散焦模糊”在摄影上又称“景深”。 在现实的相机中，我们需要做“散焦模糊”的原因是：我们需要一个更大的孔来收集光线增加图片的亮度（而不是“针孔”）。我们称“更大的孔”为“光圈”。 光圈的增大，导致图片出现散焦而模糊。 但是我们可以调节成像的位置，改变图片的清晰度，使图片在当前光圈条件下尽可能清晰。 所以，接下来，我们会引入两个参数：aperture（光圈）和focus_dist（成像位置）。 camera.h：
#ifndef cameraH
#define cameraH
//M_PI 是一个宏定义，圆周率的定义，math文件中也有这家伙。
#define M_PI 3.14159265358979323846
#include “ray.h”
vec3 random_in_unit_disk()
{
/*在z=0平面上产生一个“起点在原点，长度小于1，方向随机”的向量。
为什么是z=0平面，这个和相机的倾斜方向有关。
（相机的倾斜方向为view up （简称vup，一般设置为（0，1，0）））
*/
vec3 p;
do{
//p = 2.0*vec3(drand48(),drand48(),0) - vec3(1,1,0);
p = 2.0 * vec3((rand() % (100) / (float)(100)), (rand() % (100) / (float)(100)), 0) - vec3(1, 1, 0);
} while (dot(p, p) >= 1.0);
return p;
}
class camera
{
vec3 origin;
vec3 lower_left_corner;
vec3 horizontal;
vec3 vertical;
vec3 u, v, w;
float lens_radius;
public:
camera(vec3 lookfrom, vec3 lookat, vec3 vup, float vfov, float aspect, float aperture, float focus\_dist)
{
lens\_radius = aperture / 2;
float theta = vfov \* M\_PI / 180;
float half\_height = tan(theta / 2);
float half\_width = aspect \* half\_height;
origin = lookfrom;
w = unit\_vector(lookfrom - lookat);
u = unit\_vector(cross(vup, w));
v = cross(w, u);
lower\_left\_corner = origin - half\_width \* focus\_dist \* u - half\_height \* focus\_dist \* v - focus\_dist \* w;
horizontal = 2 \* half\_width \* focus\_dist \* u;
vertical = 2 \* half\_height \* focus\_dist \* v;
}
ray getray(float s, float t)
{
vec3 rd = lens\_radius \* random\_in\_unit\_disk();
vec3 offset = u \* rd.x() + v \* rd.y();
return ray(origin + offset, lower\_left\_corner + s \* horizontal + t \* vertical - origin - offset);
}};
#endif
cpp：
#include
#include
#include
#include “sphere.h”
#include “hitable_list.h”
#include “camera.h”
#include “material.h”
using namespace std;
//获得反射射线
vec3 RandomInUnitsphere()
{
vec3 p;
do{
p = 2.0f * vec3((rand() % 100 / float(100)), (rand() % 100 / float(100)), (rand() % 100 / float(100))) - vec3(1.0f, 1.0f, 1.0f);
} while (dot(p, p) >= 1.0f);
return p;}
vec3 Color(const ray& r, hitable* world, int depth)
{
//这个“rec”会在sphere::hit ()中带上来被撞击球的材料属性（指向一个材质对象的指针mat_ptr）。
//根据这个指针可以获取材料对象的成员方法scatter()和成员变量albedo（反射衰减向量）
hit_record rec;
if (world->hit(r, 0.001f, FLT_MAX, rec))
{
ray scattered;
vec3 attenuation;
if (depth < 50 && rec.mat_ptr->scatter(r, rec, attenuation, scattered))
{
//获取反射光线向量scattered和反射衰减向量attenuation
return attenuation * Color(scattered, world, depth + 1);
//反射光线的强度需要乘以反射衰减向量（对应坐标相乘作为新的向量）。
//然后反射光线就扮演之前“原始光线”的角色。如果再次撞击到小球，就再次反射，直到不再撞击到任何球为止
}
else
{
