博客
关于我
顶点坐标和纹理坐标之纹理变换
阅读量:146 次
发布时间:2019-02-28

本文共 1471 字,大约阅读时间需要 4 分钟。

顶点坐标变换与纹理调整

顶点坐标定义

顶点坐标的定义遵循反N字形顺序,确保绘制的形状是矩形。具体顶点坐标如下:

float vertices[] = {    -1.0f,  1.0f, 1.0,  0,  0, // 0 左上    -1.0f, -1.0f, 1.0,  0,  1, // 1 左下    1.0f,  1.0f, 1.0,  1,  0, // 2 右上    1.0f, -1.0f, 1.0,  1,  1  // 3 右下};

左右翻转方法

为了实现左右翻转,只需交换纹理坐标的左右值,顶点坐标顺序保持不变。变换后坐标如下:

float vertices[] = {    -1.0f,  1.0f, 1.0,  1,  0, // 0 左上    -1.0f, -1.0f, 1.0,  1,  1, // 1 左下      1.0f,  1.0f, 1.0,  0,  0, // 2 右上    1.0f, -1.0f, 1.0,  0,  1  // 3 右下};

上下翻转方法

如果需要上下翻转,可以通过调整纹理坐标的上下值来实现。变换后坐标如下:

float vertices[] = {    -1.0f,  1.0f, 1.0,  0,  1, // 0 左上    -1.0f, -1.0f, 1.0,  0,  0, // 1 左下      1.0f,  1.0f, 1.0,  1,  1, // 2 右上    1.0f, -1.0f, 1.0,  1,  0  // 3 右下};

变换前的和变换后的对比

变换前:

float vertices[] = {    -1.0f,  1.0f, 1.0,  0,  0, // 0 左上    -1.0f, -1.0f, 1.0,  0,  1, // 1 左下      1.0f,  1.0f, 1.0,  1,  0, // 2 右上    1.0f, -1.0f, 1.0,  1,  1  // 3 右下};

变换后(左右翻转):

float vertices[] = {    -1.0f,  1.0f, 1.0,  1,  0, // 0 左上    -1.0f, -1.0f, 1.0,  1,  1, // 1 左下      1.0f,  1.0f, 1.0,  0,  0, // 2 右上    1.0f, -1.0f, 1.0,  0,  1  // 3 右下};

变换前(上下翻转):

float vertices[] = {    -1.0f,  1.0f, 1.0,  0,  1, // 0 左上    -1.0f, -1.0f, 1.0,  0,  0, // 1 左下      1.0f,  1.0f, 1.0,  1,  1, // 2 右上    1.0f, -1.0f, 1.0,  1,  0  // 3 右下};

变换后(上下翻转):

float vertices[] = {    -1.0f,  1.0f, 1.0,  0,  0, // 0 左上    -1.0f, -1.0f, 1.0,  0,  1, // 1 左下      1.0f,  1.0f, 1.0,  1,  1, // 2 右上    1.0f, -1.0f, 1.0,  1,  0  // 3 右下};

通过上述方法,可以轻松实现顶点坐标的左右翻转和上下翻转,确保纹理坐标与顶点坐标的反N字形连线相匹配。

转载地址:http://nfld.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>