真实感图形学是计算机图形学的重要组成部分,真实感图形技术的广泛应用对其算法提出了更高的要求。基于蒙特卡罗积分技术的整体光照计算是生成高质量真实感图像的主要方法。在绘制图像的过程中,需要用离散的像素来表示连续的图像,从本质上讲,绘制问题实际上就是采样的问题。本文从走样和反走样入手,针对某些像素的蒙特卡罗整体光照计算收敛速度较快,而另外一些像素则较慢的特点,引入自适应采样算法。其算法思想为:首先在每个像素内分配较少的固定数目的采样点数,然后根据计算出的像素质量来决定是否增加更多的采样点。在回顾了基于方差、置信区间、对比度、香农熵和f-散度这些经典的自适应采样算法之后,本文引入了Tsallis理论,提出了基于Tsallis熵和基于Tsallis散度的自适应采样算法。在基于Tsallis熵的自适应采样算法中,引入最小二乘法根据不同的场景自动地选取合适的熵指数,由该算法生成图像在细节和计算复杂的区域表现较好,测得的均方根RMS也较其他算法小;在基于Tsallis散度的自适应采样算法中,本文通过手动地选取散度指数的一些实数值,经过实验,证明了只要选择合适的指数,由此算法生成的图像和得到的RMS数据均比以往的经典采样算法有很大的提高。