Версия для печати

3D рендеринг в операционной системе A2

SAGE

Исходные тексты уроков с сайта www.scratchapixel.com

Представляю Вашему вниманию исходные тексты уроков с сайта www.scratchapixel.com, портированные на Active Oberon. При портировании с C++ использованна возможность перегрузки операторов присутствующая в языке Active Oberon. Многопоточность достигнута с использованием концепции активных объектов.

Урок 1. Алгоритм обратной трассировки лучей

Антиалиасинг

На основе кода данного урока, в качестве эксперимента реализован алгоритм одноуровневого адаптивного антиалиасинга.

Суть алгоритма заключается в нахождении проблемных пикселей на границах объектов. Затем цвет таких пикселей уточняется путём смешения с цветами четырёх суб-пикселей с учётом их веса. Для более качественного антиалиасинга можно уточнять цвет и самих суб-пикселей производя их деление на ещё более мелкие элементы, однако было решено ограничится суб-пиксельным уровнем.

Нахождение проблемных пикселей было решено производить путём вычисления расстояния между цветом каждого пикселя и цветами соседних с ним пикселей в цветовом прострастве, аналогично тому, как вычисляется расстояние между точками в трёхмерном пространстве. В случае если цветовое расстояние хоть с одним из соседних пикселей превышает заданное пороговое значение, пиксель считается проблемным.

Результат обнаружения проблемных пикселей при пороговом значении равном 0.05:

Хорошо видно, что такое пороговое значение даёт хороший запас и в число проблемных пикселей попадает много пикселей без видимых артефактов алиасинга. Пороговое значение вполне можно повысить.

Далее для всех проблемных пикселей вычисляются и трассируются четыре дополнительных луча, проходящих через центры суб-пикселей. Вычисляется усреднённый цвет суб-пикселей и относительно него вычисляются цветовые расстояния для их цветов. Вычисляются веса по принципу: цвет суб-пикселя с наибольшим расстоянием от усреднённого цвета имеет наибольший вес.

Далее вычисляется усреднённый вес суб-пикселей с учётом весов и результат усредняется с вычесленным ранее цветом пикселя.

Результат работы алгоритма выглядит достаточно неплохо при том что для его достижения было оттрассированно всего 28000 лучей дополнительно. Таким образом для рендеринга сцены было оттрассировано около 1.09 лучей на каждый пиксель.

Результат работы алгоритма антиалиасинга:

Антиалиасинг в 2D графике

Опыт полученный от экспериментов с адаптивным антиалиасигом нашёл успешное применение и для антиалиасинга в 2D графике. BohdanT модифицировал модуль WMClock для рисования более симпатичных стрелочек в режиме аналоговых часов, но результат хоть и был неплохим, всю картину портило присутствие эффекта алиасинга изображения стрелок. Я решил продемонстрировать принципиальную возможность использования адаптивного антиалиасинга и в данном случае. Причём многоуровневый адаптивный антиалиасинг теперь реализован полностью, и доступно задание число его уровней. Вот результат работы алгоритма:

Урок 6. Пересечение луча с треугольником

Цвет в точке пересечения задан барицентрическими координатами:

Треугольник закрашен цветом, полученным интерполяцией цвета вершин:

Стоит привести несколько соображений по поводу улучшения производительности. Авторы уроков в тексте тоже неоднократно этот вопрос поднимают. Я сделал небольшой бенчмарк на основе кода lesson6b.Mod, демонстрирующий зависимость длительности вычислений от размера элементарного фрагмента обрабатываемых данных bucketSize. Учитывалось только время затраченное на непосредственные вычисления в параллельных потоках.

Результаты бенчмарка (параметры системы: одноядерный P4 3,400 GHz с технологией HyperThreading, WinAos rev. 1567), время вычислений для всего фрейма 640x480 пикселей, в миллисекундах:

Bucket size:    32 Time elapsed:  1208
Bucket size:    64 Time elapsed:   623
Bucket size:   128 Time elapsed:   335
Bucket size:   256 Time elapsed:   203
Bucket size:   512 Time elapsed:   157
Bucket size:  1024 Time elapsed:   160

Затем, тип LONGREAL был заменён на REAL, и соответственно, импортирован модуль Math вместо MathL. После компиляции и повторного запуска результаты были следующими:

Bucket size:    32 Time elapsed:   858
Bucket size:    64 Time elapsed:   446
Bucket size:   128 Time elapsed:   235
Bucket size:   256 Time elapsed:   143
Bucket size:   512 Time elapsed:   110
Bucket size:  1024 Time elapsed:   111

Как видно из результатов, на такой простой сцене нет абсолютно никакого смысла в разбиении фрейма на минимальные фрагметы. И разбиение на потоки с наличием технологии HyperThreading тоже не дало ощутимого прироста производительности. Естественно, на других, более сложных сценах и на другом оборудовании картина можеть быть иная.

