Lightmap压缩和重排

前段时间项目做缩减包体大小的工作，自己在大佬的指导下做了个缩减lightmap的工具，抽时间整理一下思路。下面涉及到的代码是用python写的

1.获取模型的lightmap数据

  一张lightmap包含了一个或多个模型的光照数据，所以首先需要将每个模型自己的那一部分数据从一个完整的lightmap中提取出来。

2.计算lightmap可以压缩的等级

  拿到数据后可以通过比较压缩前和压缩后的图片相似度来计算是否可以压缩以及压缩等级。我使用的是图像的PSNR来判断的。实际测试中将psnr值大于20判定为相似可以得到一个相对不错的结果。

def psnr(img1, img2):
	if get_image_size(img1) != get_image_size(img2):
		return 1
	mse = numpy.mean((img1/255. - img2/255.) ** 2)
	if mse < 1.0e-10:
		return 100
	PIXEL_MAX = 1
	return 20 * math.log10(PIXEL_MAX / math.sqrt(mse))

3.lightmap重排

  当所有模型的lightmap数据都重新计算完成后就需要将一个个小图重新组装成一张大图。重排的过程实际上就是一个二维矩阵装箱的问题，具体实现时参考了 Binary Tree Bin Packing Algorithm
  重排完成后的图片大约长这样。

4.空间浪费以及拓边

  可以发现上面的图中有很大一块是没有数据的，会造成一定的空间浪费，对于数据没有填满的lightmap,可以适当减小lightmap的大小，必要时也可以将一张大的lightmap分为两张小的，但要注意可能会导致渲染时无法合批的情况。
  如果缩小后依然有空间浪费，处于边缘的除的lightmap块对应的模型在取光照数据时就有可能发生错误，所以要将没有数据的部分用相邻处的颜色填充。最后结果如下。