博客 RSS 訂閱

cicada-smile 頭像

七號樓 - 獨立開發，有性價比嗎？

前半句聊投入，後半句説收穫。 【一】 今年7月從職場，轉獨立開發的賽道，那個問題一直避而不談：有收入嗎？好奇之中又略帶幾分質疑。 收入偏敏感，大家更樂意聊付出。 既然今天主動提這個話題，那就來坦坦蕩蕩的聊一聊，其實在動筆寫之前，內心是糾結了一會，怕拿捏不好影響自己和大家的心情。 在進入主題之前，要先囉嗦個觀念： 對於自媒體內容爆炸的當下，只表達問題的一半更有流量，也就是所謂

程序人生

收藏 評論

Imageshop 頭像

Imageshop - 【工程應用十】 基於Hessian矩陣的Frangi濾波算法 == 血管圖像增強 == Matlab中fibermetric函數的自我實現、加速和優化。

　　前幾天在翻一翻matlab中的幫助文檔，無意中發現一個叫fibermetric的圖像處理函數，感覺有點意思，可以增強或者説突出一些類似於管狀的對象，後面看了下算法的幫助文檔，在百度上找了找，原來這也是一種比較經典的增強算法。 　　核心的論文是《Multiscale vessel enhancement filtering》，可以從這裏下載得到：https://www.researchgate.

計算機圖形學

收藏 評論

Imageshop 頭像

Imageshop - [快速閲讀十]簡易的文字圖像周邊突兀彩色異常區域去除算法。

　　今天朋友給了一些拍照的文字圖像，由於噪音以及JPG編碼等因素的影響啊，在線條、文字等邊緣的部位放大後查看可以看到有明顯的彩色的斑點，這個對於後續的識別和處理都是不利的，因此，需要在進一步處理前把他們給去除掉，這裏經過測試提出一個簡單的算法，經過測試，還是有一定的效果的。 　　　　 　　　　　　　　　　　　　　　　原圖放大　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　Deinte

計算機圖形學

收藏 評論

ENchantedN 頭像

ENchantEd丨 - 計算機圖形學——Games101深度解析_第一章

寫在前面 關於Games101深度解析參考了很多佬的文章，並且加上了自己的理解。主要感覺games101課程裏面還有很多由於時間原因都沒講的很詳細，略過了很多，所以我對於課程中困難的知識點進行了更多的步驟思路解釋，希望能對正在學習這篇課程的後者提供更清晰的思路。 本文建議配上games101視頻以及games101網站中的PDF配合學習https://sites.cs.ucsb.edu/~ling

計算機圖形學

收藏 評論

ENchantedN 頭像

ENchantEd丨 - 計算機圖形學——Games101深度解析_第二章

三維旋轉的符號問題 旋轉矩陣的符號差異源於座標系的手系規則和旋轉方向定義。 首先是我們最常規的繞着z軸旋轉，這是右手系下的標準定義，符合"x軸轉向y軸"的正方向。 \[\mathbf{R}_z(\alpha) = \begin{pmatrix} \cos \alpha -\sin \alpha 0 0 \\ \sin \alpha \cos \alpha 0 0 \\ 0 0

計算機圖形學

收藏 評論

milton 頭像

Milton - 3D Gaussian splatting 02: 快速評估

目錄 3D Gaussian splatting 01: 環境搭建 3D Gaussian splatting 02: 快速評估 3D Gaussian splatting 03: 用户數據訓練和結果查看 3D Gaussian splatting 04: 代碼閲讀-提取相機位姿和稀疏點雲 3D Gaussian splatting 05: 代碼閲讀-訓練整體流程 3D Gaussi

計算機圖形學

收藏 評論

milton 頭像

Milton - 3D Gaussian splatting 03: 用户數據訓練和結果查看

目錄 3D Gaussian splatting 01: 環境搭建 3D Gaussian splatting 02: 快速評估 3D Gaussian splatting 03: 用户數據訓練和結果查看 3D Gaussian splatting 04: 代碼閲讀-提取相機位姿和稀疏點雲 3D Gaussian splatting 05: 代碼閲讀-訓練整體流程 3D Gaussi

計算機圖形學

收藏 評論

milton 頭像

Milton - 3D Gaussian splatting 04: 代碼閲讀-提取相機位姿和稀疏點雲

目錄 3D Gaussian splatting 01: 環境搭建 3D Gaussian splatting 02: 快速評估 3D Gaussian splatting 03: 用户數據訓練和結果查看 3D Gaussian splatting 04: 代碼閲讀-提取相機位姿和稀疏點雲 3D Gaussian splatting 05: 代碼閲讀-訓練整體流程 3D Gaussi

