tech share
  • tech-share
  • Engineering
    • 登录鉴权
    • SSR 页面路由
    • npm 版本号
    • 缓存
    • 数据库容灾
    • 动态效果导出 gif
    • Chrome-devtools
    • C 端 H5 性能优化
    • Docker
    • Monorepo 最佳实践
    • 技术架构演化
    • 项目规范最佳实践
    • snowpack
    • 静态资源重试
    • 前端页面渲染分析
    • Git
    • 前端重构
    • 微前端
    • 项目依赖分析
    • 前端监控原理
    • webpack
    • BS 架构与 CS 架构
    • HTTPS
    • package-lock.json 生成逻辑
    • SVN(Subversion)
    • 数据库分类
    • gulp
    • 前端架构
    • Bundle & Bundless
    • 控制反转 IoC
  • JavaScript
    • Javascript 性能
    • JavaScript 原型(2) - 原型与原型链
    • JavaScript 原型(1) - 构造函数
    • JavaScript - Promise
    • ES6 解构赋值
    • 前端离线化
    • Proxy
    • Object.defineProperty()简介
    • TypeScript
  • MachineLearning
    • GAN生成对抗网络
    • 虚拟对抗训练
    • 深度度量学习
    • 原型网络
    • PyTorch优化器
    • 隐马尔可夫模型2
    • Shapley Value 算法
    • Embarassingly Autoencoder算法
    • AutoRec算法及其后续发展
    • 深度学习常用激活函数
    • 序列预测ConvTran算法
    • 联邦学习
    • 深度学习推荐系统算法整理
    • 隐马尔可夫模型
    • 黎曼优化方法
    • FM算法
    • 机器学习常见评价指标
    • VAE算法
    • Adam优化器详解
    • Transformer算法
    • Self-attention 推荐算法
    • CNN 卷积神经网络
    • 图嵌入
    • 集成学习算法
    • RecBole开源框架
    • NCE-PLRec
    • 深度学习初始化方法
    • RNN循环神经网络
    • PyTorch数据处理
    • PyTorch安装和基本操作
    • XGBoost算法
    • NCF算法与简单MF的对比
    • 计算最佳传输
  • CSS
    • 什么是BFC
    • 纯CSS实现可拖动布局
    • 滚动穿透解决方案
  • React
    • React 生命周期
    • React Ref
    • React Hooks
    • SWR
    • React 数据流
    • React 函数式组件和类组件的区别
  • 可视化
    • OffscreenCanvas
    • Echarts 平滑曲线端点为什么不平滑
    • 颜色空间
    • 词云布局解析
    • 3D 数学基础
    • Canvas 图片处理
    • GLGL ES
    • WebGL 中绘制直线
    • Graphics API
    • 现代计算机图形学基础
    • Canvas 灰度
  • Vue
    • Vue2.x全局挂载整理
    • Vue2.6.x源码阅读
      • Vue2.6.x源码阅读 - 2.目录结构分析
      • Vue2.6.x源码阅读 - 4.源码阅读-platform
      • Vue2.6.x源码阅读 - 1.准备工作
      • Vue2.6.x源码阅读 - 5.源码阅读-core-Vue构造函数
      • Vue2.6.x源码阅读 - 7.源码阅读-core-响应式原理
      • Vue2.6.x源码阅读 - 3.源码阅读-shared
      • Vue2.6.x源码阅读 - 6.源码阅读-core-组件挂载
    • Vue + TypeScript Web应用实践
    • Vue2.x指令
    • nextTick()的使用
    • vue-cli2.x 的使用与项目结构分析
    • Vue响应式原理及总结
    • VueX的使用
    • Electron-Vue + Python 桌面应用实践
    • Vite
    • Vue组件通信整理
    • 记录一个问题的探索过程
  • Linux
    • memcg
  • GameDev
    • 游戏中的几种投影视图
    • 从零开始写软渲染器06
    • 从零开始写软渲染器05
    • 从零开始写软渲染器04
    • 从零开始写软渲染器03
    • 从零开始写软渲染器02
    • 从零开始写软渲染器01
    • 从零开始写软渲染器00
    • 现代游戏常用的几种寻路方案(一)
  • Node
    • NPM Dependency
    • Node 优势
    • Node Stream
    • Node 模块系统
  • HTML
    • html5语义与结构元素
  • 跨端
    • Flutter 介绍
  • Golang
    • Golang 基础
  • AR
    • SceneKit
由 GitBook 提供支持
在本页
  • 1. 简介
  • 2. 代码库
  • 3. 绘制一个方块
  • 3.1 理论时间
  • 3.2 动手时间
  • 4. 预告
  • 5. 引用

这有帮助吗?

  1. GameDev

从零开始写软渲染器00

上一页从零开始写软渲染器01下一页现代游戏常用的几种寻路方案(一)

最后更新于4年前

这有帮助吗?

