蔡军生先生第二人生的源码分析(五十七)OpenGL离屏渲染的相关函数

本文详细解析了LLRenderTarget类的实现细节,包括构造函数、析构函数、资源分配、释放等功能。并通过OpenGL API扩展实现了帧缓冲对象(FBO)的创建与绑定,支持离屏渲染和深度缓冲。
前面介绍了类LLRenderTarget的声明,并且大体地说明了每个函数的作用,但没有仔细地看到它是怎么样实现的,现在就来分析具体的实现细节。它的实现代码如下:
#001 BOOL LLRenderTarget::sUseFBO = FALSE;
#002 
 
下面是构造函数初始化成员变量。
#003 LLRenderTarget::LLRenderTarget()
#004 {
#005      mResX = mResY = mTex = mFBO = mDepth = 0;
#006      mUseDepth = FALSE;
#007      mUsage = GL_TEXTURE_2D;
#008 }
#009 
 
下面是析构函数释放资源。
#010 LLRenderTarget::~LLRenderTarget()
#011 {
#012      release();
#013 }
#014 
 
 
#015 void LLRenderTarget::allocate(U32 resx, U32 resy, U32 color_fmt, BOOL depth, U32 usage, BOOL force_fbo)
#016 {
 
分配区域的大小。
#017      mResX = resx;
#018      mResY = resy;
#019 
 
使用离屏对象。
#020      mUsage = usage;
 
使用深度对象。
#021      mUseDepth = depth;
 
释放以前分配的资源。
#022      release();
#023 
 
生成纹理。
#024      glGenTextures(1, (GLuint *) &mTex);
 
绑定纹理。
#025      glBindTexture(mUsage, mTex);
 
创建2D纹理。
#026      glTexImage2D(mUsage, 0, color_fmt, mResX, mResY, 0, color_fmt, GL_UNSIGNED_BYTE, NULL);
#027 
 
设置纹理大小缩放的采样方式。
#028      glTexParameteri(mUsage, GL_TEXTURE_MAG_FILTER, GL_LINEAR);
#029      glTexParameteri(mUsage, GL_TEXTURE_MIN_FILTER, GL_LINEAR);
#030 
 
设置纹理环绕。
#031      if (mUsage != GL_TEXTURE_RECTANGLE_ARB)
#032      {
#033             glTexParameteri(mUsage, GL_TEXTURE_WRAP_S, GL_MIRRORED_REPEAT);
#034             glTexParameteri(mUsage, GL_TEXTURE_WRAP_T, GL_MIRRORED_REPEAT);
#035      }
#036      else
#037      {
#038             // ATI doesn't support mirrored repeat for rectangular textures.
#039             glTexParameteri(mUsage, GL_TEXTURE_WRAP_S, GL_CLAMP_TO_EDGE);
#040             glTexParameteri(mUsage, GL_TEXTURE_WRAP_T, GL_CLAMP_TO_EDGE);
#041      }
#042 
#043      stop_glerror();
#044 
 
判断是否使用FBO对象。
#045      if (sUseFBO || force_fbo)
#046      {
 
生成深度离屏对象。
#047             if (depth)
#048             {
#049                    glGenRenderbuffersEXT(1, (GLuint *) &mDepth);
#050                    glBindRenderbufferEXT(GL_RENDERBUFFER_EXT, mDepth);
#051              glRenderbufferStorageEXT(GL_RENDERBUFFER_EXT,GL_DEPTH_COMPONENT,mResX,mResY);
#052                    glBindRenderbufferEXT(GL_RENDERBUFFER_EXT, 0);  
#053             }
#054 
 
生成一般的离屏对象mFBO。
#055             glGenFramebuffersEXT(1, (GLuint *) &mFBO);
#056             glBindFramebufferEXT(GL_FRAMEBUFFER_EXT, mFBO);
#057 
#058             if (mDepth)
#059             {
#060                    glFramebufferRenderbufferEXT(GL_FRAMEBUFFER_EXT, GL_DEPTH_ATTACHMENT_EXT,
#061                                                                           
#062 GL_RENDERBUFFER_EXT, mDepth);
#063             }
 