計算機圖形學

收藏 評論

milton 頭像

Milton - 3D Gaussian splatting 05: 代碼閲讀-訓練整體流程

目錄 3D Gaussian splatting 01: 環境搭建 3D Gaussian splatting 02: 快速評估 3D Gaussian splatting 03: 用户數據訓練和結果查看 3D Gaussian splatting 04: 代碼閲讀-提取相機位姿和稀疏點雲 3D Gaussian splatting 05: 代碼閲讀-訓練整體流程 3D Gaussi

計算機圖形學

收藏 評論

milton 頭像

Milton - 3D Gaussian splatting 06: 代碼閲讀-訓練參數

目錄 3D Gaussian splatting 01: 環境搭建 3D Gaussian splatting 02: 快速評估 3D Gaussian splatting 03: 用户數據訓練和結果查看 3D Gaussian splatting 04: 代碼閲讀-提取相機位姿和稀疏點雲 3D Gaussian splatting 05: 代碼閲讀-訓練整體流程 3D Gaussi

計算機圖形學

收藏 評論

milton 頭像

Milton - 3D Gaussian splatting 07: 代碼閲讀-訓練載入數據和保存結果

目錄 3D Gaussian splatting 01: 環境搭建 3D Gaussian splatting 02: 快速評估 3D Gaussian splatting 03: 用户數據訓練和結果查看 3D Gaussian splatting 04: 代碼閲讀-提取相機位姿和稀疏點雲 3D Gaussian splatting 05: 代碼閲讀-訓練整體流程 3D Gaussi

計算機圖形學

收藏 評論

vawe86 頭像

94nut - 學習webgl的第二天day2

HTML 腳本標籤中的着色器 在當今世界一可以讓瀏覽器無需插件即可調用 GPU 做 3D 渲染。我們先學習一下相關的語言。 標準 GLSL是桌面 GPU 着色器語言的 “母體” → 簡化出GLSL ES適配移動 / 瀏覽器場景 →WebGL作為瀏覽器 3D API GLSL的全稱是OpenGL Shading Language（OpenGL 着色語言 ），它是專門為配合 OpenGL（Open G

計算機圖形學

收藏 評論

hhhlxmh 頭像

魚魚蓮 - GAMES101作業3

聲明：使用的是vs2022版，以下內容如有問題，感謝各位大佬指正！ 作業要求： 作業效果： 💡我們需要做的： 在rasterizer.cpp中修改： 函數rasterize_triangle(const Triangle t) //實現與作業 2 類似的插值算法，實現法向量、顏色、紋理顏色的插值 在main.cpp中修改： 函數 get_projection_

計算機圖形學

收藏 評論

testing- 頭像

磁石空杯 - Blender 3D建模實例教程1 3D和Blender用户界面簡介

1 3D和Blender用户界面簡介 歡迎來到精彩的 3D 圖形世界！本書的這一部分將幫助您快速入門，瞭解一些術語和 3D 工作的基礎知識。我們將盡量簡短地講解這些枯燥的內容，以便您能夠立即開始使用 Blender 4.*創建精彩的 3D 項目！ 首先，我們將瞭解 3D 場景的基礎知識。我們將學習3D座標系如何使用三維軸，以及如何通過變換操作3D對象。我們將解答一些基本問題，例如：什麼是對象？什麼

計算機圖形學

收藏 評論

charlee44 頭像

charlee44 - WebGL簡易教程——結語

1 概述 筆者在幾年前寫過一系列關於WebGL的文章《WebGL簡易教程——目錄》，前端時間將其整理了一下，增加了一個在線案例的站點以便於學習查看。這裏就順便寫一段結語吧。 2 觀點 2.1 建議 這個系列文章寫了十五篇，之所以不繼續寫了是因為寫到後面代碼越來越膨脹（比如《WebGL簡易教程(十四)：陰影》中的實現寫了700行代碼），一些高級的圖形技術要通過WebGL這樣底層的API來實現就不是

計算機圖形學

收藏 評論

Imageshop 頭像

Imageshop - 【16位RAW圖像處理五】任意位深16位圖像的中值模糊快速實現及其應用。

　　在我博客裏，也多次提到了中值模糊的優化，比如以下兩篇文章： 　　【算法隨記三】小半徑中值模糊的急速實現（16MB圖7.5ms實現） + Photoshop中蒙塵和劃痕算法解讀。 　 任意半徑中值濾波（擴展至百分比濾波器）O(1)時間複雜度算法的原理、實現及效果。 　　但是，這些都是這對8位圖像的優化，也就是説圖像的色階最多隻有256，如果把這個優化算法直接擴展到16位的RAW圖像，有以下幾個

