第14章蒙特卡罗积分I研究报告.docxVIP

第14章 蒙特卡罗积分I：基本概念在介绍计算沿光线到达相机的辐射亮度的SurfaceIntergrator类和VolumeIntegrator类之前，我们先做一些关于求解散射积分 方程的基本工作。这些积分方程通常没有解析解，所以我们必须求助于数值方法。虽然诸如梯形积分法和高斯积分法这类标准的数值积分技术在求低维光滑积分时很 有效，但它们对于在渲染过程中所遇到的高维不连续积分而言，其收敛速度还是太慢了。蒙特卡罗积分技术为这个问题提供了一个解决方案。这类方法使用了随机性做积分求值，且收敛速度跟被积函数的维的个数无关。在本章中，我们将回顾一些概率论 中的重要概念，并为使用蒙特卡罗解决渲染过程中的积分问题打下一个基础。下一章将描述提高收敛速度的计算，并描述pbrt所用到的技术。对随机性的明智运用使算法设计领域发生了革命性的变化。随机性算法大致分两大类：拉斯维加斯算法和蒙特卡罗算法。拉斯维加斯算法使用了随机性但最终会产生 相同的结果（如在快速排序算法中随机地选择一个数组项作为主元素）。而蒙特卡罗算法依赖于在算法过程中所使用的不同的随机数列而得到不同的结果，但结果大 致上（在平均意义上）是正确的。所以，对蒙特卡罗算法的多次运行结果做平均，就有可能找到跟正确答案很接近的统计意义上的结果。蒙特卡罗积分是一项用随机采样来估算积分值的技术。蒙特卡罗积分的一个非常有用的特性是：为了估算积