添加纹理对象。
#064             glFramebufferTexture2DEXT(GL_FRAMEBUFFER_EXT, GL_COLOR_ATTACHMENT0_EXT,
#065                                         mUsage, mTex, 0);
#066 
#067 
#068             glBindFramebufferEXT(GL_FRAMEBUFFER_EXT, 0);
#069      }
#070 }
#071 
#072 void LLRenderTarget::release()
#073 {
#074      if (mFBO)
#075      {
 
删除离屏对象。
#076             glDeleteFramebuffersEXT(1, (GLuint *) &mFBO);
#077             mFBO = 0;
#078      }
#079 
#080      if (mTex)
#081      {
 
删除离屏纹理对象。
#082             glDeleteTextures(1, (GLuint *) &mTex);
#083             mTex = 0;
#084      }
#085 
#086      if (mDepth)
#087      {
 
删除深度离屏对象。
#088             glDeleteRenderbuffersEXT(1, (GLuint *) &mDepth);
#089             mDepth = 0;
#090      }
#091 }
#092 
#093 void LLRenderTarget::bindTarget()
#094 {
#095      if (mFBO)
#096      {
 
绑定离屏对象。
#097             glBindFramebufferEXT(GL_FRAMEBUFFER_EXT, mFBO);
#098      }
#099 
 
设置视口的大小。
#100      glViewport(0, 0, mResX, mResY);
#101 }
#102 
#103 void LLRenderTarget::clear()
#104 {
#105      U32 mask = GL_COLOR_BUFFER_BIT;
#106      if (mUseDepth)
#107      {
#108             mask |= GL_DEPTH_BUFFER_BIT;
#109      }
 
清除离屏对象。
#110      if (mFBO)
#111      {
#112             glClear(mask);
#113      }
#114      else
#115      {
#116             LLGLEnable scissor(GL_SCISSOR_TEST);
#117             glScissor(0, 0, mResX, mResY);
#118             glClear(mask);
#119      }
#120 }
#121 
#122 void LLRenderTarget::bindTexture()
#123 {
#124      glBindTexture(mUsage, mTex);
#125 }
#126 
#127 void LLRenderTarget::flush()
#128 {
 
调用OPENGL函数显示。
#129      gGL.flush();
#130      if (!mFBO)
#131      {
#132             bindTexture();
#133             glCopyTexSubImage2D(mUsage, 0, 0, 0, 0, 0, mResX, mResY);
#134      }
#135 }
#136 
#137 BOOL LLRenderTarget::isComplete() const
#138 {
#139      return (mTex || mDepth) ? TRUE : FALSE;
#140 }
#141 
#142 void LLRenderTarget::getViewport(S32* viewport)
#143 {
#144      viewport[0] = 0;
#145      viewport[1] = 0;
#146      viewport[2] = mResX;
#147      viewport[3] = mResY;
#148 }
#149 
 
