本發(fā)明涉及一種游戲引擎實(shí)時(shí)摳像方法。

背景技術(shù)：
：

本發(fā)明公開了一種游戲引擎實(shí)時(shí)摳像方法。現(xiàn)有的游戲引擎內(nèi)沒有原生的摳像方法，而目前通過插件實(shí)現(xiàn)的算法非常簡(jiǎn)單，只能單純的通過色彩范圍算法去除顏色，在選定的去除顏色上設(shè)定一個(gè)擴(kuò)展范圍和摳像強(qiáng)度，范圍越廣摳像的內(nèi)容越多，摳像強(qiáng)度越大，摳像的邊緣越銳利，這樣導(dǎo)致?lián)赶竦奈矬w邊緣要么有黑邊，要么邊緣非常銳利。同時(shí)在整個(gè)緑布范圍影響下，物體整體偏綠，摳像后無法融合，只能整體降低飽和度，去除綠色偏移，這樣整體色彩會(huì)有損失，無法還原真實(shí)效果。

技術(shù)實(shí)現(xiàn)要素：
：

鑒于此，本發(fā)明實(shí)施例提供一種游戲引擎實(shí)時(shí)摳像方法，以實(shí)現(xiàn)實(shí)時(shí)摳像無黑邊，去除綠色色彩溢出，同時(shí)本發(fā)明合理優(yōu)化計(jì)算量達(dá)到實(shí)時(shí)處理摳像要求。

提供了一種游戲引擎實(shí)時(shí)摳像方法，所述方法包括：

摳像模塊，邊緣模塊，顏色模塊。

進(jìn)一步地，摳像模塊接收?qǐng)D像數(shù)據(jù)，利用摳像范圍參數(shù)Average、摳像強(qiáng)度參數(shù)percent、摳像藍(lán)色補(bǔ)償參數(shù)Bpercent分別控制摳像范圍、摳像強(qiáng)度和摳像藍(lán)色補(bǔ)償?shù)葘?shí)現(xiàn)對(duì)摳像效果的控制；

核心算法計(jì)算c.a＝clamp(((((1-clamp((c.g-(c.r*(1-_Bpercent)+c.b*_Bpercent)),0,1)))-_Average)*(tan((45+44*_percent)/180*3.1459))+_Average),0,1)；

c.r、c.b、c.g、c.a分別為圖像數(shù)據(jù)的RGBA通道Clamp(floatvalue,float min,float max)這個(gè)函數(shù)的意思是比較value值,如果在這倆值之間就返回value，如果大于max返回max,小于min返回min,得到圖像的alpha通道值。

進(jìn)一步地，邊緣模塊接收摳像模塊處理好的摳像圖像數(shù)據(jù)，通過邊緣縮進(jìn)強(qiáng)度intensity、邊緣模糊度softness、邊緣分散度spread來控制摳像邊緣；邊緣模糊度softness用來控制模糊算法對(duì)整體圖像的模糊處理；邊緣分散度spread通過對(duì)模糊圖像進(jìn)行迭代重復(fù)計(jì)算，即重復(fù)模糊次數(shù)，每進(jìn)行一次迭代，模糊度擴(kuò)大1倍，且這樣增加spread分散度設(shè)置可得到更大的模糊度而不增加多余的計(jì)算量；邊緣縮進(jìn)強(qiáng)度intensity通過邊緣疊加次數(shù)控制邊緣縮進(jìn)強(qiáng)度，通過得到的模糊圖片進(jìn)行反相再減去原始沒有模糊的圖像則得到一個(gè)有模糊的邊緣，通過對(duì)此邊緣的疊加得到完整邊緣,再通過原始圖像減去邊緣圖像可去除黑邊。

進(jìn)一步地，顏色模塊計(jì)算圖像像素的綠色通道數(shù)值，如果大于紅色和藍(lán)色的平均值則此像素綠色通道的數(shù)值改為紅色和藍(lán)色的平均值，否則不變，最終達(dá)到去除綠色色彩溢出的效果。

附圖說明

圖1示出了游戲引擎實(shí)時(shí)摳像方法流程。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，一種游戲引擎實(shí)時(shí)摳像方法，包括：摳像模塊、邊緣模塊和顏色模塊。

在步驟S101中，摳像模塊接收?qǐng)D像數(shù)據(jù)，利用摳像范圍參數(shù)Average、摳像強(qiáng)度參數(shù)percent、摳像藍(lán)色補(bǔ)償參數(shù)Bpercent分別控制摳像范圍、摳像強(qiáng)度和摳像藍(lán)色補(bǔ)償?shù)葘?shí)現(xiàn)對(duì)摳像效果的控制；通過核心算法計(jì)算c.a＝clamp(((((1-clamp((c.g-(c.r*(1-_Bpercent)+c.b*_Bpercent)),0,1)))-_Average)*(tan((45+44*_percent)/180*3.1459))+_Average),0,1)，其中c.r、c.b、c.g、c.a分別為圖像數(shù)據(jù)的RGBA通道，通過Clamp(float value,float min,float max)這個(gè)函數(shù)比較value值,如果在max、min這倆值之間就返回value，如果大于max返回max,小于min返回min，得到圖像的alpha通道值。

在步驟S102中，邊緣模塊接收摳像模塊處理好的摳像圖像數(shù)據(jù)，通過邊緣縮進(jìn)強(qiáng)度intensity、邊緣模糊度softness、邊緣分散度spread來控制摳像邊緣；邊緣模糊度softness用來控制模糊算法對(duì)整體圖像的模糊處理；邊緣分散度spread通過對(duì)模糊圖像進(jìn)行迭代重復(fù)計(jì)算，即重復(fù)模糊次數(shù)，每進(jìn)行一次迭代，模糊度擴(kuò)大1倍，且這樣增加spread分散度設(shè)置可得到更大的模糊度而不增加多余的計(jì)算量；邊緣縮進(jìn)強(qiáng)度intensity通過邊緣疊加次數(shù)控制邊緣縮進(jìn)強(qiáng)度，通過得到的模糊圖片進(jìn)行反相再減去原始沒有模糊的圖像則得到一個(gè)有模糊的邊緣，通過對(duì)此邊緣的疊加得到完整邊緣,再通過原始圖像減去邊緣圖像可去除黑邊。

在步驟S103中，顏色模塊計(jì)算圖像像素的綠色通道數(shù)值，如果大于紅色和藍(lán)色的平均值則此像素綠色通道的數(shù)值改為紅色和藍(lán)色的平均值，否則不變，最終達(dá)到去除綠色色彩溢出的效果。

本領(lǐng)域的普通技術(shù)人員可以意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的示例的步驟，能夠以計(jì)算機(jī)軟件來實(shí)現(xiàn)。