百度推广登录入口官网网址,江苏网站建设seo优化,天津市建设执业资格注册中心网站,欧派装修公司NormalMap-Online (cpetry.github.io)https://cpetry.github.io/NormalMap-Online/
CompNormalMap
将灰度图像转换为法线贴图
将灰度图像转换为法线贴图是一种常见的技术#xff0c;用于在实时图形渲染中增加表面细节。下面是一个简单的方法来将灰度图像转换为法线贴图用于在实时图形渲染中增加表面细节。下面是一个简单的方法来将灰度图像转换为法线贴图 加载灰度图像并将其转换为浮点数值范围[0, 1]。 对于每个像素计算其相邻像素与其距离并计算它们之间的斜率。这可以通过使用Sobel算子或其他边缘检测算法来完成。 将每个像素的斜率向量归一化为单位长度并转换为范围[-1, 1]内的值。 将每个像素的斜率向量转换为法线向量。法线向量可以通过使用以下公式计算得出$normal (2R - 1, 2G - 1, B)$其中RG和B分别是像素的红、绿和蓝通道值。由于我们的灰度图像没有颜色信息我们可以将RG和B设置为0.5以得到一个朝向Z轴正方向的法线。 存储每个像素的法线向量作为输出法线贴图。
需要注意的是这个简单的方法只能生成表面细节的近似值并且可能会在处理像素边缘和细节时出现不准确的结果。更复杂的技术可以使用高斯过滤和其他方法来平滑法线图并产生更精细的结果。
Input Expect Output: struct CompNormalMap : INode {virtual void apply() override {auto image get_inputPrimitiveObject(image);auto ud image-userData();int w ud.get2int(w);int h ud.get2int(h);using normal std::tuplefloat, float, float;normal n {0, 0, 1};float n0 std::get0(n);float n1 std::get1(n);float n2 std::get2(n);std::vectornormal normalmap;normalmap.resize(image-size());float gx 0;float gy 0;float gz 1;for (int i 0; i h; i) {for (int j 0; j w; j) {int idx i * w j;if (i 0 || i h || j 0 || j w) {normalmap[idx] {0, 0, 1};}}}for (int i 1; i h-1; i) {for (int j 1; j w-1; j) {int idx i * w j;gx (image-verts[idx1][0] - image-verts[idx-1][0]) / 2.0f * 255;gy (image-verts[idxw][0] - image-verts[idx-w][0]) / 2.0f * 255;// 归一化法线向量float len sqrt(gx * gx gy * gy gz * gz);gx / len;gy / len;gz / len;// 计算光照值gx 0.5f * (gx 1.0f) ;gy 0.5f * (gy 1.0f) ;gz 0.5f * (gz 1.0f) ;normalmap[i * w j] {gx,gy,gz};}}for (int i 0; i h; i) {for (int j 0; j w; j) {int idx i * w j;image-verts[i * w j][0] std::get0(normalmap[i * w j]);image-verts[i * w j][1] std::get1(normalmap[i * w j]);image-verts[i * w j][2] std::get2(normalmap[i * w j]);}}set_output(image, image);}
};
ZENDEFNODE(CompNormalMap, {{{image}},{{image}},{},{ comp },
});
cv
#include opencv2/opencv.hpp
#include iostreamusing namespace cv;
using namespace std;int main()
{Mat grayImage imread(gray_image.png, IMREAD_GRAYSCALE);if (grayImage.empty()){cerr Could not read input image endl;return -1;}Mat normalMap(grayImage.size(), CV_8UC3);for (int i 1; i grayImage.rows - 1; i){for (int j 1; j grayImage.cols - 1; j){double dx grayImage.atuchar(i, j 1) - grayImage.atuchar(i, j - 1);double dy grayImage.atuchar(i 1, j) - grayImage.atuchar(i - 1, j);Vec3b normal(dx, dy, 255);normalize(normal, normal);normalMap.atVec3b(i, j) normal * 127.5 Vec3b(127.5, 127.5, 127.5);}}imwrite(normal_map.png, normalMap);return 0;
}不调库
#include iostream
#include fstream
#include cmathusing namespace std;int main() {// 读取灰度图ifstream input(input.bmp, ios::binary);if (!input) {cout 无法打开文件 endl;return 1;}char header[54];input.read(header, 54);int width *(int*)(header 18);int height *(int*)(header 22);int row_size (width * 24 31) / 32 * 4;char* data new char[row_size * height];input.read(data, row_size * height);input.close();// 计算法线图char* output new char[row_size * height];for (int y 1; y height - 1; y) {for (int x 1; x width - 1; x) {// 计算梯度double dx (data[(y 1) * row_size (x 1) * 3] - data[(y - 1) * row_size (x - 1) * 3]) / 255.0;double dy (data[(y - 1) * row_size (x 1) * 3] - data[(y 1) * row_size (x - 1) * 3]) / 255.0;double dz 1.0;// 归一化法线向量double length sqrt(dx * dx dy * dy dz * dz);dx / length;dy / length;dz / length;// 计算光照值double light dx * 0.5 dy * -0.5 dz * 0.5 0.5;int value int(light * 255);output[y * row_size x * 3] value;output[y * row_size x * 3 1] value;output[y * row_size x * 3 2] value;}}// 输出法线图ofstream of(output.bmp, ios::binary);of.write(header, 54);of.write(output, row_size * height);of.close();delete[] data;delete[] output;return 0;
}#include iostream
#include vector// 计算Sobel算子
void sobel(const std::vectorfloat grayImage, int width, int height, std::vectorfloat dx, std::vectorfloat dy)
{dx.resize(width * height);dy.resize(width * height);for (int y 1; y height - 1; y) {for (int x 1; x width - 1; x) {float gx -grayImage[(y - 1) * width x - 1] grayImage[(y - 1) * width x 1]- 2.0f * grayImage[y * width x - 1] 2.0f * grayImage[y * width x 1]- grayImage[(y 1) * width x - 1] grayImage[(y 1) * width x 1];float gy grayImage[(y - 1) * width x - 1] 2.0f * grayImage[(y - 1) * width x] grayImage[(y - 1) * width x 1]- grayImage[(y 1) * width x - 1] - 2.0f * grayImage[(y 1) * width x] - grayImage[(y 1) * width x 1];dx[y * width x] gx;dy[y * width x] gy;}}
}// 计算法向量
void normalMap(const std::vectorfloat grayImage, int width, int height, std::vectorfloat normal)
{std::vectorfloat dx, dy;sobel(grayImage, width, height, dx, dy);normal.resize(width * height * 3);for (int y 0; y height; y) {for (int x 0; x width; x) {int i y * width x;float gx dx[i];float gy dy[i];float normalX -gx;float normalY -gy;float normalZ 1.0f;float length sqrt(normalX * normalX normalY * normalY normalZ * normalZ);normalX / length;normalY / length;normalZ / length;normal[i * 3 0] normalX;normal[i * 3 1] normalY;normal[i * 3 2] normalZ;}}
}int main()
{// 读取灰度图像std::vectorfloat grayImage;int width, height;// TODO: 从文件中读取灰度图像到grayImage中同时将宽度和高度存储在width和height中
