您当前的位置: 首页 > 

开发游戏的老王

暂无认证

  • 2浏览

    0关注

    803博文

    0收益

  • 0浏览

    0点赞

    0打赏

    0留言

私信
关注
热门博文

Unreal Engine 4 卡通轮廓线(Toon Outlines)教程 之 后期处理法(Post Process Outlines)

开发游戏的老王 发布时间:2020-12-25 22:31:06 ,浏览量:2

本文是《Unreal Engine 4 卡通轮廓线(Toon Outlines)教程》的第二部分:后期处理法(Post Process Outlines),书接上文《Unreal Engine 4 卡通轮廓线(Toon Outlines)教程》之 反转网格法

文章目录
    • 后期处理法(Post Process Outlines)
      • 理论部分(译者注,头疼可跳到下面的实操部分)
        • 什么是卷积(Convolution)?
        • 拉普拉斯边缘检测(Laplacian Edge Detection)
      • 实操部分(译者注)
        • 创建边缘检测算子(Laplacian Edge Detector)
        • 创建像素抽样函数(Sample Pixel Function)
          • 小结
        • 卷积
          • 小结
        • 使用阈值
        • 创建粗线
        • 添加到原始图像上

后期处理法(Post Process Outlines) 理论部分(译者注,头疼可跳到下面的实操部分)

使用边缘检测(edge detection)的方法也可以制作轮廓线。这种技术的关键就是检测一幅图像各个区域间的不连续性(discontinuity)。如下图所示不连续性有很多种类型:

译者注:法线的不连续性、深度的不连续性、颜色的不连续性以及亮度的不连续性

在这里插入图片描述 优点:

  • 可以非常方便地应用于整个场景
  • 恒定的性能损耗,因为着色器永远都是逐像素处理
  • 轮廓线的宽度在不同的距离都会保持相同,当然这也会成为一个缺点
  • 轮廓线不会和几何体重合,因为这是一种后期处理效果

缺点:

  • 需要多重边缘检测算子(edge detector)来获取所有的边缘,这将会影响一定的性能
  • 容易出现噪点,这意味着检测出的轮廓线边缘会有一定的不稳定性
什么是卷积(Convolution)?

所谓卷积就是在图像处理中,从两组数字产生一个单一数值结果的运算。首先,我们把一个由数字组成的网格(一般称之为核kernel)中心放置在每一个像素上。以下图为例,一个3x3的核沿着图像顶部的两行像素扫描:

译者注:核指的是3x3的网格

在这里插入图片描述

对于每一个像素,都用核实体去乘以它的相对应像素。(译者注:这句不好理解,看下面的例子就明白了)以嘴部左上角的像素为例(在这里为了简化运算,我们把图像转成了灰度图)

在这里插入图片描述

首先,我们以目标像素为中心放置核(这个核我们使用的就是上面的那个),然后让每个核元素乘以其覆盖的像素(灰度)值。

在这里插入图片描述

最后把所有的乘积加在一起,让这个乘积作为中心像素新的值。本例中,新的值就是0.5 + 0.5即1。下图就是每个像素卷积处理完毕以后的结果:

在这里插入图片描述

核的选用会决定我们得到的结果。本例中的核是用于边缘检测的,下面是其它一些类型的核:

译者注: 从左到右分别为锐化(Sharpen)、凹凸(Emboss)和均值模糊(Box Blur)

在这里插入图片描述

注意:你可能已经发现,在很多图像处理软件中,这些东西被称之为滤镜(Filter)。实际上,图像处理软件就是通过卷积来实现滤镜的。你甚至可以在Photoshop上自定义核来进行卷积运算。

我们一般使用拉普拉斯算子(Laplacian)进行边缘检测,即拉普拉斯边缘检测(Laplacian Edge Detection)。

拉普拉斯边缘检测(Laplacian Edge Detection)

那么,拉普拉斯边缘检测的核是什么样的呢?它就是我们刚刚在上一部分用到的那个!

在这里插入图片描述

之所以这种核能够用于边缘检测,是因为它计算的在斜率(slope)上的变化。一个区域的斜率变化越大,就越意味着它是边缘。

咱们用一维的拉普拉斯算子做个实验,以帮助你理解。一维的拉普拉斯算子如下:

在这里插入图片描述

首先,我们用肉眼找到一个图像的“边缘”像素(下图红色中心那个像素),把这个(一维拉普拉斯算子)核放到上面,然后它的计算卷积。

在这里插入图片描述 我们得到的结果是1,这标志着它的斜率变化很大,同时也意味着它很可能是一个“边缘”。

然后咱们再肉眼找一个非边缘像素(下图红色中心那个像素),同样计算一下它的卷积。

在这里插入图片描述 尽管像素的值不同(0.7,0.6,0.5),但是梯度是线性的。这表示着它的斜率没有变化,同时也意味着它不是边缘像素。

下面的图表就是用这个图像所有像素进行卷积后结果绘制的,我们可以看到所有的边缘像素的卷积结果都远离零点。

在这里插入图片描述

我去!好多的理论啊,不过别着急,下面就是有趣的部分啦。下个部分,我们将创建一个后处理材质并让它在深度缓冲区(depth buffer)进行拉普拉斯边缘检测。

实操部分(译者注) 创建边缘检测算子(Laplacian Edge Detector)

找到Maps文件夹并打开PostProcess地图,你将看到一个黑屏。这是因为这个地图使用了一个包含空的后处理材质(post process material)的Post Process Volume。