使用glGenFramebuffersEXT函数来创建离屏对象,glDeleteFramebuffersEXT函数来删除对象,使用glBindFramebufferEXT绑定当前使用的FrameBuffer对象。使用glFramebufferTexture2DEXT函数来指定纹理。使用函数glRenderbufferStorageEXT来指定离屏的大小。这些函数都是OPENGL比较新的API扩展,因此使用这些功能就需要检查OPENGL是否支持这些功能,才能使用它,否则会出错的。
内容概要:本文详细阐述了工业母机技术领域中“高级结构设计工程师”这一岗位的全方位任职要求与职业发展路径,涵盖职位对标、目标企业、学历与证书要求、年龄范围、管理半径、晋升关键点、必备工作经验年限以及薪资待遇区间。重点突出该岗位对高端数控机床核心结构(如床身、主轴箱、导轨等)设计能力的要求,强调有限元分析、精度控制、热变形补偿、振动抑制等核心技术能力,并明确指出需具备项目主导经验、团队管理能力和跨部门协作经验。同时,根据不同企业类型和发展阶段,给出了清晰的年薪划分标准,体现了市场对该岗位的技术深度与综合能力的高度认可。; 适合人群:具备5年以上工业母机或高端机床结构设计经验,致力于向高级工程师、技术专家或管理岗位发展的结构设计从业者;或希望转型进入高端装备制造业的精密机械研发人员。; 使用场景及目标:①用于求职者精准定位职业发展方向,评估自身与高级岗位之间的能力差距;②辅助企业制定人才招聘标准与薪酬体系;③指导技术人员规划技能提升路径,聚焦核心技术积累与项目经验沉淀。; 阅读建议:建议结合个人职业发展阶段对照文中各项指标进行自我诊断,重点关注“晋升关键点”与“必备年限”部分,有针对性地补齐技术短板、积累主导项目经验,并注重专利成果与团队管理能力的培养,以全面提升竞争力。
源码下载地址: https://pan.quark.cn/s/a92ed831069e ### Jmeter工具对验证码的处理方法 #### 一、引言 随着互联网应用安全性的不断提升,验证码已成为网站登录流程中的关键环节。然而,对于性能测试工程师而言,如何高效利用JMeter工具处理登录过程中的验证码构成了一项挑战。本文将系统性地阐述在JMeter中配置和处理验证码的方法,旨在帮助读者熟练掌握这一技能。 #### 二、JMeter中处理验证码的方法与步骤 ##### 1. 创建线程组 在JMeter中构建一个线程组,该线程组将作为执行测试的起始点。在此线程组内,需要添加各类采样器、监听器及其他必要组件,以模拟用户的登录行为。 ##### 2. 新建获取验证码的HTTP请求 在已创建的线程组中,添加一个HTTP请求采样器来模拟用户获取验证码的操作。特别需要注意的是,若目标网站的验证码以图片形式呈现,必须配置正确的HTTP请求以获取该图片。 ##### 3. 配置后置处理器解析验证码 由于通过HTTP请求无法直接获取验证码的值,因此需要增设一个后置处理器实现这一功能。推荐采用BeanShell Post Processor,这是一种高度灵活的脚本编写方式,能够充分满足解析验证码的需求。具体的代码实现可参考以下链接:[http://blog.csdn.net/xreztento/article/details/48682923](http://blog.csdn.net/xreztento/article/details/48682923)。 在BeanShell Post Processor中,需编写一段代码来解析获取到的验证码图片,并将其保存至JMeter的用户自...
内容概要:本文聚焦于扩散模型在光伏场景生成中的应用,深入研究了去噪概率扩散模型(DDPM)的理论基础与Python代码实现。通过构建简化的DDPM模型,实现对光伏功率时序数据的高波动性场景生成,有效模拟新能源出力的不确定性。文章系统阐述了前向扩散过程与逆向去噪过程的数学原理、神经网络架构设计及训练策略,并提供完整的代码实践指导,适用于新能源电力系统规划、不确定性建模与风险评估等任务。同时,文档整合了生成对抗网络(GAN)、条件生成模型、联邦学习、优化算法等相关技术资源,形成支撑科研复现与创新的完整技术体系。; 适合人群:具备Python编程基础和机器学习基础知识,从事新能源、电力系统、人工智能等相关领域研究的研发人员及高校研究生。; 使用场景及目标:①掌握DDPM在光伏功率时序数据生成中的建模方法与实现流程;②深入理解扩散模型相较于传统GAN在生成质量、训练稳定性与时序建模方面的优势;③为电力系统不确定性分析、储能优化配置、调度决策等提供高质量、多样化的输入场景;④结合文档提供的其他代码资源,开展多模型对比研究与综合性科研项目复现与拓展。; 阅读建议:此资源以代码实现为核心,强调理论推导与工程实践的深度融合,建议读者在学习过程中同步运行并调试代码,细致理解每一模块的设计意图与数学依据,并积极参考文档中列出的相关研究方向进行延伸探索与创新应用。
