全域性光照這個名詞在計算機圖形學裡已經不算一個新名詞了，現在一提到擬真度，很多人基本上都會去想到全域性光照，這個名詞上世紀七八十年代就有了，好像是由一個叫Jim Kajiya的大神在他那篇已經被引用了不知道多少次的論文裡《The Rendering Equation》裡提出來的，現在很多全域性光照演算法基本上都是由這論文裡面的一個公式推匯出來的，可知其厲害之處了，其實主要思想很簡單。

　　但是說到全域性光照，其實就是對自然界的光子在場景中的實際行為進行模擬，把模擬的結果呈現給我們而已，但是模擬的話就得考慮一個效率的問題。。。每秒鐘射入人眼的光子就有上億個，我們不能把上億個光子的路徑都畫出來，那太浪費時間了，所以研究者們必須找到一個簡化的方法，在不過於降低一張靜幀影象質量的同時，把用於渲染該影象的所需時間降到最小，這裡就牽涉到效能和擬真度這二者之間的權衡了。既然模擬上億個光子沒必要，考慮到最最簡單的光路可逆，如果有一束光，從光源處不遠萬里，經過各種折射反射等過程射入到了我們的眼睛裡，那麼我們也可以假想是有一束“光”從我們的眼睛裡射出，經過同樣但方向相反的路徑，最終回到光源處。這就是前文提到的逆向光線追蹤，在這種方法下，我們就沒必要模擬每個從光源處射出的光子了，直接從螢幕出射光線，不過這裡的“光線”被稱為“取樣光線”更為恰當一些，畢竟是我們通過一束假想的光線，向場景進行取樣，取樣的結果就是螢幕中這個位置對應畫素的顏色。對於一個1920*1080的2k屏，每幀就要發射1920*1080 = 2073600條光線，最終產生一幅完整的影象，但是這僅是該場景在這一時刻的一個成像估計，為啥叫估計？因為單幀的每一個畫素的顏色並不能代表正確結果，光線漫布場景時是充滿不確定性的，即便是場景中一個確定的位置，確定的時刻，連續生成的多幀影象都是不同的，這些幀都可稱為這個場景在這個時刻這個位置的成像估計，但是把同一處畫素的一堆估計值平均一下，平均結果就更能貼近理論值，這就跟概率論裡的“多個隨機變數的平均值，其方差會隨著隨機變數個數的增加而下降”的道理是一樣的，那麼多少個估計值就夠了呢？答案是：只要畫素顏色在連續n幀內穩定下來了，沒有變化，就夠了。n取的越大，相當於判定一個畫素顏色收斂的條件就越嚴格，一般取100就好，嚴格的話可以取500，一幀中已收斂的畫素佔整個幀畫素的百分比可以作為衡量整張靜幀影象質量的一個參量。

　　其實上面的一段話，就已經把path tracing的思想說出來了，path就是指的取樣光線的路徑，tracing就是我們要跟蹤這條取樣光線，看它在場景裡面都發生了什麼動作（反射，折射等等），並把這些動作都記錄下來，最後算出一個顏色出來，整個演算法其實就已經完成了。但是有一些難點在裡面：

　　1）如何跟蹤？

　　2）怎麼記錄光線與場景的互動？

　　3）最終畫素的顏色怎麼算？

　　4）“多個隨機變數的平均值，其方差會隨著隨機變數個數的增加而下降”，但是如何讓下降速率變得更快？（更快的下降速率意味著單畫素收斂的速度越快，所需迭代次數越少，成像速度越快，實時性越好。）

　　5）一些還沒注意到的其它難點。。。

　　即便有這些難點存在，路徑追蹤演算法也算是全域性光照諸多演算法中一個比較簡單的演算法了，因為它原始暴力。。。但是，上述幾個問題的不同解決方案，實際代表著不同的渲染風格，這也是計算機圖形學的魅力所在。讀者也可以試著用截然不同的處理手段，構建出一個類似卡通風格樣式的非真實風格渲染，自由度極高，取決於您們的想象。

　　（PS：如果讀者們有興趣，也有耐心等我更完的話，如果不出意外，應該可以得到如下的渲染結果，也算是一個渲染成品預覽，這裡就先貼出來供大家欣賞~）