計算機圖形學

收藏 評論

Imageshop 頭像

Imageshop - [快速閲讀十] 浮點數據的中值模糊及其優化方法。

　　昨天實現了16位unsigned short數據的高效中值模糊算法，後面就在想其實我還有一箇中值算法一直沒有想到好的解決方案，那就是浮點數的中值，這個在某些場合還是有較高的應用價值的。 　　同樣，3*3或者5*5的浮點中值可以直接實現，而且效率一樣非常高。 　　其他半徑的了，怎麼辦，浮點數嘛，不能使用直方圖，而且數據範圍也很廣，不像8位或者16位數據範圍都是有限的。這兩個問題我一直沒有想到解決

計算機圖形學

收藏 評論

milton 頭像

Milton - 3D Gaussian splatting 08: 部署模型網頁展示

目錄 3D Gaussian splatting 01: 環境搭建 3D Gaussian splatting 02: 快速評估 3D Gaussian splatting 03: 用户數據訓練 3D Gaussian splatting 04: 代碼閲讀-提取相機位姿和稀疏點雲 3D Gaussian splatting 05: 代碼閲讀-訓練整體流程 3D Gaussian sp

計算機圖形學

收藏 評論

Imageshop 頭像

Imageshop - 傳統算法之Canny亞像素邊緣檢測及將離散邊緣點鏈接成線條的優化和探討。

　　邊緣檢測方面傳統的算法中最為經典的就是Canny算法，但是標準的Canny是不具有亞像素精度的，而且得到的結果是一堆離散的邊緣點，提取亞像素的方式有很多種，這個在網絡上還有一些資料，而如何將離散點鏈接成一根一根的線條，我一直沒有什麼思路，最近偶然又有朋友給我推薦了一片文章：A Sub-Pixel Edge Detector an Implementation of the Canny /Dev

計算機圖形學

收藏 評論

wsdanshenmiao 頭像

單身喵 - DirectX RayTracing (3) 程序圖元及複雜光照

DirectX RayTracing (3) 程序圖元及複雜光照 ​ 離上一篇文章隔的有點久了，在國慶前其實就看完了微軟官方的案例並復刻了出來，但是一直懶得寫，國慶也全拿去玩了，拖到過完了國慶才動筆。 ​ 在前面兩篇中基本把 DXR 的大部分流程都介紹完了，這次把使用 Intersection Shader 實現程序圖元介紹完後基本足夠實現大部分需求了。在實現程序圖元之前，這裏先實現複雜場景的渲染

計算機圖形學

收藏 評論

Imageshop 頭像

Imageshop - Impulse Noise（圖像脈衝噪音）的抑制和處理方法（提取自《現代圖像處理算法教程》一書並做解釋）。

　　相關參考文章：現代圖像處理算法教程（全） 　　參考書籍：modern-algorithms-for-image-processing-computer-imagery-by-example-using-C# 　　在上面的英文版書籍中，提出了一種去除脈衝噪音的方法，所謂的脈衝噪聲是影響單個的、隨機選擇的像素或相鄰像素的組合，而不是影響圖像的所有像素（這個是高斯噪聲的特徵）。我們傳統概念中提到的

計算機圖形學

收藏 評論

SmalBox 頭像

SmalBox - 【光照】Unity中的[光照模型]概念辨析

【從UnityURP開始探索遊戲渲染】專欄-直達 基礎光照模型‌ ‌標準光照模型（Standard Lighting Model）‌ ‌定義‌：傳統光照計算的框架，通常包含漫反射、鏡面反射和環境光三部分。 ‌特點‌：非物理經驗模型，計算簡單但缺乏真實感。 ‌從屬關係‌： 包含 ‌漫反射‌ 和 ‌高光反射‌ 是 ‌Phong模型‌ 和 ‌Blinn-Phong模型‌

遊戲開發

收藏 評論

SmalBox 頭像

SmalBox - 【光照】Unity中的[經驗模型]

【從UnityURP開始探索遊戲渲染】專欄-直達 圖形學第一定律：“看起來對就對” URP光照模型發展史 ‌2018年‌：URP首次發佈（原LWRP），繼承傳統前向渲染的Blinn-Phong簡化版 ‌2019年‌：URP 7.x引入Basic Shader的簡化光照模型 ‌2020年‌：URP 10.x整合PBR核心（GGX+Smith） ‌2022年‌：URP 14.x新

遊戲開發

收藏 評論

liuliqianxiao 頭像

落幕夜未央 - H5遊戲性能優化系列-----cpu相關優化

cpu優化主要是優化cpu使用率，幀率平穩性(卡幀，長耗時任務)，主要從以下幾個方面優化 設置合適的幀率。根據遊戲類型設置合適的幀率，比如slg，回合制這種類型遊戲一般開30幀，mmo等即時戰鬥的或者對流暢度有很高要求的可以開60幀。 幀同步與狀態同步的抉擇。一般來説狀態同步會比幀同步的前後端消息量大，也就説消息同步壓力更大。但是狀態同步前端實現起來比較簡單，只用根據對應消息更新狀態即可。

遊戲開發

收藏 評論