzó junto con un método para interpolar el cálculo de cada píxel que se rasteriza a partir de un modelo de superficie poligonal; la técnica de interpolación se conoce como sombreado Phong, incluso cuando se utiliza con un modelo de reflexión diferente al de Phong. En el momento de su lanzamiento, los enfoques de Phong se consideraron revolucionarios, pero posteriormente se han convertido en la técnica de sombreado estándar para muchas aplicaciones de renderizado. Debido a su uso típicamente efectivo del tiempo de cómputo por píxel producido, las técnicas de Phong han ganado una amplia aceptación.
La reflexión de Phong es un modelo de iluminación local basado en la observación. Representa la forma en que una superficie refleja la luz como una combinación de reflexión difusa y reflexión especular. Sobre la base de la observación casual de Phong, las superficies brillantes tienen reflejos especulares pequeños e intensos, y las superficies opacas tienen reflejos anchos y desvanecidos. El modelo también tiene un término ambiental para dar cuenta de la diminuta cantidad de luz que se dispersa por todo el paisaje.
Para cada fuente de luz de la escena, se calcula el tiempo de exposición, los componentes i_{\text{s}} y i_{\text{d}} se definen como las intensidades (a menudo como valores RGB) de los componentes especular y difuso de las fuentes de luz, respectivamente.
Un solo término i_{\text{a}} controla la iluminación ambiental; A veces se calcula como la suma de las contribuciones de todas las fuentes de luz.
Para cada material de escena, se definen los siguientes parámetros:
k_{\text{s}} , cuya constante representa la reflexión especular, la relación entre la reflexión del término especular y la luz incidente, k_{\text{d}} , que la constante representa la reflexión difusa, la proporción de luz entrante del término difuso que se refleja (reflectancia lambertiana), k_{\text{a}} , Esta es una constante para la reflexión ambiental, la proporción de reflexión del término ambiental presente en cada punto mostrado en la escena, y
\alpha , ¿Cuál es una constante para el brillo de este material?, ¿cuál es mayor para superficies muy pulidas y reflectantes?.
Cuando esta constante es significativa, el resaltado especular disminuye.
Además, contamos con
{\displaystyle {\text{lights}}} , comprende todas las fuentes de luz?, {\hat {L}}_{m} , que es el vector de dirección desde el punto de la superficie hacia cada fuente de luz ( m especifica la fuente de luz), {\hat {N}} , que es el típico en la superficie en este momento, {\hat {R}}_{m} , ¿en qué dirección viajaría un haz de luz reflejado correctamente desde este lugar de la superficie?, y
{\hat {V}} , ¿en qué dirección mira el espectador? (como una cámara virtual).
A continuación, el modelo de reflexión de Phong proporciona una ecuación para calcular la iluminación de cada punto de superficie I_{\text{p}} :
I_{\text{p}}=k_{\text{a}}i_{\text{a}}+\sum _{m\;\in \;{\text{lights}}}(k_{\text{d}}({\hat {L}}_{m}\cdot {\hat {N}})i_{m,{\text{d}}}+k_{\text{s}}({\hat {R}}_{m}\cdot {\hat {V}})^{\alpha }i_{m,{\text{s}}}).donde el vector de dirección {\hat {R}}_{m} se calcula como la reflexión de {\hat {L}}_{m} en la superficie caracterizada por la normal de superficie {\hat {N}} utilizando
{\hat {R}}_{m}=2({\hat {L}}_{m}\cdot {\hat {N}}){\hat {N}}-{\hat {L}}_{m}Los sombreros indican que los vectores se han normalizado.
El término difuso no se ve afectado por la dirección del visor ( {\hat {V}} ).
El término especular es grande sólo cuando la dirección del visor ( {\hat {V}} ) está alineada con la dirección de reflexión {\hat {R}}_{m} .
Su alineación se mide por la \alpha potencia del coseno del ángulo entre ellos.
El coseno del ángulo entre los vectores normalizados {\hat {R}}_{m} y {\hat {V}} es igual a su producto escalonado.
Cuando \alpha es grande, en el caso de un reflejo que es virtualmente como un espejo, el punto alto especular será modesto, porque cualquier perspectiva que no esté alineada con el reflejo tendrá un coseno menor que uno, que se acerca rápidamente a cero cuando se eleva a una potencia alta:.
