阴影映射：怎么画出逼真的影子

可视化演示

展示阴影映射双Pass渲染流程、深度比对与偏移修复、以及PCF软阴影与级联阴影CSM优化过程。

光影基础

小影刚当上灯光师时，以为影子是“画在地面上的一块黑”。直到有一天她看到：自己站在路灯下，影子被拉得老长；她跑到篮球架后面，影子却消失了。她忽然明白——影子不是涂上去的黑漆，而是“光的路被挡住后留下的空缺”。光沿直线传播，撞上不透明的物体就停下，物体的另一侧就收不到光，于是那里成了影。

把这个直觉搬进计算机，问题就变成：屏幕上每个像素，我怎么知道它有没有被某个物体挡住通往光源的路？这就叫遮挡检测。要判断遮挡，光靠“哪个方向有光”还不够，还必须知道“离光源多远”。在图形学里，点到光源的距离有个专门的名字——深度。深度是阴影世界里最重要的度量：如果一个点离光源的距离，比“挡在它前面的东西”的距离更远，那它必然泡在阴影里。

Shadow Map 的全部智慧，就是把这个判断化整为零：先站在光源的角度，记录下场景中每个可见表面“离光源有多远”；再回到摄像机面前，逐个像素对比“你离光源的距离，和登记的距离一样吗”。小影恍然大悟：原来她需要的不是一支画笔，而是一把卷尺——这把卷尺的名字，就叫深度。

渲染流程

小影总结出一套自己的工作节奏：先登记，再对账。她绝不会在演出进行时，慌慌张张跑到灯下去量距离，那会让全场观众等得不耐烦。她习惯在彩排时就完成一切测量，正式演出只管对照本子做判断。

Shadow Map 采用的正是这套“两步走”策略，专业说法是双 Pass 渲染管线。第一个 Pass 叫深度图 Pass：把虚拟摄像机挪到光源所在的位置，朝场景看过去，把所有可见表面到光源的距离记录到一张特殊纹理里。注意，这一步完全不关心物体长什么颜色、什么花纹，只关心“谁有多远”——所以通常连颜色输出都关掉，省下大量计算。第二个 Pass 叫渲染 Pass：把摄像机放回观众所在的位置，正常渲染整个场景，但在处理每个像素的颜色时，额外向它提一个问题——“你到光源的距离，比登记簿上写的更远吗？”

如果把整个流程拍成小影的一天：上午彩排，她站在大灯底下唰唰地填完一本“光线登记簿”；下午正式演出，她坐在舞台边，手里拿着登记簿，目光扫过每一个角落，一处处对账。对上了，光就照过去；对不上，那个位置就暗下来。小影发现，这种“先准备、后判断”的方式，让整个演出又快又稳，绝不会在关键时刻掉链子。

光源深度图

登记簿要写得准，首先得站对位置。小影发现，如果她站在观众席去量“每个演员离灯多远”，准会量出一堆错误数据——因为从侧面看，远处的演员会被近处的道具挡住，她根本看不见。正确的姿势是：直接站到灯的位置，往舞台上看。灯光照向哪里，登记簿就记录哪里。

在图形学里，这一步叫作“从光源视角渲染场景”。具体要做三件事：第一，把视点放到光源处；如果光源是太阳这样的方向光，就用正交投影（光都是平行的）；如果是一盏台灯这样的点光源，就用透视投影（光向四面八方散开）。第二，按这个视角把场景整个渲染一遍，但目标不是画面，而是深度——每个可见表面片元（fragment）到光源的距离。第三，把这些距离值写进一张特殊的纹理——深度纹理。在这张纹理里，同一视角下“离光源更近”的像素深度值更小，“更远”的像素深度值更大。

小影把这本登记簿想象成一张“距离写真”：照片里每块斑驳的颜色都不是颜色，而是用数字标出的远近。她特意叮嘱自己：这张写真只关心距离，不关心美丑，所以画画时连颜料都省了。有了这本登记簿，下一步的对账工作就有了可靠的依据——它就像老师手里的点名册，谁该亮、谁该暗，全写在上面。

阴影比对

正式演出开始了。小影坐在舞台侧面，手里捏着登记簿，目光扫过场上每一个位置。她嘴里念念有词：“你说你离灯 3 米？可登记簿上离灯最近的人只要 2 米——那你肯定被前面的家伙挡住了！”这句念叨，翻译成图形学的语言，就是阴影比对的核心逻辑。

对屏幕上每一个像素 P，我们做三件事：先算出 P 到光源的真实距离 \(d_L(P)\)，再把它投影到光源视角的纹理坐标上，从深度图中读出那个方向上的最近登记距离 \(D_{\text{map}}(q)\)。如果“现读数”大于“登记簿旧账”，说明 P 确实被一个更近的物体挡住了光，P 就处于阴影中；否则，P 正沐浴在阳光下。

小影发现，这套“对账判影”的方法虽然朴素，却极其可靠——它不依赖任何肉眼感觉，而是用数字说话。谁亮谁暗，一比便知。她的登记簿，终于在正式演出这一刻真正派上了用场。

边缘抗锯齿

小影很快发现一个问题：用登记簿算出的影子，边缘总是犬牙交错，像被小狗啃过的饼干。她蹲下来仔细看，原来深度图本身就是一张由一个个像素格子组成的图像，格子越粗，边缘的“台阶感”越明显。这就叫阴影锯齿。直接提高深度图的分辨率可以缓解，但锯齿永远不可能被彻底消灭——因为无论格子多细，它终究是离散的。

