8.5alpha混合裁剪像素

DirectX透明效果实现
本文详细介绍了在DirectX中实现透明效果的全过程,包括混合状态的初始化、渲染时的管线绑定、Shader中的alpha混合处理、纹理扩展技巧以及裁剪操作。通过具体的代码示例,展示了如何设置D3D10_BLEND_DESC、应用纹理变换矩阵和资源,以及在Pixel Shader中进行alpha裁剪。

 

先上图

 

1,初始化时,创建混合状态

    D3D10_BLEND_DESC blendDesc = { 0 };
    blendDesc.AlphaToCoverageEnable = false;
    blendDesc.BlendEnable[0] = true;
    blendDesc.SrcBlend = D3D10_BLEND_SRC_ALPHA;
    blendDesc.DestBlend = D3D10_BLEND_INV_SRC_ALPHA;
    blendDesc.BlendOp = D3D10_BLEND_OP_ADD;
    blendDesc.SrcBlendAlpha = D3D10_BLEND_ONE;
    blendDesc.DestBlendAlpha = D3D10_BLEND_ZERO;
    blendDesc.BlendOpAlpha = D3D10_BLEND_OP_ADD;
    blendDesc.RenderTargetWriteMask[0] = D3D10_COLOR_WRITE_ENABLE_ALL;

    md3dDevice->CreateBlendState(&blendDesc, &mTransparentBS);
2,渲染时绑定到管线


        mWVP = mWavesWorld * mView * mProj;
        mfxWVPVar->SetMatrix((float*)&mWVP);
        mfxWorldVar->SetMatrix((float*)&mWaves);
        mfxTexMtxVar->SetMatrix((float*)&waterTexMtx);
        mfxDiffuseMapVar->SetResource(mWaterMapRV);
        mfxSpecMapVar->SetResource(mDefaultSpecMapRV);

        pass->Apply(0);
        md3dDevice->OMSetBlendState(mTransparentBS, blendFactors, 0xffffffff);
        mWaves.draw();

 

 

3,在shader中,进行alpha混合,(这里指rgb的混合,不包含alpha值的混合)

ps..


    float alpha = gDiffuseMap.Sample(gTriLinearSam, pIn.texC0 ).a;
    clip(alpha - 0.25f);

 

....


    return float4(litColor, alpha);

 

4,之所以用到了tex0和tex1,是因为在c++程序中,纹理扩展了,但是alpha值不要扩展(否则不能保持alpha通道与水体深度之间的对应关系)

在shder中,

vOut.texC0  = vIn.texC;
 vOut.texC1  = mul(float4(vIn.texC, 0.0f, 1.0f), gTexMtx);

在c++中


    D3DXMATRIX S;
    D3DXMatrixScaling(&S, 5.0f, 5.0f, 1.0f);
    D3DXMATRIX landTexMtx = S;


    mfxTexMtxVar = mFX->GetVariableByName("gTexMtx")->AsMatrix();
    mfxTexMtxVar->SetMatrix((float*)&landTexMtx);

5,裁剪

函数clip(x)只能在Ps中使用,意思是x<0的像素都要被干掉

 clip(alpha - 0.25f);

也就是alpha<0.25的像素都不处理

 

 

 

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估CPO优化流程。; 适合人群:具备一定Python编程基础优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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