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
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
Python可观测性工具实战:Logfire效能提升指南RPCS3模拟器终极优化指南:突破PS3游戏性能极限的实战方案Nali跨平台部署全攻略:从环境适配到性能调优为什么需要统一游戏库管理?Playnite开源工具的全方位解决方案如何通过Idify实现本地证件照制作:安全高效的浏览器端解决方案路由器多容器管理实战:用Docker Compose打造智能家居中枢Zettlr:一站式学术写作解决方案效率指南零基础精通GPT-SoVITS:开源语音合成与AI声音克隆实战指南颠覆直播互动体验:Bongo-Cat-Mver如何让你的键盘操作变成视觉盛宴如何用开源工具轻松制作游戏模组?Crowbar让创作不再有门槛
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (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
1.57 K
911
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
518
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
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
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
212