图形学里对付锯齿的经典武器，是一招叫 PCF（Percentage Closer Filtering，百分比渐近滤波） 的技术。它的思路很巧妙：不再只问一个点“你被挡了吗”，而是在阴影边缘附近多问几个点——比如 3×3 的九个邻居，让每个邻居各自做一次深度比对，得到一串 0 和 1 的硬性答案，然后把这九个答案取平均。平均之后，原本非黑即白的边缘，变成了 0.2、0.5、0.8 这样的连续渐变。人眼看到这种渐变，就会脑补出一条柔和自然的阴影边缘。

小影豁然开朗：她不再依赖“一个人的证词”，而是召集一圈邻居开会投票。票数越接近一半，说明这里越靠近影子边缘；大家的意见越是一边倒，说明这里要么是亮堂堂的，要么是黑黢黢的。这一招，让影子从“锯齿瞬间”变成了“柔和渐变”，观众再也不觉得影子像被狗啃过了。

瑕疵修复

对账工作进行到一半，小影又撞上两件怪事。第一件：影子的表面出现密密麻麻的小麻点，像舞台上飘了一层灰，专业术语叫“阴影痤疮”（shadow acne）。第二件：影子有时会“飞”起来，离物体的底部有一段明显的空隙，看起来像幽灵在飘，这叫 Peter Panning（悬浮影）。

麻点的根源在深度精度：深度图里的数值是用有限位数的二进制存的，比如 0.500001 和 0.500002 这种细微差别在存储时会被“抹平”，导致深度比较时产生微小误判。本该完全暴露在光下的表面，因为舍入误差被错误地判定为“被遮挡”。解决办法是引入 Bias（偏移）：在比较时，给当前点到光源的距离减去一个微小的偏移量，相当于主动给“贴着表面”的区域松绑，让误差没有机会作怪。但 Bias 必须拿捏分寸——偏移过大，真影子也会被“抬离”物体，变成悬浮影；偏移过小，麻点又卷土重来。

小影笑着说，这就像给卷尺加了一条“原谅线”——测量难免有误差，多一点宽容，画面反而干净了。但宽容也要有个度：你要是原谅得太多，连真影子都被你“原谅”掉了。她把这个教训记在本子上：bias 是皮肤药，抹少了没用，抹多了会浮肿。

工程实践

日子久了，小影对“登记簿”本身也有了心得：用多大的本子、记多细的条目，直接关系到演出成本和效果。如果舞台很大，却只带一本巴掌大的小本子，远处演员的距离全挤在几个格子里，影子必然糊成一片；可如果每场小演出都扛一本百科全书那么厚的登记簿，光是翻页就累得够呛。

在 Shadow Map 的世界里，这个权衡叫分辨率与性能的平衡。深度图的分辨率越高，阴影边缘越锐利，但显存占用和带宽压力也成倍上涨。实际项目中，常见的深度图尺寸在 1024×1024 到 4096×4096 之间。为了进一步优化，工程师们还发明了级联阴影映射（CSM）：把摄像机看到的视锥体从近到远切成几段，近处用高分辨率深度图，远处用低分辨率深度图，这样既保住了观众眼皮底下的精致影子，又不会让远山的影子浪费太多算力。

这套技术已经渗透进无数真实场景：游戏引擎（Unity、Unreal）里，太阳光下的建筑投影是它；电影虚拟制片里，LED 屏上实时变化的飞船投影是它；AR 应用里，虚拟沙发在地板上投出的柔影也是它。小影的最终感悟是：工具没有绝对的好坏，只有会不会因地制宜。大型歌舞剧用厚登记簿细细记，小品短剧随手一页纸——用对地方，才是真正的专业。

AI 应用场景

Python 演示

import numpy as np  def build_scene(nx=80, ny=44):    scene = np.zeros((ny, nx), dtype=np.uint8)    scene[8:11, 20:48] = 1   # 第一堵墙    scene[20:34, 52:55] = 1  # 第二堵墙    scene[28:31, 65:70] = 1  # 第三堵墙    return scene  def shadow_map_two_pass(nx=80, ny=44, light=(3, 3)):    """两遍式阴影映射演示：    Pass1 从光源方向生成深度图（记录最近遮挡距离）；    Pass2 逐格比对当前距离与登记深度，判定阴影。    """    scene = build_scene(nx, ny)    lx, ly = light     # ---- Pass 1: 从光源角度渲染的深度图 ----    depth_map = np.full((ny, nx), np.inf)    for y in range(ny):        for x in range(nx):            d_light = abs(x - lx) + abs(y - ly)            nearest = np.inf            for i in range(1, 50):                t = i / 50.0                px = int(round(lx + (x - lx) * t))                py = int(round(ly + (y - ly) * t))                if scene[py, px] == 1:                    nearest = t * d_light                    break            depth_map[y, x] = nearest     # ---- Pass 2: 阴影比对（加一个量为1.5的bias避免自影误判） ----    shadow = np.zeros((ny, nx), dtype=bool)    for y in range(ny):        for x in range(nx):            if scene[y, x] == 1:                continue            cur_d = abs(x - lx) + abs(y - ly)            shadow[y, x] = cur_d - 1.5 > depth_map[y, x]     # ASCII 可视化    for y in range(ny):        print(''.join(            '#' if scene[y, x] else ('~' if shadow[y, x] else '.')            for x in range(nx)        ))    return scene, shadow  if __name__ == '__main__':    shadow_map_two_pass()

1. depth_map[y, x] = nearest把沿光源方向找到的最近遮挡距离写入深度图，这就是“登记簿”。
2. nearest = t * d_light光线步进一步步向外试探，首次撞到墙时记录下遮挡距离。
3. cur_d - 1.5 > depth_map[y, x]当前点到光源的距离减掉 bias 后仍大于登记深度，判定为阴影。
4. '~' if shadow[y, x] else '.'波浪号表示影子，点表示受光面，墙用 # 表示。

常见误区

面试题