shadertoy-Sake shader

参考链接:https://www.shadertoy.com/view/XtVfzd
在这里插入图片描述

碗的绘制

1. 蓝白相间的图案

-->sdf距离场函数
float sdf_circle(vec2 p, vec2 o, float r) {
    return length(p - o) - r;
}

float sdf_ring(vec2 p, float r, float lineWidth) {
    float outer = sdf_circle(p, vec2(0, 0), r + 0.5 * lineWidth);
    float inner = sdf_circle(p, vec2(0, 0), r - 0.5 * lineWidth);
    
    return max(-inner, outer);
}

float sdf(vec2 p) {
    return min(sdf_ring(p, 0.75, 0.175), sdf_ring(p, 0.35, 0.175));
}

–>sdf_circle可以用于绘制2d圆

fragColor = vec4(vec3(sdf_circle(pos, vec2(0.0), 0.6) < 0.0 ? 1.0:0.0 ), 1.0);

在这里插入图片描述
–>sdf_ring通过两个sdf_circle“差”运算得到环

fragColor = vec4(vec3(sdf_ring(pos, 0.75, 0.175) < 0.0 ? 1.0:0.0 ), 1.0);

在这里插入图片描述
–>sdf通过两个sdf_ring“并”运算得到两个环

fragColor = vec4(vec3(sdf(pos) < 0.0 ? 1.0:0.0 ), 1.0);

在这里插入图片描述
–>对sdf进行着色,为了使“环”更加真实,以距离场为参量对“环”进行进行边缘处理

vec3 ring_color = vec3(0.1, 0.1, 0.6);
vec3 ring_edge_color = vec3(0.3, 0.6, 0.9);
ring_color = mix(ring_edge_color, ring_color, smoothstep(-0.02, 0.02, -sdf(pos)));

在这里插入图片描述
–>间白的渲染

vec3 ring_color = vec3(0.1, 0.1, 0.6);
vec3 ring_edge_color = vec3(0.3, 0.6, 0.9);
ring_color = mix(ring_edge_color, ring_color, smoothstep(-0.02, 0.02, -sdf(pos)));

vec3 cup_color = vec3(0.98, 0.98, 0.98);  
vec3 color = mix(ring_color, cup_color, smoothstep(0.0, 0.02, sdf(pos)));
fragColor = vec4(color, 1.0);

在这里插入图片描述

2. 碗

–>碗沿渲染(碗内部的截取)

vec3 ring_color = vec3(0.1, 0.1, 0.6);
vec3 ring_edge_color = vec3(0.3, 0.6, 0.9);
ring_color = mix(ring_edge_color, ring_color, smoothstep(-0.02, 0.02, -sdf(pos)));

vec3 cup_color = vec3(0.98, 0.98, 0.98);  
vec3 color = mix(ring_color, cup_color, smoothstep(0.0, 0.02, sdf(pos)));

//碗沿
color = mix(color, cup_color * 0.6, smoothstep(0.86, 0.87, length(pos)));
fragColor = vec4(color, 1.0);

在这里插入图片描述
–>碗“厚度”渲染

vec3 ring_color = vec3(0.1, 0.1, 0.6);
vec3 ring_edge_color = vec3(0.3, 0.6, 0.9);
ring_color = mix(ring_edge_color, ring_color, smoothstep(-0.02, 0.02, -sdf(pos)));

vec3 cup_color = vec3(0.98, 0.98, 0.98);  
vec3 color = mix(ring_color, cup_color, smoothstep(0.0, 0.02, sdf(pos)));

//碗沿
color = mix(color, cup_color * 0.6, smoothstep(0.86, 0.87, length(pos)));
//“碗的厚度”
color = mix(color, cup_color * 0.1, smoothstep(0.91, 0.92, length(pos)));

fragColor = vec4(color, 1.0);

在这里插入图片描述
–>垂直点光源衰减近似模拟

vec3 ring_color = vec3(0.1, 0.1, 0.6);
vec3 ring_edge_color = vec3(0.3, 0.6, 0.9);
ring_color = mix(ring_edge_color, ring_color, smoothstep(-0.02, 0.02, -sdf(pos)));

vec3 cup_color = vec3(0.98, 0.98, 0.98);  
vec3 color = mix(ring_color, cup_color, smoothstep(0.0, 0.02, sdf(pos)));

//碗沿
color = mix(color, cup_color * 0.6, smoothstep(0.86, 0.87, length(pos)));
//“碗的厚度”
color = mix(color, cup_color * 0.1, smoothstep(0.91, 0.92, length(pos)));
//垂直点光源衰减近似模拟
color *= 1.0 - 0.5 * length(uv) * length(uv);

fragColor = vec4(color, 1.0);

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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