原理化毛发BSDF

仅 Cycles

原理化毛发 ：缩写：'BSDF（双向散射分布函数） "是一个基于物理的，易于使用的着色器，用于渲染头发和毛发。

Tip

逼真的头发应该在每条发股间具有些许差异。该着色器利用 随机色彩 和 随机粗糙度 来实现上述效果。实现方式是将 黑色素/粗糙度 的比值重新映射到 \(色彩/糙度 \pm 随机化\%\) 。

输入

通用选项

颜色

发股的RGB颜色。仅在直接着色模式下起作用。

Hint

使用以下公式将所选颜色转换为吸收系数（参见 4.2 章 [CBTB16]）:

\[\sigma_{a} = \frac{\ln(Color)} {\left(5.969 - 0.215\beta_{N} + 2.532\beta_{N}^{2} - 10.73\beta_{N}^{3} + 5.574\beta_{N}^{4} + 0.245\beta_{N}^{5}\right)^{2}}\]

在指定了径向粗糙度的情况下， \(\beta_{N}\) 是应用随机化后头发的径向粗糙度。

使用直接着色参数化头发颜色。（顶部为RGB参数。）

黑色素

色素的绝对值。范围： \([0, 1]\) 对应于 \([0\%, 100\%]\) 。

Hint

这是对下面基础指数函数的线性映射：

\[melanin\_qty = -\ln(\max(1.0 - Melanin, 0.0001))\]

黑色素。

黑色素红

褐黑素与真黑素的比例。范围： \([0, 1]\) 对应于 \([0\%, 100\%]\) 。

Hint

The ratio formula is: \(eumelanin = Melanin*(1.0-MelaninRedness)\), \(pheomelanin = Melanin*MelaninRedness\).

在随机化后，得到的最终值会通过下式转化为吸收浓度（参见 6.1 章 [EFHLA11], 范围调整为 \([0, 1]\)）:

\[\begin{split}\sigma_{a} = 真黑色素 * \左[\begin{matrix} 0.506 \\ 0.841 \\ 1.653 \\ \end{matrix}\右] + 褐黑素 * \左[\begin{matrix} 0.343 \\ 0.733 \\ 1.924 \\ \end{matrix}\右]\end{split}\]

黑色素红。

染色

生成染发效果。不受随机化的影响。可以通过将颜色设置为白色来禁用它。

Hint

计算方式是通过将上面的 颜色 转换并添加到黑色素浓度的吸收系数中。

染色效果。黑色素值设定为 0.1，其余为RGB数值。

吸收系数

吸收系数 \(\sigma\) 。

IOR

折射率 (IOR) 定义光线改变方向的程度。折射率设定为1.0时，光线可直接透过；值越高，折射越强。默认值为 \(1.55\) 。

偏移量

通过增加头发角质层相对于发股的角度来倾斜头发的闪烁。人类的头发通常具有较低的偏移值。

随机色彩

对于每根发股，通过 \(随机系数\) 改变黑色素浓度。范围： \([0, 1]\) 对应于初始黑色素浓度 \([0\%, 100\%]\) 。

Hint

黑色素浓度会与 \(随机系数\) 相乘得到最终值，其中 \(随机系数 = 1.0 + 2.0*(随机数- 0.5) * 随机色彩\) 。

随机色彩。

随机粗糙度

对于每根发股，通过 \(随机系数\) 改变糙度。范围： \([0, 1]\) 对应于初始糙度值 \([0\%, 100\%]\) 。

Hint

使用的公式与 随机色彩 中的一致。

随机粗糙度。

随机

产生随机数。如果没有与其它节点相连，则从 毛发信息 ‣ 随机 中获取随机数。

Chiang 模型

The Chiang model is based on a Gaussian distribution with separate roughness along and orthogonal to the hair.

