什么叫做光栅化？

光栅化（Rasterization）是一种计算机图形学技术，用于将几何图形（如矢量图形、3D模型）转换成由像素或点组成的光栅图像（raster image）。这个过程通常在图形硬件（如显卡）上进行，用于生成最终在屏幕上显示的图像。

上面来自chatGPT，对于有图形学基础的人还是很好理解。

我这里单纯用绘制2D图形的两个案例，用大白话简易解释一下：

（1）给屏幕坐标系中的两个点坐标，如何绘制出以这两个点为首尾的直线？这就是直线光栅化的作用；

（2）给屏幕坐标系中三个点，如何绘制以这三个点为顶点的填充三角形？这就是三角形光栅化的作用；

再次声明，以此类推，这些说辞都是方便理解用的，并不专业！

为什么需要光栅化？

计算机图形通常以矢量形式存储和处理，包括点、线、三角形等基本几何形状。

然而，显示设备（如计算机屏幕、手机屏幕）是基于像素的。这意味着最终显示图像需要将矢量图形转换为像素阵列，光栅化正是这个转换过程。

直线的光栅化算法有哪些？

• 数值微分法（DDA）
• Bresenham
• Wu

使用场景比较：

• DDA算法：适合简单的直线绘制，计算过程容易理解，但由于使用浮点数，效率较低
• Bresenham算法：效率高，使用整数运算，适用于大多数应用场景，尤其是实时图形渲染
• Wu算法：用于生成平滑的抗锯齿直线，适合需要高质量图像的应用

咱们重点讲述Bresemham算法！也是最常用的！

Bresemham算法

问题定义：

已知两个点 $p1(x_1,y_1),p2(x_2,y_2)$ 请在屏幕像素空间绘制一条直线。

问题模型简化：

最简单的问题模型满足如下条件：

• $x_1<x_2$
• $y_1<y_2$
• 直线表达式： $ y = kx + b$​
• 直线斜率 $k$ 满足：$0<k<1$

概念图如下：

算法核心理解：

顶级理解： 假设当前直线已经通过点 $(x_i,y_i)$ ，那么当 $x_i->x_i+1$ ，此时的 $y_i$ 如何变动呢？如下图所示：

其实 $y_i$ 的变动只有两个选择，要么 $y_i->y_i$ 保持不变，要么 $y_i$ -> $y_{i+1}$ 向上增加一个像素。

这两种情况说人话：一个向正东移动、一个向东北方移动！

问题来了： 那么何时朝正东移动，何时朝东北移动，依据什么呢？如下图所示：

感官上来看： 依据直线是朝下倾斜一点，还是朝上倾斜一点。

数学表达来看： 根据上图的 $d_0$ 和 $d_1$ 谁更大（$d_0$ 更大，表明向下倾斜，反之向上）

让我们开始步入数学公式的殿堂：
$$\begin{array}{rl}{d}_0& =y_i+1-k(x_i+1)-b\\ d_1& =k(x_i+1)+b-y_i\end{array}$$

既然要比较 $d_0$ 和 $d_1$ 的大小，咱们就用$d_1$ - $d_0$​ ：
$$\begin{array}{rl}{d}_1-d_0& =k(x_i+1)+b-y_i-[y_i+1-k(x_i+1)-b]\\ & =2k(x_i+1)-2y_i-1+2b\end{array}$$

由于模型简化，根据已知条件：
$$\begin{array}{rl}k& =\frac{y_2-y_1}{x_2-x_1}\\ \Delta x& =x_2-x_1>0\end{array}$$

所以，等式两边同乘 $\Delta x$ ，表达式正负号不会发生变化，记 $p_i=\Delta x(d_1-d_0)$

$$\begin{array}{rl}{p}_i& =\Delta x(d_1-d_0)\\ & =\Delta x\ast [2k(x_i+1)-2y_i-1+2b]\\ & =\Delta x\ast [2\ast \frac{y_2-y_1}{x_2-x_1}\ast (x_i+1)-2y_i-1+2b]\\ & =\Delta x\ast [2\ast \frac{\Delta y}{\Delta x}\ast (x_i+1)-2y_i-1+2b]\\ & =2\Delta y\ast (x_i+1)+\Delta x(-2y_i-1+2b)\\ & =2\Delta y\ast (x_i+1)-\Delta x(2y_i+1-2b)\\ & =2\Delta y\ast x_i-2\Delta x{y}_i+[2\Delta y+(2b-1)\Delta x]\end{array}$$

