明白了部分顶点处理过程

顶点处理过程:


(注:图片取自书Microsoft Directx9 Programmable Graphics PipeLine。Microsoft 版权所有。
                                            这里引用仅为学习使用。)

1。world transform.这是第一步,把物体放进3D坐标空间里来,才能进行下一步的
       转换和处理。
2。Vertex blending. 这一步必须在view transform 之前完成,在view transform 之后完成的话依照我现在的理解可能会加深复杂度。顶点混合主要处理动画过程中分裂的现象(目前理解)。
       发现顶点混合是在fixed pipeline中执行的,可见若使用vertex shader programmable pipeline不能使用顶点混合。?
3。view transofrm。进行视空间坐标转换。
4。vertex fog。顶点雾化。因为雾化是根据顶点距离视点的距离决定雾化的量化值的。因此必须在projection transform之前完成,因为在这之后,顶点已经全部变换到观察平面上了,不再有相互之间的距离(z值了)。
5。Lighting and Materials。光照和材质处理。这里形成颜色值。可能fog和光照材质处理顺序可以互换吧我想。这里也必须在projection transform之前完成。这有赖于空间位置。
6。projection transform. 转换顶点坐标到视口坐标。应该已经是二维坐标。z值应该为0。只是不知道z缓冲值怎么、何时写入。
这说明若要进行vertex blending。那么必须把世界变换矩阵和veiw transform矩阵分开传输进vertex shader.若无vertex blending,则可以把二个矩阵合并之后传输进vertex shader。
但是一般光照和材质是需要的。因此projection transform 可能单独传递。
(p:错误。刚才看例子:传递了两个矩阵,一个是world view 合并后的矩阵。
一个是world view projection三个矩阵合并后的矩阵。也是进行两次计算。)。
vertex position 的结果是用原始顶点值直接乘以world view projection合并后的矩阵直接输出。(
雾化和光照材质用的中间值用原始值乘以world view 合并后的矩阵。因为雾化和光照材质只影响颜色值。
所以中间值以后直接丢弃。怀疑这样可能有利于缩小误差?但这样多做了一次矩阵乘法(生成三个矩阵合并矩阵的乘法运算)。)

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 自动获取感兴趣部分顶点的方法可以通过以下步骤实现: 1. 定义感兴趣的部分,例如一个人脸、一个物体等。 2. 使用图像处理算法,例如深度学习神经网络,来对图像进行分析和处理。这些算法可以用来检测感兴趣部分的位置和大小。 3. 从图像中提取感兴趣部分顶点。这可以通过将检测到的位置和大小转换为顶点坐标来实现。 4. 对感兴趣部分顶点进行进一步处理,例如进行形状分析、纹理分析、颜色分析等。 需要注意的是,自动获取感兴趣部分顶点的方法需要使用先进的图像处理算法和技术,因此需要具备相关的知识和技能。 ### 回答2: 自动获取感兴趣部分顶点的方法有多种途径。其中一种方法是利用图数据中的节点属性和边关系进行分析和筛选。以下是其中的一个流程: 首先,根据领域知识或者用户需求,确定感兴趣的部分顶点的特征。例如,在社交网络中,我们可能对具有某些特定属性(如年龄、性别、地理位置等)的用户感兴趣。 其次,根据特定的属性值,筛选出满足条件的顶点。例如,我们可以通过图数据库查询语言或图数据处理工具,编写查询语句来筛选出符合特定条件的顶点。 然后,根据顶点的属性和边关系,使用图算法来分析和获取与感兴趣顶点相关的顶点。例如,可以利用图搜索算法(如广度优先搜索或深度优先搜索)来寻找与感兴趣顶点直接或间接相连的其他顶点。 最后,根据具体的应用场景,对获取到的感兴趣顶点进行进一步的处理和分析。例如,可以对其属性进行统计分析,寻找共同特征或者建立关联模型。 总而言之,自动获取感兴趣部分顶点的方法可以通过对图数据中的节点属性和边关系进行分析和筛选,利用图算法来获取与感兴趣顶点相关的顶点,最终对获取到的顶点进行进一步处理和分析。对于大规模的图数据,这种方法可以有效地帮助我们快速获取感兴趣的顶点,支持实际应用中的决策和推荐等需求。 ### 回答3: 自动获取感兴趣部分顶点的方法可以通过以下几个步骤实现: 1. 定义兴趣爬虫:创建一个网络爬虫,根据用户的兴趣关键词进行网页抓取。这些关键词可以包括用户的兴趣领域或是输入的搜索关键词。 2. 数据过滤:通过对爬取到的网页进行数据过滤,只保留与用户兴趣相关的内容。可以使用自然语言处理技术,如关键词提取、主题模型等,将网页内容进行分析和筛选。 3. 构建网络图模型:将过滤后的内容以及网页之间的链接关系构建成网络图模型。网页可以表示为图模型中的顶点,链接可以表示为图模型中的边。 4. 顶点评分:根据用户的兴趣和网络图模型的特征,对每个顶点进行评分。评分的方法可以包括:计算顶点的重要性、度中心性、接近中心性等网络特征。也可以结合用户的兴趣度、浏览历史等个性化信息进行评分。 5. 感兴趣部分顶点的选择:根据顶点的评分进行排序,选取评分最高的顶点作为感兴趣部分顶点。可以根据具体需求进行选取,可以选择固定数量的顶点或选择评分超过某个阈值的顶点。 综上所述,自动获取感兴趣部分顶点的方法包括兴趣爬虫、数据过滤、构建网络图模型、顶点评分和感兴趣部分顶点的选择等步骤。通过这些步骤可以实现根据用户兴趣自动获取相关顶点的目的。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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