speedtree8 seam blend贴图导入maya arnold5渲染接缝融合问题

最新推荐文章于 2023-04-08 15:34:12 发布
最新推荐文章于 2023-04-08 15:34:12 发布
阅读量3.5k 收藏 6
点赞数 6
分类专栏： maya 材质shader 地貌与植被 文章标签： arnold5 speedtree8 材质融合 seam 植物
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shenmifangke/article/details/79865459
版权

这里使用的是speedtree8产生的树，这个版本的融合效果更好，而且pbr显示方式也使得查看实际制作效果更加方便

arnold使用版本是5.0 这以后版本都非常好用

maya版本2016-2017（版本最好要高）


首先是speedtree8已经支持导入到arnold5到中进行渲染

只要找到speedtree安装包里的插件（在安装目录的scripts\Maya里面找到py文件后maya 插件管理器直接browse这个文件即可）


然后maya里import的时候就会发现多了些格式（不是直接拖入）选arnold格式 注意5和非5是两种格式（导出的时候依然导出fbx会一起导出一个stmat文件）

导入stmat文件，这个会导入speedtree材质




但是发现个问题其他材质是有了，但是树木融合地方的所谓的seam blend片上没有融合材质的

这个就需要自己在里面做了

说下融合带一般就是树枝与主干之间环状的面片，融合的原理是图像的融合和光照norma的融合

可以参考这里http://docs.speedtree.com/doku.php?id=branchintersections

normal能导入正常，但是环状带需要一个渐变材质的融合，通过maya可以发现这个面片通常带有第二套uv

融合就靠这uv了，简单说就是这个片做个渐变，一半是主干材质，一半透明即可，或者自己刷顶点渐变也可以



下面先说下默认渲染器渲染融合带的问题

基本上自带材质混合贴图用blend color就可以了，上面的是默认渲染器渲染的，注意因为直接混合两种材质，没用透明，所以枝干部分不是很好

而且说下融合带默认主干地方是融合好的

ramp节点需要作用在第二套uv上（需要90度）

如下设置（arnold5渲染也是如此）


下面是用arnold5的方式

注意我这里因为开始测试的是顶点，当然最上面的节点可以换成ramp的（上面一个材质是透明的geometry里面的opacity(渲染物体不透明记得勾去掉)）

混合用最新的aimixshader节点 很方便的

需要注意的是arnold渲染uv采样有问题需要缩放下，不要太靠边界否则如下面这样

假如缩放一点就好了（那条横线就是环带的第二套uv，纵向的不是径向的）

如下

最后结果

可以完美融合了



神米米
关注
  • 6
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SpeedTree Shader开源库测评
UWA—简单优化，优化简单！
09-25 786
可用于构建树木的工具，不仅能营造出真实的树木和森林效果，还可以方便地嵌入到其它引擎当中。在游戏领域中，很多艺术家青睐于它成熟流水线和真实自然的效果。 图片来源：SpeedTree在游戏场景中的应用 开源库链接：https://lab.uwa4d.com/lab/5c2e78a572745c25a849f614 NVGen介绍 本文将要介绍的开源库是一个适用于Unity ...
speedtree应用
CTW2000的博客
03-06 675
speedtree应用
Arnold材质节点篇-layer/Mix
tt58521的博客
07-15 4524
节点搜索layer，会出现三种层模式， layer_shader 用于混合和叠加最多8个着色器或材质，表面输入 layer_rgba 用来混合和叠加纹理、图像、渐变的，是RGBA输入 如下图：添加layer_shader用于多个图层的叠加效果，Ctrl + Tab 新建standard_surface，将层1材质设为白色，层二为预设黄金，右面可以看到层的叠加顺序，以及层本身的混合Mix，然后增加image纹理叠加在层2上，可以看到左图渲染出来的结果 。 Layer_rgba：可以用于图像间的混.
泊松图像编辑
dejiang3351的博客
02-13 795
Written by Samson Mulder @ Samsonlab.com For more information visit http://www.samsonlab.com 　　最近国外的Open Course很火。很多同学喜欢看斯坦福，麻省的公开课程。但是国产大学生最大的悲剧就是，不愿做作业。很多人看看公开课，看完也就结束了，很少有人会去做他们的课堂作业。大学期间看了斯...
Blend模式混合公式
小孔明的专栏
11-12 1364
透明混合：它会使用当前片元的透明度作为混合因子，与已经存储在颜色缓冲中的颜色值进行混合，得到新的颜色。 为了进行混合，我们需要使用Unity提供的混合命令——Blend。 摘抄自《unity shader入门精要》 ...
seam-carving:算法 II 课程中的接缝雕刻作业
07-11
接缝雕刻（Seam Carving）是一种图像处理技术，常用于图像尺寸调整，可以在改变图像大小的同时保持视觉质量。这个算法的基本思想是找到一条“能量”最低的接缝，沿着这条接缝删除或添加像素，从而改变图像的宽度或...