推导到这，咱们观察一下：$\Delta y$已知、$\Delta x$已知，所以 $p_i$ 的值就取决于 $x_i$、$y_i$、b的值

因为咱们发现出现了b，b很有可能是浮点数，是不满足咱们这个算法的要求的，于是伟大的思路，要求我们尝试构造递推关系式，来进行对b消去！

迭代模型：
$$\begin{array}{rl}{p}_i& =2\Delta y{x}_i-2\Delta x{y}_i+[2\Delta y+(2b-1)\Delta x]\\ p_{i+1}& =2\Delta y(x_i+1)-2\Delta x{y}_{i+1}+[2\Delta y+(2b-1)\Delta x]\\ p_{i+1}-p_i& =2\Delta y-2\Delta x(y_{i+1}-y_i)\end{array}$$

惊奇的发现，b被消去了，大功告成，这是我们发现：计算 $p_{i+1}$ 的值，只和 $p_i$ 以及 $y_{i+1}$ 和 $y_i$ 有关系！

所以咱们需要单独计算 $p_1$，咱们就用这个公式： $p_i=2\Delta y{x}_i-2\Delta x{y}_i+[2\Delta y+(2b-1)\Delta x]$

令 $i$ = 1，带入$(x_1,k{x}_1+b)$

咱们得到：
$$\begin{array}{rl}{p}_1& =2\Delta y{x}_i-2\Delta x{y}_i+[2\Delta y+(2b-1)\Delta x]\\ & =2\Delta y{x}_1-2\Delta x(k{x}_1+b)+[2\Delta y+(2b-1)\Delta x]\\ & =2\Delta y{x}_1-2\Delta x(\frac{\Delta y}{\Delta x}{x}_1+b)+[2\Delta y+(2b-1)\Delta x]\\ & =2\Delta y{x}_1-2\Delta y{x}_1-2b\Delta x+2\Delta y+2b\Delta x-\Delta x)\\ & =2\Delta y-\Delta x\end{array}$$

重申目标：

我们需要通过 $p_i$ 的正负值，从而决定 $d_1$ 和 $d_0$ 谁大谁小，从而决定他是往东北方向移动，还是往正东方向移动。

数学表达如下：
$$y_{i+1}=\{\begin{array}{ll}{y}_i,& p_i<=0即d_1<d_0\\ y_i+1,& p_i>0即d_1>d_0\end{array}$$

所以我们发现：$y_{i+1}$ 其实是由 $p_i$ 决定的。咱们已知 $p_1$ 自然可以求出 $y_2$，又根据递推关系式：
$$p_{i+1}-p_i=2\Delta y-2\Delta x(y_{i+1}-y_i)$$

自然而然可以迭代计算，求出：$p_2$、$y_3$、$p_3$、$y_4$、…$p_k$、$y_{k+1}$，直到所有！

算法拓展：

前面咱们由于为了推导公式，所以简化了模型，假设了以下条件：

• $x_1<x_2$
• $y_1<y_2$
• 直线表达式： $ y = kx + b$​
• 直线斜率 $k$ 满足：$0<k<1$

但是实际在一个二维平面上，一条直线有八种情况：

• $x_1<x_2$ 且 $y_1<y_2$ 且 $0<k>1$

• $x_1<x_2$ 且 $y_1<y_2$ 且 $k>1$

• $x_1>x_2$ 且 $y_1<y_2$ 且 $0<k>1$

• $x_1>x_2$ 且 $y_1<y_2$ 且 $k>1$

• $x_1<x_2$ 且 $y_1>y_2$ 且 $0<k>1$

• $x_1<x_2$ 且 $y_1>y_2$ 且 $k>1$

• $x_1>x_2$ 且 $y_1>y_2$ 且 $0<k>1$

• $x_1>x_2$ 且 $y_1>y_2$ 且 $k>1$

如下图，这八种情况，其实就对应八个方位：

计算的情形其实也类似，只需要将目标点转换到咱们简化模型状态，然后最后结果再转换回去就可以！

比如：x符号取反、y符号取反、xy互换等等，就不多赘述了！

结尾：喜欢的小伙伴可以点点关注+赞哦

希望对各位小伙伴能够有所帮助哦， 我是航火火，火一般的男人！