1. 简介

计算机图形学是指使用计算机创建和处理图像的任何方式。计算机图形学主要可以分为三个领域:建模、渲染和动画。

游戏开发的过程涉及到图形学的所有领域,其中最重要的就是渲染。我们常常说一个游戏画面好,那么我们的判断标准是什么?闫令琪大神给了一个简单的判断标准,“看游戏画面是不是足够亮!”,从技术上说,就是看这个游戏的全局光照是不是做的足够好,全局光照或者说光照是渲染里非常重要的部分。

在游戏开发的过程中,不论在团队中负责开发什么内容,或多或少都会遇到渲染相关的问题。学习渲染,或者说学习计算机图形学的知识是很有必要的。

在 从零开始写软渲染器 这个系列中,作者会以学习者的视角一步步从零开始,实现一个基于CPU的软渲染器。图形学的学习线路是比较漫长的,作者在网上找了很多学习资料,最常见的一句话就是,“最好自己实现一个软渲染器”。这里说的软渲染器,是区别于真正用于影视动画制作、游戏引擎等基于GPU的商用渲染器。因此,整个渲染管线都是在CPU完成的。

另外,学习计算机图形学或者学习渲染,并不等于学习图形API,因此这里面不会涉及任何 OpenGL DirectX Vulkan 等图形API的内容。相反,我们要做的相当于是自己动手实现一个图形API,自己实现OpenGL库,用这个方式来深入理解这些图形API的原理。

2. 代码库

项目会以打 tag 的方式记录版本节点,不出意外基本上是每一篇分享对应一个 tag ,具体细节可以到 repos 查看。

3. 绘制一个方块

我们第一次就以渲染一个方块来收尾吧!

3.1 理论时间

我们日常使用的LED显示器、手机显示屏等都称作 栅格显示屏(Raster Displays) ,用来显示栅格图像。栅格图像实际上就是一个很大的数组,里面存储的一个个 图像元素(picture element, pixel) 称为像素。像素保存着图像上某一个点的颜色信息。

LED屏由许许多多的LED灯组成,这些灯组成一个个小格子,一个小格子对应一个像素。一个像素里面由三个不同颜色的LED灯组成,红色、绿色和蓝色,分别发出不同强度不同颜色的光。一个像素一般都非常小,当人眼距离屏幕比较远的时候,三种颜色就会混合起来,我们就会看到不同的颜色。

不是所有显示屏的子像素都是这样从左到右整齐排列的,比如iPhone的OLED显示屏就是钻石排列。

但是,不论硬件的排列顺序是怎么样的,在进行软件开发的时候,我们还是会把一个个像素按照横平竖直的方式排列。

注意,上图把像素的中点作为坐标点,其实并不是所以的API都是这样的,有的会选择像素的左下角开始。另外,其他一些API则是规定左上角为原点,从左到右,从上到下排列。

在实际开发中,一个像素应该怎么表示呢?一般有以下几种:

  • 灰度图 - 只需要灰度,单个子像素

  • 带Alpha通道的灰度图 - 灰度 + Alpha组成

  • RGB - 三个通道组成,三个子像素

  • RGBA - 带Alpha通道的RGB

对于普通的低精度图片,一般RGB的每个通道用8个bit表示,一共占24个bit;而对于高精度的HDR图片,每个通道用32位的float表示,一共占12个字节。可以想象,图片的内存占用是非常大的。

灰度图与屏幕显示亮度有关,通常,屏幕会根据输入的像素值来设置LED灯的亮度,但亮度不是随着输入值线性递增的,具体自行查资料,这个并不关键。

最后,简单解释下Alpha通道的工作原理,Alpha通道发生作用是因为一个像素中,前景和背景产生重叠。如果前景是完全透明的,那么只需要渲染背景;如果前景完全不透明,那么只需要渲染前景;如果前景半透明,那么这个像素最终的渲染结果应该受到前背景共同作用。比如可以线性插值$c=\alpha{c_f}+(1-\alpha)c_b$。

3.2 动手时间

了解了上述的理论知识之后,我们知道一个像素可以表示为由RGB三个子像素的组合。另外,屏幕上的一个个像素是像一个个小格子一样,可以从上到下,从左到右排列(我们约定这个顺序,为便于理解,你可以认为像扫描),每个像素有自己的坐标,从 (0, 0) 递增到 (w, h) 。

我们可以认为,图片在内存中就是一段连续的内存,如果我们使用RGB表示一个像素,那么一个像素占用3字节,一个图片一共占用3*w*h字节。我们可以这样产生一张100x100的黑色图片。

int w = 100, h = 100, n = 3;
unsigned long nbytes = w*h*n;
unsigned char* data;
data = new unsigned char[nbytes];
std::memset(data, 255, nbytes);
stbi_write_bmp("build/output.bmp", w, h, n, data);

进一步,还可以画一个方块。

int rw = 20, rh = 20;
unsigned char red[3] = {255, 0, 0};
for (int i = 0; i < rw; i++)
{
    for (int j = 0; j < rh; j++)
    {
        std::memcpy(data+(i+j*w)*n, red, n);
    }
}

到这里,我们知道了图像是由多个像素组合起来显示在屏幕上的,我们能够轻松地在屏幕上绘制好几个像素。作者希望分享是短小精悍的,所以这次点到为止。

4. 预告

我们知道图像是有一个个像素组成的,像素的排列又是横平竖直,从左到右,从上到下排列的。那么怎么在屏幕上画出一条直线,甚至画出一个三角形呢?我们下次继续!

5. 引用

Peter Shirley, Steve Marschner. Fundamentals of Computer Graphics, Third Edition.

作者会把实现过程和代码开源在GitHub上:

这次会涉及到读写图片的相关内容,但是作为渲染学习,我们应该把注意力放在处理像素、处理图片上。所以我引入了读写图片的开源库,STB,所有的代码只有两个头文件(stb_image.h, stb_image_write.h),API也非常简洁。STB这个项目还有许多很好的库,感兴趣可以去参考:

这次的代码:

iPhone X Diamond Sub-Pixels. .

https://github.com/travmygit/fffrenderer
https://github.com/nothings/stb
https://github.com/travmygit/fffrenderer/tree/vol00
https://www.displaymate.com/Diamond_41a.html
image
image
image
image
image
image