Aunque la formulación presentada anteriormente es el enfoque estándar para expresar el modelo de reflexión de Phong, cada término solo debe incluirse si su producto escalar es positivo. (Además, el término especular debe incluirse solo si el producto escalar del término difuso es positivo).
Cuando el tono se expresa como valores RGB, como es habitual en los gráficos por computadora, Normalmente, esta ecuación se modela de forma independiente para las intensidades R, G y B, lo que permite diferentes constantes de reflexión k_{\text{a}}, k_{\text{d}} y k_{\text{s}} para los diferentes canales de color.
Hay una serie de métodos para aproximar el modelo de reflexión de Phong, en lugar de implementar las fórmulas exactas, lo que puede acelerar el cálculo; por ejemplo, el modelo de reflexión de Blinn-Phong es una modificación del modelo de reflexión de Phong, que es más eficiente si se considera que el espectador y la fuente de luz están en el infinito.
La siguiente es una segunda aproximación para el cálculo de la exponenciación en el término especular: Teniendo en cuenta que el término especular solo debe considerarse si su producto escalar es positivo, se puede aproximar como
\max(0,{\hat {R}}_{m}\cdot {\hat {V}})^{\alpha }=\max(0,1-\lambda )^{\beta \gamma }=\left(\max(0,1-\lambda )^{\beta }\right)^{\gamma }\approx \max(0,1-\beta \lambda )^{\gamma }donde \lambda =1-{\hat {R}}_{m}\cdot {\hat {V}} , y \beta =\alpha /\gamma \, es un número real que no tiene que ser un número entero.
Si \gamma se elige que sea una potencia de 2, es decir,
\gamma =2^{n} donde n es un número entero, entonces la expresión (1-\beta \lambda )^{\gamma } se puede calcular de manera más eficiente elevando al cuadrado (1-\beta \lambda )\ n los tiempos, es decir,
(1-\beta \lambda )^{\gamma }\,=\,(1-\beta \lambda )^{2^{n}}\,=\,(1-\beta \lambda )^{\overbrace {\scriptstyle 2\,\cdot \,2\,\cdot \,\dots \,\cdot \,2} ^{n}}\,=\,(\dots ((1-\beta \lambda )\overbrace {^{2})^{2}\dots )^{2}} ^{n}.Esta estimación del término especular se cumple si el tamaño del objeto es suficiente, entero \gamma (normalmente, 4 u 8 es suficiente).
Además, el valor \lambda se puede aproximar como
\lambda =({\hat {R}}_{m}-{\hat {V}})\cdot ({\hat {R}}_{m}-{\hat {V}})/2, o como
\lambda =({\hat {R}}_{m}\times {\hat {V}})\cdot ({\hat {R}}_{m}\times {\hat {V}})/2.Este último es mucho menos sensible a los errores de normalización en {\hat {R}}_{m} y {\hat {V}} que el basado en productos escalar de Phong \lambda =1-{\hat {R}}_{m}\cdot {\hat {V}} , y prácticamente no requiere {\hat {R}}_{m} {\hat {V}} y debe normalizarse, excepto para mallas triangulares de muy baja resolución.
Este método reemplaza una exponenciación variable con unas pocas multiplicaciones y elimina la necesidad de una normalización correcta del vector basada en la raíz cuadrada recíproca.
El modelo de reflexión Phong combinado con el sombreado Phong se aproxima al tono de los objetos del mundo real. Esto indica que la ecuación de Phong puede relacionar la sombra de una fotografía con las normales de la superficie de un elemento que es visible. La inversa se refiere a la estimación de las normales de la superficie a partir de una imagen renderizada, ya sea natural o generada por ordenador.
El modelo de reflexión de Phong tiene numerosos parámetros, como el parámetro de reflexión difusa de la superficie (albedo), que puede variar dentro de un objeto. La única forma de determinar las normales de un objeto en una fotografía es incluir otra información, como el número de luces, las direcciones de la luz y los factores de reflexión.
Por ejemplo, existe un elemento cilíndrico, por ejemplo, un dedo, y desea calcular la normal N=[N_{x},N_{z}] en una línea en el objeto.
Asumimos una sola luz, ausencia de reflexión especular y parámetros de reflexión consistentes