代码转载自:https://pan.quark.cn/s/a4b39357ea24 KeymouseGo 简体中文 | English 功能:记录用户的鼠标键盘操作,通过触发按钮自动执行之前记录的操作,可设定执行的次数,可以理解为 的 。 用途:在进行某些操作简单、单调重复的工作时,使用本软件就可以很省力了。 自己只要做一遍,然后接下来就让电脑来做。 目录 安装 使用方法 + 基本操作 + 提示 + 脚本语法说明 关于作者 开源贡献者 安装 该软件通过 语言编写,已打包为可执行文件,未安装 的用户可直接下载 release 版本 ,直接点击 运行 源码打包可执行文件 打包完成后,可执行文件在项目路径的文件夹内。 使用方法 基本操作 桌面模式 1、点击 按钮,开始录制。 2、在计算机上进行任意操作,如点击鼠标、键盘输入,这部分的动作会被记录下来。 3、点击 按钮,结束录制。 4、点击 按钮,计算机会重复执行一遍第2步中所录制的动作。 命令行模式 直接运行指定脚本: 运行指定脚本3次: 提示 1、可设置脚本重复执行的次数,如果为 即为无限循环。 2、默认启动热键为 ,功能等同于 按钮;默认终止热键为 ,按下后将会停止正在运行的脚本。 3、录制时只记录鼠标点击动作和键盘动作,不记录鼠标移动轨迹。 4、每次录制结束后都会在 目前下生成一个新的脚本文件。 5、运行前可以在列表中选择一个需要执行的脚本。 6、 下的脚本文件内容可以修改,修改时可参考如下所述 。 7、热键设置中的指代鼠标中键,指代鼠标侧键 8、由于程序速度受限,当输入的鼠标速度大于一定值时脚本将无法以预期的输入速度执行 9、部分系统环境中,可能出现无法录制完整的鼠标事件的情况,请以管理员身份/root身份运行...
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种融合联邦学习框架与隐私保护机制的电力负荷预测方法,旨在解决传统集中式数据处理中潜在的用户隐私泄露问题。通过构建分布式模型训练体系,各参与方在本地完成模型训练,仅向中心服务器上传模型参数或梯度信息,实现“数据不动模型动”的协同建模模式,确保数据“可用不可见”。研究采用Python语言实现了完整的联邦学习流程,涵盖客户端本地训练、全局模型聚合、隐私保护策略(如差分隐私或同态加密)集成、通信机制设计及预测性能评估等核心模块,显著提升了电力负荷预测在隐私安全与模型精度之间的平衡能力。; 适合人群:具备Python编程基础和机器学习基础知识,从事电力系统、智能电网、能源大数据分析、数据隐私保护等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于居民或工业级电力负荷预测任务,在保障用户用电数据隐私的前提下实现高精度预测;②为构建符合数据合规要求的智慧能源管理系统提供技术支撑;③推动联邦学习在能源互联网、跨企业数据协作等场景中的落地应用,促进多方协同建模与数据价值释放。; 阅读建议:建议读者结合文中提供的Python代码进行实践操作,重点关注联邦学习的通信轮次设置、本地训练迭代策略、模型聚合算法设计以及隐私噪声添加机制的实现细节,并可根据实际需求替换底层预测模型(如LSTM、XGBoost、Transformer等)以进一步优化预测性能。
内容概要:本文介绍了基于条件生成对抗网络(Conditional Generative Adversarial Networks, CGAN)的可再生能源日前场景生成方法的复现研究,旨在通过Python代码实现对风电、光伏等可再生能源出力的不确定性进行高效建模与多场景生成。该方法利用历史数据作为条件输入,训练生成器与判别器网络,从而生成符合实际统计特性的高精度出力场景集,有效支撑电力系统调度、规划与风险评估等应用。文中详细阐述了CGAN的网络结构设计、损失函数构建、训练流程优化及生成场景的质量评价指标,并提供了完整的代码实现与案例分析,验证了其在捕捉时空相关性与概率分布方面的优越性。; 适合人群:具备一定深度学习与电力系统基础知识,从事新能源预测、电力系统优化调度、场景生成等相关方向的科研人员及研究生。; 使用场景及目标:①用于可再生能源出力不确定性建模,生成满足日前调度需求的典型场景集;②支撑含高比例新能源的电力系统随机优化、鲁棒调度与风险评估研究;③为学术研究提供可复现的CGAN应用场景与代码参考。; 阅读建议:建议读者结合提供的Python代码逐模块学习,重点关注数据预处理、模型搭建与训练细节,通过调整超参数和输入数据进行实验对比,深入理解CGAN在电力系统场景生成中的实际应用价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值