Godot引擎中非2次幂尺寸DDS纹理加载问题解析
2025-04-29 00:31:03作者:宣聪麟
在游戏开发中,DDS(DirectDraw Surface)是一种常见的纹理文件格式,因其支持硬件加速和多种压缩格式而被广泛使用。本文将深入分析Godot引擎在处理非2次幂尺寸(NPOT)且带有mipmap的DDS纹理时遇到的问题及其解决方案。
问题现象
当开发者尝试在Godot引擎中加载具有以下特征的DDS纹理时会出现加载失败:
- 使用RGBA8格式
- 包含mipmap层级
- 纹理尺寸为非2次幂(如120×120或512×384)
错误信息通常表现为预期的图像数据大小与实际大小不匹配,例如:
ERROR: Expected Image data size of 512x384x1 (DXT5 RGBA8 with 9 mipmaps) = 262192 bytes, got 262176 bytes instead.
技术背景
DDS格式由微软开发,支持多种压缩格式(如DXT1/DXT5/BC7等)和特性(如mipmap、立方体贴图等)。传统上,图形API要求纹理尺寸为2次幂,但现代API已放宽此限制。
Mipmap是纹理的缩小版本序列,用于提高渲染质量和性能。计算mipmap尺寸时,通常采用逐步除以2并向下取整的方式。
问题根源分析
Godot引擎中存在两处关键计算错误:
-
非压缩格式的mipmap尺寸计算错误 对于未压缩的RGBA8格式,Godot错误地使用了
(w + 1) >> 1的计算方式,这会导致奇数尺寸处理不正确。正确的做法应使用MAX(1u, w >> 1)。以120×120纹理为例:
- 错误计算会产生8×8、4×4、2×2的mipmap
- 正确计算应产生7×7、3×3、1×1的mipmap
-
压缩格式的块尺寸计算错误 对于DXT等压缩格式,Godot使用了不正确的块尺寸计算公式:
MAX(info.divisor, w) / info.divisor * MAX(info.divisor, h) / info.divisor * info.block_size;而根据微软DDS规范,正确公式应为:
MAX(1, (w + 3) / 4) * MAX(1, (h + 3) / 4) * info.block_size;这种差异在尺寸不被4整除时尤为明显,如8×6纹理:
- 错误计算得到48字节
- 正确计算应得到64字节
解决方案
Godot引擎已通过以下改进修复了这些问题:
- 统一了压缩和非压缩格式的mipmap尺寸计算逻辑,均采用
MAX(1u, w >> 1)方式 - 修正了压缩格式的块尺寸计算公式,遵循微软DDS规范
- 保留了对于非4整除尺寸的警告提示,但允许继续加载
开发者建议
虽然现代图形API支持NPOT纹理,但为了最佳兼容性和性能,建议:
- 尽量使用2次幂尺寸的纹理
- 若必须使用NPOT纹理,确保尺寸至少能被4整除(对于压缩格式)
- 测试纹理在所有目标平台上的表现
- 考虑使用工具预处理纹理,确保符合规范
总结
Godot引擎通过改进DDS加载器的核心算法,现在能够正确处理非2次幂尺寸且带有mipmap的DDS纹理。这一改进增强了引擎的兼容性,使开发者能够更灵活地使用各种来源的纹理资源。理解这些底层机制有助于开发者更好地处理纹理资源,避免潜在问题。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0130- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
722
4.64 K
Ascend Extension for PyTorch
Python
594
747
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
425
375
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
989
978
暂无简介
Dart
968
246
Oohos_react_native
React Native鸿蒙化仓库
C++
345
390
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
894
130
deepin linux kernel
C
29
16
昇腾LLM分布式训练框架
Python
159
188
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.65 K
965