Unity Shader ASE基础效果思路与代码(二):边缘光、扰动火焰

Unity Shader ASE基础效果思路与代码(二):边缘光、扰动火焰

文章目录

  • Unity Shader ASE基础效果思路与代码(二):边缘光、扰动火焰
    • 边缘光
        • 效果展示:
        • 代码与思路:
    • 扰动火焰
        • 效果展示:
        • 代码与思路:

边缘光

效果展示:
  • 方法一: ASE自带节点Fresnel,但是会出现闪点,方法二有解决方法:
    在这里插入图片描述
  • 方法二: 自己写方程
    在这里插入图片描述
代码与思路:

源自菲涅尔方程(Fresnel Equation)

  • 方法一: 圈1为Fresnel自带自带节点,将其和uv流动、HDR颜色相乘。

    注意:

    1. 要在subshader关掉深度写入,开启AlphaBlend、透明渲染
    2. 设置HDR颜色,和打开post后处理
      在这里插入图片描述
      在这里插入图片描述
      在这里插入图片描述
  • 方法二: Schlick近似菲涅尔方程,边缘光公式参考此方程
    在这里插入图片描述
    实际代码的公式是:
    叠亮 + 亮度 * pow(1 - 法线向量 点乘 视角向量,强度)
    在这里插入图片描述
    其中,圈1是将值限定在[0,1],前面pow的幂运算超出正常值时候,会出现闪点
    在这里插入图片描述

扰动火焰

效果展示:

在这里插入图片描述

代码与思路:

慢速噪声、快速噪声和主噪声叠加,让其在Y方向流动,叠加出来的噪声图给到火焰贴图UV上。

在这里插入图片描述
代码总览(字太小看不清,后文分块截图):
在这里插入图片描述

将叠加到的噪声和火焰UV相加。y方向流动的噪声,用Append叠加到y上
在这里插入图片描述

快速噪声部分:

  • 用Voronoi生成噪声。
  • Voronoi的UV部分,用一张uv叠加(Append)一个y方向的流动。Angle可以控制角度,因为我这的TimeDirection(圈1和2)是变化的(见第二张图),所以能够旋转。
  • 设置Texture Coordinates节点的Tiling参数,可以改变噪声贴图的稀疏程度。
  • Voronoi图又叫泰森多边形,有关Voronoi节点的更多详细信息见官方文档
    在这里插入图片描述

在这里插入图片描述
慢速噪声及主噪声纹理:

  • 和快速噪声纹理大同小异
    在这里插入图片描述
    在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://xiahunao.cn/news/2806471.html

如若内容造成侵权/违法违规/事实不符,请联系瞎胡闹网进行投诉反馈,一经查实,立即删除!

相关文章

【黑马程序员】STL容器之string

string string 基本概念 string本质 string是c风格的字符串,而string本质上是一个类 string和char* 区别 char* 是一个指针string是一个类,类内部封装了char*,管理这个字符串,是一个char*型的容器 特点 string 内部封装了很多成员方法…

Linux第65步_学习“Makefie”

学习“Makefie”,为后期学习linux驱动开发做铺垫。 1、在“/home/zgq/linux/atk-mp1”创建一个“Test_MakeFile”目录用于学习“Makefie”。 打开终端 输入“cd /home/zgq/linux/回车”,切换到“/home/zgq/linux/”目录 输入“mkdir Linux_Drivers回…

Python 在Word中创建表格并填入数据、图片

在Word中,表格是一个强大的工具,它可以帮助你更好地组织、呈现和分析信息。本文将介绍如何使用Python在Word中创建表格并填入数据、图片,以及设置表格样式等。 Python Word库: 要使用Python在Word中创建或操作表格,需…

使用向量数据库pinecone构建应用06:日志系统异常检测 Anomaly Detection

Building Applications with Vector Databases 下面是这门课的学习笔记:https://www.deeplearning.ai/short-courses/building-applications-vector-databases/ Learn to create six exciting applications of vector databases and implement them using Pinecon…

[Java 项目亮点] 三层限流设计

思路来源:bilibili 河北王校长 文章目录 面试官可能会问你能详细介绍一下Nginx的http_limit_req_module模块吗?你能解释一下如何在Nginx中配置http_limit_req_module模块吗?你知道如何调整Nginx的http_limit_req_module模块以适应不同的业务需…

Mybatis总结--传参

MyBatis 传递参数:从 java 代码中把参数传递到 mapper.xml 文件 六、一个简单参数: Dao 接口中方法的参数只有一个简单类型( java 基本类型和 String ), 占位符 #{ 任意字符 } ,和方法的参数名无关…

