计算机图形学--基于物理的材质2

本文探讨了LTC方法在实时物理材质渲染中的应用,解决了微表面模型下光源着色问题,提供了解析解。同时,介绍了不基于微表面模型的实时渲染技术,强调简单易调的参数设置。此外,还讨论了非真实感渲染(NPR),包括轮廓描边和颜色块处理,以及如何从真实感渲染转换为素描效果。最后,展示了不同渲染风格的示例。

基于物理的材质

  • LTC方法
    LTC解决的问题是,在微表面模型下,我们用一个多边形的光源去照亮物体,它的着色情况(不包含阴影)。
    在这里插入图片描述
    思路:
    1.下图第一张图的方向,通过线性变换变换到第二张图的方式
    2.将光源也做类似的线性变换
    3.在以下变换情况下的积分,是有解析解的
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    LTC方法渲染的效果
    在这里插入图片描述
  • Real-Time Physically-Based Material (不基于微表面模型BRDF)在这里插入图片描述
    微表面模型不好解决的问题:木头桌子涂上清漆(清漆本身没有颜色)。微表面模型只能解决一层材质。
    在这里插入图片描述
    思路:
    1.看起来并不是物理的,或者说并不是基于物理参数的
    2.比较能够好描述的(比如,饱和,亮)等,参数越少越好
    3.比较能够容易的调整参数0~1
    4.某些情况下参数可以小于0或者大于1
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    - NPR(非真实感渲染)
    真实感渲染的图片
    在这里插入图片描述
    非真实感渲染的图片
    在这里插入图片描述
    思路:
    先得到一个真实感渲染的结果
    然后再把它变成非真实感的效果
    在这里插入图片描述
    非真实感渲染的结果
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    轮廓(描边)
    1.物体本身的边界
    2.折痕
    3.材质边界
    4.物体外围的轮廓,且有过个面共享
    在这里插入图片描述
    如何做描边,法线和视线垂直。
    在这里插入图片描述
    第二种方法:
    在这里插入图片描述
    用图像的方法描边
    在这里插入图片描述
    在这里插入图片描述
    颜色块
    对正常的结果进行阈值化
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    素描效果
    越亮的地方越没有格子,越暗的地方格子很多
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

截图和公式来源闫令琪老师games202课程
感谢闫令琪老师为我们带来这么精彩的图形学课程
https://www.bilibili.com/video/BV1YK4y1T7yY?p=11

【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
评论
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
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