Direct3D 9学习笔记(12)网格(Mesh)3

本文详细介绍了如何使用D3DXLoadMeshFromX加载XFile,并处理加载后的材料和纹理,包括设置材料属性、加载纹理文件以及在场景中应用这些资源。

 

一.ID3DXBuffer

image

image

二.XFile

image

加载XFile

image

示例

HRESULT hr = 0;

//
// Load the XFile data.
//

ID3DXBuffer* adjBuffer  = 0;
ID3DXBuffer* mtrlBuffer = 0;
DWORD        numMtrls   = 0;

hr = D3DXLoadMeshFromX(  
    "bigship1.x",
    D3DXMESH_MANAGED,
    Device,
    &adjBuffer,
    &mtrlBuffer,
    0,
    &numMtrls,
    &Mesh);

if(FAILED(hr))
{
    ::MessageBox(0, "D3DXLoadMeshFromX() - FAILED", 0, 0);
    return false;
}

//
// Extract the materials, and load textures.
//

if( mtrlBuffer != 0 && numMtrls != 0 )
{
    D3DXMATERIAL* mtrls = (D3DXMATERIAL*)mtrlBuffer->GetBufferPointer();

    for(int i = 0; i < numMtrls; i++)
    {
        // the MatD3D property doesn't have an ambient value set
        // when its loaded, so set it now:
        mtrls[i].MatD3D.Ambient = mtrls[i].MatD3D.Diffuse;

        // save the ith material
        Mtrls.push_back( mtrls[i].MatD3D );

        // check if the ith material has an associative texture
        if( mtrls[i].pTextureFilename != 0 )
        {
            // yes, load the texture for the ith subset
            IDirect3DTexture9* tex = 0;
            D3DXCreateTextureFromFile(
                Device,
                mtrls[i].pTextureFilename,
                &tex);

            // save the loaded texture
            Textures.push_back( tex );
        }
        else
        {
            // no texture for the ith subset
            Textures.push_back( 0 );
        }
    }
}
Device->BeginScene();

for(int i = 0; i < Mtrls.size(); i++)
{
    Device->SetMaterial( &Mtrls[i] );
    //Device->SetTexture(0, Textures[i]);
    Mesh->DrawSubset(i);
}    

Device->EndScene();

三.顶点法线

image

image

image

转载于:https://www.cnblogs.com/Clingingboy/archive/2012/08/23/2653366.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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