粗糙度

指定在发干方向上平滑的闪光量。值过低会使头发平滑到看起来几乎是金属的，使闪光看起来像 光斑 ；而将其设置得太高将导致兰伯式的外观。

糙度。

径向粗糙度

指定在头发正常方向上平滑的闪光量。值过低会集中闪光;当它设置得太高时，光线会分散到线的宽度上。

Hint

从数学层面上理解为：该参数可以映射到逻辑分布的比例因子 \(s\) 上 (参见 4.1 章 [CBTB16])。

径向粗糙度。

涂层

通过将粗糙度降低到给定的数值，来模拟第一次光反射（漫反射），进而模拟出一层闪亮的毛发。范围： \([0, 1]\) 对应于将原始糙度调节至 \([0\%, 100\%]\) 。

涂层。

Huang 模型

The Huang model is based on microfacet based reflection and transmission, and supports elliptically shaped hair.

宽高比

The ratio of the minor axis to the major axis of an elliptical cross-section. Recommended values are 0.8~1 for Asian hair, 0.65~0.9 for Caucasian hair, 0.5~0.65 for African hair. The major axis is aligned with the curve normal, which can be created with geometry nodes, but is not supported in legacy particle hair.

粗糙度

Microfacet roughness for reflection and transmission.

反射

Optional factor for modulating the first light bounce off the hair surface. The color of this component is always white. Keep this 1.0 for physical correctness.

透射

Optional factor for modulating the transmission component. Picks up the color of the pigment inside the hair. Keep this 1.0 for physical correctness.

二次反射

Optional factor for modulating the component which is transmitted into the hair, reflected off the backside of the hair and then transmitted out of the hair. This component is oriented approximately around the incoming direction, and picks up the color of the pigment inside the hair. Keep this 1.0 for physical correctness

属性

颜色参数化

该着色器共有三种 参数化 的方式来对毛发进行着色。

直接着色:

选择所需的RGB颜色，着色器会粗略计算必要的 吸收系数 (吸收系数详细说明见下文)。

黑色素浓度:

现实生活中，真黑素（在棕黑色头发中普遍存在）和褐黑素（红色头发）的数量和比例决定着毛发的颜色。该模式利用输入的 黑色素 数值来确定两者的数量，利用输入的 黑色素红 的值来确定两者的比例，进而实现对毛发进行着色。提高浓度会加深毛发颜色（下面的五个颜色示例都是在 黑色素红 设定为 \(1\) 时的结果）：

• 怀特 （黑色素 ：数学：'0'）

• 亚麻色 (黑色素值设为 \(0.25\))

• 淡红色 (黑色素值设为 \(0.5\))

• 棕色 (黑色素值设为 \(0.75\))

• 黑色 (黑色素值设为 \(1\))

设定好上述参数后，可利用 染色 输入项来实现染发的效果。

吸收系数:

指定由 Beer-Lambert law. 定律确定的衰减系数 \(\sigma_{a}\)。该模式主要针对技术用户，以便于他们直接使用文献中报道的系数。

输出

BSDF

标准着色器输出。

参考文献

This shader is an implementation of the papers by Chiang et al. [CBTB16] and Huang et al. [HHH22].

[CBTB16] (1,2,3)

Chiang, M. J. , Bitterli, B. , Tappan, C. and Burley, B. (2016), A Practical and Controllable Hair and Fur Model for Production Path Tracing. Computer Graphics Forum, 35: 275-283. doi:10.1111/cgf.12830

[EFHLA11]

d'Eon, E. , Francois, G. , Hill, M. , Letteri, J. and Aubry, J. (2011), An Energy‐Conserving Hair Reflectance Model. Computer Graphics Forum, 30: 1181-1187. doi:10.1111/j.1467-8659.2011.01976.x

[HHH22]

Huang W., Hullin M.B. Hanika J. (2022), A Microfacet-based Hair Scattering Model. Computer Graphics Forum, 41: 79-91. doi:10.1111/cgf.14588