水面涟漪的简单制作方法

小伙伴们好呀,时隔许久,汪汪又回来了。其实很久之前就想写文章了,但苦于一直没有时间,也是因为最近太忙了,身上就有三个项目,虽然每个项目事情都不是太多,但一起来的时候真的很要命,做完那些事,回家后累的要死,吃完饭就想放空自己(Do Nothing)所以一直拖到现在。虽然没时间写文章,但不代表汪汪没有在进步,汪汪还是学到了很多很多。今天晚上回家后,决定不能放纵自己,决定重新开始写作!!
这次给小伙伴们带来一个很简单的水面涟漪做法,这个是我一开始学的时候,大佬给我的一个思路,这个方法有好处也有坏处,好处就是实现简单,坏处就是动画不够自然,我们先来看看效果:
这个效果很适合新手来实现,更复杂的,就需要小伙伴们用数学公式来计算了,再配合自己制作的贴图,以及通道,就能实现很自然的效果,汪汪目前不展开讲述,如果小伙伴们想了解更多,汪汪会再后续更新进阶的实现方法,当然也要求小伙伴们有一定的Shader基本功。
此次效果,汪汪使用了Unity的ShaderGraph,只要小伙伴们了解一些shader基础,就能很快上手,推荐新手。但是汪汪平时学习,更多的是用它来体现一些思路,然后自己来Code,因为自己写的代码,更自由,更容易控制(毕竟大佬们的效果多半也是代码和公式啊。。。),而且,如果掌握了手写Shader,会比较容易上手ShaderGraph,不知道内置节点?不要紧,自己造一个,然后替换,反正效果已经实现了(哈哈哈。。。)。

准备

此次效果完全由UV动画来实现,也就是FlipBook,已经知道的大佬们,就不用继续往下了,或者也可以看看,完善一下,回忆一下? 我们需要一张法线贴图:
这是一个4x4的序列动画法线,通过FlipBook,来让其动起来,就可以实现酷炫的涟漪:
效果如下:
但是这样未免有点太假了,一看就很规则,这是大忌。

精益求精

我们还需要再来一次:
但这样还不够,我们还需要柔化:
最后经过这些步骤,再把法线混合,看到的就是这样的:
你以为这样就够了吗?远远不够,平的地方太平了,不自然,都能泛起涟漪了,水肯定不少吧:
加一层水的法线,再混合:
看看最终效果:
最后我们把法线和地表的法线混合就是最终的效果了:

结语

本次内容只是提供给小伙伴们一种实现的思路,这种效果的实现方法不唯一,得按照项目需求来定义,目前汪汪知道的就三种:
  • 利用梯度值
  • 利用粒子效果渲染到shader里
  • FlipBook
如果小伙伴们还知道其他的实现方法,可以留言讨论,另外,本次案例中使用到的贴图,其实并没有现成的法线图,汪汪是通过一张黑白灰的矢量图,转换过来的:
由于网络上有现成的,汪汪这里就只总结规律:
希望本篇文章能帮到小伙伴们。
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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
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