Tag: hlsl

使用HLSL进行YUV到RGB转换的奇怪模糊边缘图案

我正在尝试在HLSL中将YUV写入RGB着色器。 具体来说，它转换Yuv420p格式，该格式由Y值的N M平面组成，接着是U值的（N / 2） （M / 2）平面，然后是（N / 2）*（M / 2）平面V值。 例如这张1280×720图片： 在YUV格式中看起来像这样解释为8位，1280×1080纹理： 在Direct3D11中，我将其作为Texture2D加载，格式为R8_UNorm，尺寸为1280×1080。 棘手的部分是重建U和V平面，因为正如你所看到的，一半的线位于纹理的左侧，另一半位于右侧。 在着色器中，我这样做： struct PS_IN { float4 pos : SV_POSITION; float2 tex : TEXCOORD; }; Texture2D picture; SamplerState pictureSampler; float4 PS(PS_IN input) : SV_Target { int pixelCoord = input.tex.y * 720; bool evenRow = (pixelCoord / 2) % 2 == 0; […]

在HLSL中绘制SuperEllipse

更新：关于如何使用Superformula绘制一个的答案就在最后 我需要使用SuperEllipse绘制一个圆角矩形，例如这个。 在能够在任何地方轻松绘制时绘制一个： 但是在你不能的HLSL中，我遇到了绘图或不是像素的条件： 这是HLSL代码： sampler2D input : register(s0); /// Explain the purpose of this variable. /// 0.0 /// 10.0 /// 4.0 float N : register(C1); static const float pi = 3.1415926535f; float2 superEllipse(float n, float a, float b, float theta) { float ct = cos(theta); float st = sin(theta); float x = a * […]

编组C＃结构为DX11 cbuffers

我有一些问题（我认为）在C＃中打包我的结构并将它们传递给我在HLSL中注册的cbuffers。 当我以一种方式打包我的结构时，信息似乎能够传递到着色器： [StructLayout(LayoutKind.Explicit, Size = 16)] internal struct TestStruct { [FieldOffset(0)] public Vector3 mEyePosition; [FieldOffset(12)] public int type; } 当我创建这个结构并将其设置为我在C＃中的常量缓冲区时，它似乎工作正常。 我得到了我期望的颜色： cbuffer PerFrame : register(b0) { Vector3 eyePos; int type; } float3 GetColour() { float3 returnColour = float(0.0f, 0.0f, 0.0f); switch(type) { case 0: returnColour = float3(1.0f, 0.0f, 0.0f); break; case 1: returnColour = float3(0.0f, […]

所有像素的高效像素着色器总和

如何使用HSLS像素着色器有效地计算图像中所有像素的总和？ 我对Pixel Shader 2.0感兴趣，我可以调用它作为WPF着色器效果。

在单个float变量中存储两个float值

我想在一个32位浮点变量中存储两个浮点值。 编码将在C＃中进行，而解码将在HLSL着色器中完成。 到目前为止，我发现的最佳解决方案是将编码值中的小数偏移硬连接，并将它们存储为“载波”浮点的整数和小数： 123.456 -> 12.3 and 45.6 它无法处理负值，但没关系。 但是我想知道是否有更好的方法来做到这一点。 编辑：有关该任务的更多细节： 我在Unity中使用固定数据结构，其中顶点数据存储为浮点数。 （Float2表示UV，float3正常，等等。）显然没有办法正确添加额外的数据，所以我必须在这些限制范围内工作，这就是为什么我认为这完全是一个更普遍的编码数据问题。 例如，我可以牺牲二级UV数据来传输2×2额外数据通道。 目标是着色器模型3.0但我不介意解码是否在SM2.0上合理地工作。 只要它“合理”，数据丢失就可以了。 预期的值范围是0..64，但是当我想到它时，0..1也会很好，因为重新映射到着色器内的任何范围都很便宜。 重要的是保持尽可能高的精度。 负值并不重要。