Ещё бенчмарк показал, что предпочтительнее использование типа REAL.

Модуль lesson6bench.Mod с использованием типа REAL включён в архив с исходными текстами к уроку.

Урок 7. Примитивы

Адаптивный антиалиасинг + многопоточность + SSE оптимизация

После длительного перерыва, нашлось время полностью переписать код примеров 1 и 6. Результаты в Raytracer.zip. Адаптивный антиалиасинг теперь реализован полностью. Многопоточный код теперь стал реально многопоточным, что видно по бенчмаркам. Также, присутствуют SSE оптимизации вычислений. SSE оптимизации вынесены отдельно, при необходимости их можно включить, поменяв lib := Lib3D на lib := Lib3D_SSE в секции импорта. По бенчмаркам видно, что SSE оптимизации не дают ощутимого прироста производительности, поскольку используются unaligned варианты SSE команд. Т.е. ещё есть что оптимизировать :)

Результаты бенчмарка (параметры системы: AMD A10-7850K Radeon R7, 12 Compute Cores 4C+8G @ 3.70 GHz (4 cores, 4 threads)).

Lesson1, без SSE:

nThreadsTotal: 1, bucket size: 640 x 480, nBucketsTotal: 1, time elapsed:   1.2909
nThreadsTotal: 2, bucket size: 320 x 240, nBucketsTotal: 4, time elapsed:   0.7199
nThreadsTotal: 4, bucket size: 160 x 120, nBucketsTotal: 16, time elapsed:   0.3787

Lesson1, SSE:

nThreadsTotal: 1, bucket size: 640 x 480, nBucketsTotal: 1, time elapsed:   1.0590
nThreadsTotal: 2, bucket size: 320 x 240, nBucketsTotal: 4, time elapsed:   0.5875
nThreadsTotal: 4, bucket size: 160 x 120, nBucketsTotal: 16, time elapsed:   0.3032

Lesson6, без SSE:

nThreadsTotal: 1, bucket size: 320 x 240, nBucketsTotal: 4, time elapsed:   0.2253
nThreadsTotal: 2, bucket size: 160 x 120, nBucketsTotal: 16, time elapsed:   0.1196
nThreadsTotal: 4, bucket size: 80 x 60, nBucketsTotal: 64, time elapsed:   0.0673

Lesson6, SSE:

nThreadsTotal: 1, bucket size: 320 x 240, nBucketsTotal: 4, time elapsed:   0.1826
nThreadsTotal: 2, bucket size: 160 x 120, nBucketsTotal: 16, time elapsed:   0.0976
nThreadsTotal: 4, bucket size: 80 x 60, nBucketsTotal: 64, time elapsed:   0.0541

Lesson6, быстрый алгоритм пересечения треугольника с лучём (Möller–Trumbore), без SSE:

nThreadsTotal: 1, bucket size: 320 x 240, nBucketsTotal: 4, time elapsed:   0.2030
nThreadsTotal: 2, bucket size: 160 x 120, nBucketsTotal: 16, time elapsed:   0.1079
nThreadsTotal: 4, bucket size: 80 x 60, nBucketsTotal: 64, time elapsed:   0.0592

Lesson6, быстрый алгоритм пересечения треугольника с лучём (Möller–Trumbore), SSE:

nThreadsTotal: 1, bucket size: 320 x 240, nBucketsTotal: 4, time elapsed:   0.1565
nThreadsTotal: 2, bucket size: 160 x 120, nBucketsTotal: 16, time elapsed:   0.0826
nThreadsTotal: 4, bucket size: 80 x 60, nBucketsTotal: 64, time elapsed:   0.0451

Результаты работы алгоритмов. С антиалиасигом гораздо симпатичнее!

Дата последнего обновления: 28-1-16 22:39:39