在这里插入图片描述

我们将编辑这个材质来实现边缘检测算子。第一个步骤是如何对相邻像素进行抽样。

我们使用一个纹理坐标(TextureCoordinate)来获取当前像素的位置。比如,如果当前像素在中间,那么它的返回值就是(0.5,0.5).这个二维向量,我们称之为UV。

在这里插入图片描述

想获取其它的像素,我们只需要给纹理坐标加上一个偏移量。在一个100x100(像素大小)的图像上,每个像素占大小为0.01的UV空间。要抽样它右边的像素,只需要在X周上加0.01。

在这里插入图片描述

然而,这里存在一个问题。因为图像的分辨率可能发生变化,使得像素大小也随之变化。如果把同样的偏移量(0.01,0)用在200x200像素的图像上,它抽样的像素就会是右数第2个。

为了解决这个问题,可以使用SceneTexelSize节点来返回像素大小。我们如下操作即可:

在这里插入图片描述 因为咱得抽样多个像素,那就不得不重复多次这个步骤:

在这里插入图片描述 很显然,这样很快就乱套了。好在我们可以使用材质函数来整理材质蓝图。

注意: 材质函数就类似于我们在蓝图和C++中使用的函数

下面的部分,我们将把节点复制到材质函数中,然后创建一个输入引脚来获取偏移量。

创建像素抽样函数(Sample Pixel Function)

首先找到Materials\PostProcess文件夹。单击Add New然后选择Materials & Textures\Material Function来创建材质函数。

在这里插入图片描述

将其更名为MF_GetPixelDepth并打开。这个蓝图当前只有一个FunctionOutput节点。后面,我们会把它连接到被采样像素的值。

在这里插入图片描述

首先,我们需要创建一个创建一个FunctionInput节点作为接收偏移量的Input节点。

在这里插入图片描述

后面我们使用这个函数的时候,这个节点将会成为输入引脚。

现在,我们得为这个输入做一些设置。选择FunctionInput节点,然后打开细节面板。调整如下设置:

  • InputName: Offset
  • InputType: Function Input Vector 2,因为深度缓冲区是一个2D图像,所以偏移量也必须是Vector 2
  • Use Preview Value as Default: Enabled。如果我们不提供输入值,那么函数将会使用Preview Value的值

在这里插入图片描述

接下来,我们得用偏移量乘以像素大小。然后通过添加下图中高亮的节点让结果和纹理坐标相加:

在这里插入图片描述

最后,使用所提供的UV对深度缓冲区进行抽样,添加一个SceneDepth节点并如下图所示连接:

在这里插入图片描述

小结
  1. 偏移量通过Vector2和SceneTexelSize相乘而得来。它是UV空间上偏移量。
  2. 让偏移量和TextureCoordinate相加获得一个相距当前像素距离为(x,y)的像素。
  3. SceneDepth使用所提供的UV来抽样相应像素,然后把它输出。

这就是材质函数的全部了。点击Apply,然后关闭MF_GetPixelDepth。

注意: 这时可能会看到一个报错only translucent or post process materials can read from scene depth,可以忽略它,因为这个函数将用于后处理材质,没有问题的。

接下来,就要用这个函数来进行深度缓冲上的卷积运算了。

卷积

首先,为每个像素创建偏移量节点。因为核的角上都是0,所以可以不用管它们。这样,我们对左、右、上、下4个像素创建就可以了。

打开PP_Outline材质,按如下所示创建4个Constant2Vector节点:

  • (-1, 0)
  • (1, 0)
  • (0, -1)
  • (0, 1)

在这里插入图片描述

然后对核中的5个像素进行抽样。创建5个MaterialFunctionCall节点,并把每一个都设为MF_GetPixelDepth。然后把每个偏移量连到对应的函数上。

在这里插入图片描述

于是,我们获得了每个像素的深度值。

接下来是乘法阶段。因为周围像素的乘数都是1,你可以不用乘它们;但必须对中心像素乘以-4(对应上图最下面的那个函数)。

在这里插入图片描述

然后,把所有的值相加。如下图所示,创建Add节点:

在这里插入图片描述 还记得上面图表中的像素值么?有些值会是负的。如果你在材质中使用负值,那么将会显示黑色,因为它们小于零。因此,我们得给计算它们的绝对值,把每个输入都变成正数。 添加一个Abs节点餐后如下所示连接:

在这里插入图片描述

小结
  • MF_GetPixelDepth节点会获得上、下、左、右、中间像素的深度值
  • 把它们分别和核中的值相乘,实际上我们只需要让中间的像素相乘
  • 计算它们的和
  • 获取和的绝对值以防止出现负数

点击Apply并回到主编辑器。这时,整个画面将会呈现线条!

在这里插入图片描述

目前还有一些问题。首先,有些“边”在只有一点深度差的地方(其实算不上边)。其次,应为背景是球体,所以呈现一圈一圈的。如果你只想对网格模型进行检测,这算不上是问题。但如果你要检测整个场景的边缘,这些环线就不行了。

我们可以通过阈值来修正这些问题。

使用阈值

首先,我们来修正那些微小深度差上产生的边缘。回到材质编辑器,如下操作。把阈值设为4.

在这里插入图片描述

后面,我们会把边缘检测的结果镰刀A上,这样当像素值大于4,它就会输出1.否则输出0(即非边)。

接下来,咱们处理背景上的线。如下所示操作,并将DepthCutoff 设为9000。

在这里插入图片描述 这样,如果当前像素的深度值大于9000,将会输出0(非边),否则会输出A

关注
打赏
1656935939
查看更多评论
立即登录/注册

微信扫码登录

0.0444s