return vec3(0.0f, 0.0f, 0.0f);
}
}
else
{
//绘制背景
vec3 unit_direction = unit_vector(r.direction());
float t = 0.5f * (unit_direction.y() + 1.0f);
//线性混合，t=1时蓝色，t=0时白色，t介于中间时是混合颜色
//blended\_value = (1-t)\*start\_value + t\*end\_value
return (1.0f - t) \* vec3(1.0f, 1.0f, 1.0f) + t \* vec3(0.5f, 0.7f, 1.0f);
//注意这里，原始光线和反射光线最后都会跑到这里来。
//背景的颜色：原始光线的方向向量的映射
//漫反射材料和镜面材料的颜色：最后一次反射光线的方向向量的映射 \* 所有反射衰减系数的乘积。
//漫反射和镜面反射的区别在于，漫反射的每次反射方向是随机的
}}
//And add some metal spheres
int main()
{
ofstream outfile;
outfile.open(“IMG.ppm”);
int nx = 800;
int ny = 400;
//采样次数
int ns = 100;
outfile << "P3\\n" << nx << " " << ny << "\\n255\\n";
hitable\* list\[5\];
list\[0\] = new sphere(vec3(0.0f, 0.0f, -1.0f), 0.5f, new lambertian(vec3(0.8f, 0.3f, 0.3f)));
list\[1\] = new sphere(vec3(0.0f, -100.5f, -1.0f), 100.0f, new lambertian(vec3(0.8f, 0.8f, 0.0f)));
list\[2\] = new sphere(vec3(1.0f, 0.0f, -1.0f), 0.5f, new metal(vec3(0.8f, 0.6f, 0.2f), 0.3f));
list\[3\] = new sphere(vec3(-1.0f, 0.0f, -1.0f), 0.5f, new dielectric(1.5f));
list\[4\] = new sphere(vec3(-1.0f, 0.0f, -1.0f), 0.5f, new dielectric(1.5f));
hitable\* world = new hitable\_list(list, 5);
vec3 lookform(3, 3, 2);
vec3 lookat(0, 0, -1);
float dist\_to\_focus = (lookform - lookat).length();
float aperture = 2.0f;
camera cam(lookform, lookat, vec3(0, 1, 0), 20, float(nx) / float(ny), aperture, dist\_to\_focus);
//随机数
default\_random\_engine reng;
uniform\_real\_distribution<float> uni\_dist(0.0f, 1.0f);
for (int j = ny - 1; j >= 0; j--)
{
for (int i = 0; i < nx; i++)
{
vec3 col(0.0f, 0.0f, 0.0f);
//每个区域采样ns次
for (int s = 0; s < ns; s++)
{
float u = float(i + uni\_dist(reng)) / float(nx);
float v = float(j + uni\_dist(reng)) / float(ny);
ray r = cam.getray(u, v);
//vec3 p = r.point\_at\_parameter(2.0);
//将本区域（(u,v)到(u+1,v+1)）的颜色值累加
col += Color(r, world, 0);
}
//获得区域的颜色均值
col /= float(ns);
//gamma矫正
col = vec3(sqrt(col\[0\]), sqrt(col\[1\]), sqrt(col\[2\]));
int ir = int(255.99 \* col\[0\]);
int ig = int(255.99 \* col\[1\]);
int ib = int(255.99 \* col\[2\]);
outfile << ir << " " << ig << " " << ib << "\\n";
}
}
outfile.close();
return 0;}
最终效果: 
参考书籍：《Ray Tracing in One Weekend》 RTIOW系列项目地址：GitHub RTIOW系列笔记： RTIOW-ch1：Output an image RTIOW-ch2：The vec3 class RTIOW-ch3：Rays, a simple camera, and background RTIOW-ch4：Adding a sphere RTIOW-ch5：Surface normals and multiple objects RTIOW-ch6：Antialiasing RTIOW-ch7：Diffuse Materials RTIOW-ch8：Metal RTIOW-ch9：Dielectrics RTIOW-ch10：Positionable camera RTIOW-ch11：Defocus Blur RTIOW-ch12：Where next