seam-carving:接缝雕刻算法的实现
05-09
此外，压缩包文件"seam-carving-master"可能包含了实现接缝雕刻算法的源代码，包括JavaScript文件和其他辅助资源。这些文件可以作为学习和研究的参考，通过阅读和理解代码，可以深入了解接缝雕刻算法的实现细节。...
seam-carver:使用接缝雕刻调整图像大小的Java实现
07-09
接缝雕刻是一种独特的图像处理技术，它通过智能地删除图像中的像素行或列来改变图像的尺寸，同时尽可能保持视觉质量。在Java中实现接缝雕刻可以为图像大小调整提供一种创新方法，尤其是在需要保留重要特征的情况下。...
熵值法matlab代码-Seam-carving:接缝雕刻
05-25
保守值法matlab代码接缝雕刻 什么是接缝雕刻？（来自维基百科的信息） 看 接缝雕刻（或液体缩放）是一种用于调整内容感知图像大小的算法，由三菱电气研究实验室（MERL）的Shai Avidan和跨学科中心和MERL的Ariel ...
Speedtree 4.1 full
07-16
SpeedTree creates relatively low poly trees for fast rendering time and foresting. * Real-time modeling feedback. * Improved Curve Editor. * Multiple texture layers supported. * Latest version of ...
speedTree4.1 树库 (1)
12-01
SpeedTree_Standard_Library_v4 第一部分 这是speedtree的树库 我在9上能用 共3个压缩包
maya批量合并同类材质的方法
Maya动画技术
04-08 1532
maya批量合并同类材质的方法，提供了mel程序源码
Speedtree学习笔记（案例）——拥有多种材质的植物如何导入使用（以草为例）
L人青的博客
09-01 4164
注：Speedtree无论保存还是导入模型其存储路径不可有中文。 第一步拆分草的模型 根据所需的材质去拆分（例：假若草的果实，茎秆和叶子是不同的材质那么就需拆分为三份；假若画的全部颜色及材质一样就没有必要去拆分模型） 第二步导入草的模型 在Mesh面板中依次导入草的模型——Do nothing additional right now 第三步扩大草的生长区域范围（可省略）...
SpeedTree新手扫盲
寻找嘟嘟大魔王
09-23 2688
So easy
UE风格化Day14-SpeedTree完成大榕树
Seedol的博客
11-10 412
SpeedTree完成大榕树
SpeedTree - 导入模型到UE4
GT的虚幻引擎文档
02-08 1万+
翻译官方文档一篇，详细描述了如何把在SpeedTree中制作的模型导入到虚幻4引擎；
SpeedTree - 在SpeedTree中导入自定义模型
热门推荐
GT的虚幻引擎文档
02-21 2万+
这篇文档是自己编写的，描述了如何把自定义的模型导入到SpeedTree中去；
SpeedTree导入Unity解决方案
leoysq的博客
11-19 1万+
工具材料准备： 1.第一个工具： 官方SpeedTree For Unity插件 http://store.speedtree.com/product/speedtree-modeler-for-unity/ 19美元一个月。或者你寻找破解
python实现图像最佳拼接缝算法
最新发布
05-24
图像最佳拼接是一种常见的图像处理任务，通常用于将多张图像拼接成一张更大的图像。其中一个重要的步骤就是在不同图像之间找到最佳的拼接位置，并进行无缝拼接。 这里介绍一种常用的图像最佳拼接缝算法 - 动态规划，通过计算每个像素的能量值，找到能量值最小的路径，即为最佳拼接缝。 实现步骤如下： 1. 计算每个像素的能量值，可以使用Sobel算子等常用算法。 2. 从第二行开始，计算每个像素的最小能量值和路径。 3. 最后一行的最小能量值即为最佳拼接路径的总能量值。 4. 根据最佳拼接路径，对图像进行拼接。 Python代码实现如下： ```python import numpy as np from PIL import Image def energy(img): # 计算每个像素的能量值 gray = img.convert('L') sobel_x = np.array([[1, 0, -1], [2, 0, -2], [1, 0, -1]]) sobel_y = np.array([[1, 2, 1], [0, 0, 0], [-1, -2, -1]]) dx = gray.filter(ImageFilter.Kernel((3, 3), sobel_x.flatten())) dy = gray.filter(ImageFilter.Kernel((3, 3), sobel_y.flatten())) dx = np.array(dx) dy = np.array(dy) energy = np.sqrt(np.square(dx) + np.square(dy)) return energy def seam_carving(img, n): # 拼接n张图像 imgs = [img] for i in range(n-1): img1 = imgs[-1].crop((0, 