Unity坑记录(简单的但是找问题费时间的)汇总-----持续更新

1. Texture2D.ReadPixels(Rect source, int destX, int destY)方法在PC端跟头盔端(安卓端)差异的问题。(图片截取片段Rect区域)

在编辑器下使用这个方法一切正常,关于这个方法使用简述一下,Rect就是一个矩形,destX跟destY是纹理对应的起点位置,也就是我们常说的纹理起始位置,而Rect这个类就是划分一个矩形区域。

到这一切正常,这里说说我遇到的问题,平台不同导致我的起点也发生了变化,例如一样的代码我的Texture2D.ReadPixels是从左下角开始读取的(头盔安卓端),而在PC端如编辑器模式下是从右上角开始读取的:

起点不同会导致啥问题呢,感觉好像没啥区别的样子,但是重回我们刚才的那个方法(Rect source, int destX, int destY),我们看第一个参数,这个矩形区域的定义就出现问题了,一般来说矩形的定义区域可以使用四个参数搞定。Rect t = (int x,int y,int width,int height):

因为刚才起点的差异,这个(x,y)的定义就很暧昧了,如果我是从左上角开始的(0,0),那么这个矩形区域的xy是不是就跟左下角开始的(0,0)不一样了。其实这里的Rect的(x,y)中由于平台差异导致的只有y值是不同的,x值都是一样的,只要根据一边平台算出另一边平台的y值就可以了。

这里给出我碰到的一个情形,我要取一张1920x1080的图里面的一个以左上角(x,y)为起点(PC端)宽高为 (w,h) 的一个矩形区域。那么我在以左下角为起点(头盔安卓端)时要怎么定义这个Rect呢。首先我们写出PC端的Rect为(x,y, w, h),那么在头盔安卓端这个Rect为什么呢?

首先我们可以肯定的是x值是不变的,w,h值也是不变的,需要变的只有y值。这个y值为多少呢?

其实就是算这个矩形的左下角点距离底边的距离即可。

2.OnDestroy()为什么明明销毁挂载的GameObject但却不调用这个生命周期。

正常的生命周期里,如果Destroy了一个GameObject但是为什么我生命周期里的OnDestroy没有生效呢?其实这个问题很隐蔽,由于我的GameObject一开始是enable为false的,实例化出来的物体也是隐藏的一开始,所以如果你如果从创建它开始到销毁它,如果都没有让它显示出来,那么它就不会进入到任何mono的生命周期里。

实例化出来的物体建议先显示一下再做隐藏或者其他处理。

3.Meta头盔端自定义的shader只有单眼有画面。

✅ 修改 appdata 结构体:

hlsl
复制编辑
struct appdata
{
    float4 vertex : POSITION;
    float2 uv : TEXCOORD0;
    float3 normal : NORMAL;
    float4 tangent : TANGENT;

    UNITY_VERTEX_INPUT_INSTANCE_ID
};

✅ 修改 v2f 结构体:

hlsl
复制编辑
struct v2f
{
    float4 positionCS : SV_POSITION;
    float2 uv : TEXCOORD0;
    float3 positionWS : TEXCOORD1;
    float3 positionVS : TEXCOORD2;
    float3 ndirWS : TEXCOORD3;

    UNITY_VERTEX_INPUT_INSTANCE_ID
    UNITY_VERTEX_OUTPUT_STEREO
};

✅ 修改 vert 顶点函数:

hlsl
复制编辑
v2f vert(appdata v)
{
    v2f o;
    UNITY_SETUP_INSTANCE_ID(v);
    UNITY_INITIALIZE_VERTEX_OUTPUT_STEREO(o);

    o.positionCS = TransformObjectToHClip(v.vertex.xyz);
    o.positionWS = TransformObjectToWorld(v.vertex.xyz);
    o.positionVS = TransformWorldToView(o.positionWS);
    o.ndirWS = TransformObjectToWorldNormal(v.normal);
    o.uv = v.uv;
    return o;
}

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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