博客
关于我
unity2D灯光(助你的2D游戏提升一个档次)
阅读量:599 次
发布时间:2019-03-11

本文共 900 字,大约阅读时间需要 3 分钟。

Unity 2D灯光开发入门教程

如今,我在研究2D游戏开发过程中,意外发现了Unity 2019版本后新引入的2D灯光功能。这一更新极大地提升了我的开发体验,效果出色且灵活性强,我爱不释手。

初步体验

首先,在Package Manager中搜索"light"即可找到并安装这个插件。安装完成后,我需要在项目面板创建一个Pipeline Asset,命名为"2Dlight"。接着,在Edit - Project Settings - Graphics中将Scriptable Render Pipeline Settings设置为刚刚创建的Pipeline Asset。再次进入projects面板,创建一个2DRenderer,命名为"2DRenderer",并将"2DLight"中的参数设置为这个Renderer。

灯光配置

经过这些准备工作,我就可以开始添加2D灯光了。添加Sprite后,如果只看到黑暗屏幕,表明还没设置灯光源。

在Unity中,共有五种灯光类型,其中FreeForm Light尤其灵活,可以根据需求调整形状。通过合理设置灯光位置、角度和颜色,我可以非常自由地定制光影效果。

灵活性对比

为了帮助大家更好地理解,我做了一个简单的对比检验。我为同一场景创建了两个版本:一个使用默认灯光型,另一个选用了FreeForm Light。对比结果证明,FreeForm Light的表现更加柔和且自然。

控制方式

对于代码控制,2DLight和3DLight类似,都支持通过代码进行设置。可以使用using UnityEngine.Experimental.Rendering.LWRP;来引入必要的命名空间,然后在代码中灵活调节Light2D的各种属性。通过掌握代码控制,我们可以更深入地定制光影效果。

结语

如果你同样热爱Unity开发,欢迎关注我的技术博客。我会在这里持续更新我的学习经历,分享更多有趣的开发心得。

作为一名爱健身的准程序员,我深知生活与代码的关系。在充实的工作之余,记得多一些休息和放松,让生活充满生机与活力。祝您每天都充满好心情,迎接更多精彩的开发吧!

转载地址:http://psqtz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
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OpenCV实现模糊检测 / 自动对焦
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YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
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实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>