unity 文件夹图片导入修改方法

using System.IO;
using System.Reflection;
using UnityEditor;
using UnityEngine;
using UnityEngine.UI;

[CustomEditor(typeof(TextureImporter))]

public class ImageImport : AssetPostprocessor
{
    //--导入贴图前
    public void OnPreprocessTexture()
    {
        TextureImporter importer = assetImporter as TextureImporter;
        ChangeTextureImportFormat(importer, assetPath);
    }

    static int[] formatSize = new int[] { 32, 64, 128, 256, 512, 1024, 2048, 4096 };
    static int FitSize(int picValue)
    {
        foreach (var one in formatSize)
        {
            if (picValue <= one)
            {
                return one;
            }
        }

        return 1024;
    }

    //贴图不存在、meta文件不存在、图片尺寸发生修改需要重新导入
    static bool IsFirstImport(TextureImporter importer, string assetPath)
    {
        (int width, int height) = GetTextureImporterSize(importer);
        Texture tex = AssetDatabase.LoadAssetAtPath<Texture2D>(assetPath);
        bool hasMeta = File.Exists(AssetDatabase.GetAssetPathFromTextMetaFilePath(assetPath));
        return tex == null || !hasMeta || (tex.width != width && tex.height != height);
    }

    //获取导入图片的宽高
    static (int, int) GetTextureImporterSize(TextureImporter importer)
    {
        if (importer != null)
        {
            object[] args = new object[2];
            MethodInfo mi = typeof(TextureImporter).GetMethod("GetWidthAndHeight", BindingFlags.NonPublic | BindingFlags.Instance);
            mi.Invoke(importer, args);
            return ((int)args[0], (int)args[1]);
        }
        return (0, 0);
    }
    static Object targetObj;
    //[MenuItem("Tools/TextureEdit")]
    static void EditTexture()
    {

        Object[] objs = Selection.GetFiltered(typeof(Texture), SelectionMode.DeepAssets);
        foreach (Object obj in objs)
        {
            string path = AssetDatabase.GetAssetPath(obj);
            if (obj.GetType() == typeof(Texture2D) && path.Contains(".png") == true)
            {
                TextureImporter texture = AssetImporter.GetAtPath(path) as TextureImporter;
                ChangeTextureImportFormat(texture, path);
                AssetDatabase.ImportAsset(path);
            }
        }
    }


    public static void ChangeTextureImportFormat(TextureImporter importer, string assetPath)
    {
        //try
        //{
        //    if (importer != null && !assetPath.EndsWith("_Normal.png") && !assetPath.EndsWith("_Normal.bmp") && !assetPath.EndsWith("_Normal.tga"))
        //    {
        //        //if (IsFirstImport(importer, assetPath))
        //        //{
        //        importer.textureType = TextureImporterType.Sprite;
        //        importer.spritePixelsPerUnit = 1;
        //        importer.spriteImportMode = SpriteImportMode.Single;

        //        int textureSize = Mathf.Max(4096, 4096);
        //        int SizeType = FitSize(textureSize);
        //        ////Standalone
        //        TextureImporterPlatformSettings settings = importer.GetPlatformTextureSettings("Standalone");
        //        settings.overridden = true;
        //        settings.maxTextureSize = SizeType;

        //        settings.format = importer.DoesSourceTextureHaveAlpha() ? TextureImporterFormat.DXT5 : TextureImporterFormat.DXT5Crunched;


        //        importer.SetPlatformTextureSettings(settings);


        //        settings = importer.GetPlatformTextureSettings("iPhone");
        //        settings.overridden = true;
        //        settings.maxTextureSize = SizeType;
        //        settings.format = importer.DoesSourceTextureHaveAlpha() ? TextureImporterFormat.ASTC_4x4 : TextureImporterFormat.ASTC_6x6;
        //        importer.SetPlatformTextureSettings(settings);

        //        settings = importer.GetPlatformTextureSettings("Android");
        //        importer.spritePixelsPerUnit = 1;
        //        settings.overridden = true;
        //        settings.maxTextureSize = SizeType;
        //        settings.format = importer.DoesSourceTextureHaveAlpha() ? TextureImporterFormat.ASTC_4x4 : TextureImporterFormat.ASTC_6x6;
        //        importer.SetPlatformTextureSettings(settings);
        //        //}
        //    }
        //}
        //catch (System.Exception e)
        //{

        //}
    }
}
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JustEasyCode

谢谢您

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值