0, img.width // 2, img.height)) img2 = imgs[-1].crop((img.width // 2, 0, img.width, img.height)) e1 = energy(img1) e2 = energy(img2) for j in range(1, e1.shape[0]): for k in range(e1.shape[1]): if k == 0: e1[j][k] += min(e1[j-1][k], e1[j-1][k+1]) elif k == e1.shape[1] - 1: e1[j][k] += min(e1[j-1][k], e1[j-1][k-1]) else: e1[j][k] += min(e1[j-1][k-1], e1[j-1][k], e1[j-1][k+1]) for j in range(1, e2.shape[0]): for k in range(e2.shape[1]): if k == 0: e2[j][k] += min(e2[j-1][k], e2[j-1][k+1]) elif k == e2.shape[1] - 1: e2[j][k] += min(e2[j-1][k], e2[j-1][k-1]) else: e2[j][k] += min(e2[j-1][k-1], e2[j-1][k], e2[j-1][k+1]) path1 = np.zeros(e1.shape) path2 = np.zeros(e2.shape) for j in range(e1.shape[0]-1, -1, -1): if j == e1.shape[0]-1: path1[j][np.argmin(e1[j])] = 1 else: if np.argmin(e1[j]) == 0: path1[j][0] = 1 elif np.argmin(e1[j]) == e1.shape[1]-1: path1[j][-1] = 1 else: path1[j][np.argmin(e1[j])-1:np.argmin(e1[j])+2] = 1 for j in range(e2.shape[0]-1, -1, -1): if j == e2.shape[0]-1: path2[j][np.argmin(e2[j])] = 1 else: if np.argmin(e2[j]) == 0: path2[j][0] = 1 elif np.argmin(e2[j]) == e2.shape[1]-1: path2[j][-1] = 1 else: path2[j][np.argmin(e2[j])-1:np.argmin(e2[j])+2] = 1 path1 = np.expand_dims(path1, axis=-1) path2 = np.expand_dims(path2, axis=-1) img1 = np.array(img1) img2 = np.array(img2) img1 = np.concatenate((img1, path1), axis=-1) img2 = np.concatenate((img2, path2), axis=-1) img1 = Image.fromarray(np.uint8(img1)) img2 = Image.fromarray(np.uint8(img2)) img = Image.new('RGB', (img.width, img.height*2)) img.paste(img1, (0, 0)) img.paste(img2, (0, img.height)) imgs.append(img) # 根据路径进行拼接 img = imgs[-1] for i in range(n-1): img1 = imgs[-i-2] path1 = np.array(img1)[:, :, -1] path2 = np.array(img)[:, :, -1] img1 = img1.crop((0, 0, img1.width - 1, img1.height)) img2 = img.crop((1, 0, img.width, img.height)) img1 = np.array(img1) img2 = np.array(img2) img1[:, np.where(path1 == 1)[1]] = img2[:, np.where(path2 == 1)[1]] img1 = Image.fromarray(np.uint8(img1)) img = img1 return img ``` 其中，seam_carving函数接受两个参数，第一个参数是原始图像，第二个参数是需要拼接的图像数量。该函数返回拼接后的图像。 下面是一个示例，假设有两张800x800的图像，需要将它们拼接成一张1600x800的图像： ```python img1 = Image.open('image1.jpg') img2 = Image.open('image2.jpg') img = seam_carving(img1, 1) img = seam_carving(img, 1) img.show() ``` 运行后，可以看到拼接后的图像。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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