pbr (physically based rendering) ，基于物理的渲染。
首先明确一点，物体有颜色是因为那些没有被物体吸收的光线(表现为物体的颜色)射入你的眼睛，你才感知到了颜色。从光照模型的角度来说，射入你眼睛的有两种光，一种是直接的反射光(表现为光本来的颜色)，一种是折射进入物体后又散射出来的所谓漫反射光(即被吸收过了的光，也就是贴图的颜色)
pbr和原始的blinn-phong的最大区别就是，考虑到了光照的能量守恒，且 基于给定粗糙值的表面(片元)，对于光的反射计算更加的符合统计结果。
大致的逻辑/概念：
对于单个片元来说
基于粗糙度，入射方向，观察方向，法线方向，先使用一个统计模型去估算出对于此片元来说，法线半球内所有入射光线经过直接反射进入到观察者眼睛的占比，也就是高光的占比（并根据法线分布函数和几何函数做调整）（在不考虑基于环境cubemap作为间接光源的情况下，单个直接光源对单个片元来说只需要计算一根入射光线，phong里就是这样，但是他没有能量守恒）。随后漫反射的占比就能通过1减去高光占比简单的算出来 （此为能量守恒）（折射进入物体后被吸收或二次散射出来，即表现为漫反射）(当然最后还是需要乘以熟悉的Dot(n,l))。
而这个统计模型中包含了三个核心函数。
菲涅尔函数：获取反射光总量的占比 (也就同时得到了漫反射占比)
法线分布函数：通过粗糙度常量和dot(n,h)的函数获得高光值...越光滑的表面，高光越集中、亮，反之，高光面积越大且越暗
几何函数:获取由于微表面的相互遮蔽，而造成的能量损失概率。
一旦有了反射光和折射光的占比 ，计算就和原来的光照模型差不多了（反射光总量即光线颜色，折射光即物体贴图颜色)。
至此，能获得的效果已经比传统模型好很多了。
而pbr的最终形态是同时考虑来自环境光照贴图(一个cubemap)的间接光照，被称为IBL（image based lighting）的东西。他不但需要cubemap还需要为cubemap预计算数据，这意味着预计算的数据又是一个新的cubemap。
不论是存储消耗还是运算消耗(需要在cubemap所有采样点的数据集中做卷积)都十分巨大，但是带来的视觉提升也爆表了。
版权声明：本文为CSDN博主「zwlstc」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zwlstc/article/details/86620028