Mac OS 搭建C++开发环境【已解决】

Mac OS 搭建C开发环境 文章目录 Mac OS 搭建C开发环境一、安装命令行工具:二、安装vscode三、安装gcc3.1 安装Homebrew3.2 安装gcc3.3 修改配置 四、更改VSCode默认编译器五、安装gdb六、安装Cmake && git七、编译运行 本地环境: Mac OS Sonoma …

VTK的渲染原理

下面三张图均是用VTK实现的,从中很容易看出它们渲染的效果是有区别的: 第一张图:过于明亮,看不到阴影,颜色过渡也不平缓; 第二张图:阴影过于明显,图整体不够明亮; 第三…

C++基础知识(四:类的学习)

类 类指的就是对同一类对象,把所有的属性都封装起来,你也可以把类看成一个高级版的结构体。 【1】定义 class 类名 { 访问权限:成员属性; 访问权限:成员方法; }访问权限: public:共有的,类内、类外和子类中都可以访问 private:私有…

接近于pi的程序

在一个平静的午后,两个神秘的数字悄然相遇了。它们分别是-1031158223和-328227871。这两个数字看起来普普通通,但谁知它们背后隐藏着一段令人惊叹的奇幻之旅。 这两个数字其实是π的两位探险家,它们决定通过一次除法运算来探索π的奥秘。它们…

怎么在线生成动态gif?这个网站一定要知道

静态图片是指一张固定的、不具有动态效果的图片。它通常是由像素点组成的,可以是照片、插图、图标等。静态图片只能呈现一种特定的场景或图像,不能展示动态变化。动态图片(是由一系列静态图片组成的,通过快速连续播放这些画面&…

线程共享和非共享的资源及线程优缺点

注意:共享的内存地址空间中不包括栈;共享文件描述符表,表示,同一进程中线程可以操作同一文件。

使用代理IP技术实现爬虫同步获取和保存

概述 在网络爬虫中,使用代理IP技术可以有效地提高爬取数据的效率和稳定性。本文将介绍如何在爬虫中同步获取和保存数据,并结合代理IP技术,以提高爬取效率。 正文 代理IP技术是一种常用的网络爬虫技术,通过代理服务器转发请求&a…

力扣 48. 旋转图像

1.题目 给定一个 n n 的二维矩阵 matrix 表示一个图像。请你将图像顺时针旋转 90 度。 你必须在 原地 旋转图像,这意味着你需要直接修改输入的二维矩阵。请不要 使用另一个矩阵来旋转图像。 示例 1: 输入:matrix [[1,2,3],[4,5,6],[7,8,9]]…

探索设计模式的魅力:状态模式揭秘-如何优雅地处理复杂状态转换

​🌈 个人主页:danci_ 🔥 系列专栏:《设计模式》 💪🏻 制定明确可量化的目标,并且坚持默默的做事。 探索设计模式的魅力:状态模式揭秘-如何优雅地处理复杂状态转换 文章目录 一、案例…

HCIA-HarmonyOS设备开发认证V2.0-IOT硬件子系统-WatchDog

目录 一、 WATCHDOG 概述功能简介基本概念 二、WATCHDOG 模块相关API三、WATCHDOG HDF驱动开发3.1、开发步骤(待续...) 坚持就有收获 一、 WATCHDOG 概述 功能简介 看门狗(Watchdog),又称看门狗计时器(Watchdog timer&#xff0…

零基础学编程,编程简单学,中文编程工具下载及工具箱进度条构件的用法

一、前言 今天给大家分享的中文编程开发语言工具 进度条构件的用法。 编程入门视频教程链接 https://edu.csdn.net/course/detail/39036 编程工具及实例源码文件下载可以点击最下方官网卡片——软件下载——常用工具下载——编程工具免费版下载及实例源码下载。 进度条 进度…

涵盖5大领域的机器学习工具介绍

随着数据的产生及其使用量的不断增加,对机器学习模型的需求也在成倍增加。由于ML系统包含了算法和丰富的ML库,它有助于分析数据和做出决策。难怪机器学习的知名度越来越高,因为ML应用几乎主导了现代世界的每一个方面。随着企业对这项技术的探…

信息检索(二):Dense Passage Retrieval for Open-Domain Question Answering

Dense Passage Retrieval for Open-Domain Question Answering 摘要1. 引言2. 背景3. DPR4. 实验设置5. 实验:文章检索6. 实验:问题问答7. 相关工作8. 结论参考资料 原文链接:https://aclanthology.org/2020.emnlp-main.550.pdf DPR 最早引入…

六、回归与聚类算法 - K-means算法

目录 1、K-means 聚类步骤 2、API 3、案例 4、性能评估指标 5、总结 线性回归欠拟合与过拟合线性回归的改进 - 岭回归分类算法:逻辑回归模型保存与加载无监督学习:K-means算法 1、K-means 聚类步骤 2、API 3、案例 4、性能评估指标 5、总结