Minetest中禁用着色器时星星颜色显示异常的修复分析
2025-05-20 19:29:07作者:宣聪麟
问题背景
在Minetest游戏引擎中,当玩家禁用着色器效果时,天空中的星星会显示出与启用着色器时不同的颜色。具体表现为:
- 启用着色器时:星星呈现较暗的色调(与天空混合后的效果)
- 禁用着色器时:星星显示API设置的原始颜色(忽略alpha通道)
技术原因
这个问题的根源在于Minetest的sky.cpp文件中星星渲染的实现方式:
-
硬件光照的使用:代码中使用了硬件光照来处理星星纹理(以及其他几种纹理),但这仅在GL驱动程序中实现,并且仅适用于无着色器的材质。
-
颜色处理差异:
- 启用着色器时:使用"stars_shader"着色器,星星颜色会与天空混合
- 禁用着色器时:直接使用API设置的颜色(忽略alpha通道),默认值为video::SColor(105, 235, 235, 255)
-
历史变更:这个问题实际上是在5.4.0版本中引入的(提交3077afc0a2039cd4c8d64d9df62ed9b2ba6463dc)。在5.0.1版本中测试显示,星星始终呈现较暗的颜色。
解决方案分析
开发团队提出了两种修复方案:
-
恢复旧版本实现:
- 优点:在真正的固定功能管线(OpenGL视频驱动)中,通过固定管线光照设置动态颜色,性能较好
- 缺点:在模拟固定功能管线(OpenGL3/OGLES2视频驱动)中,使用静态顶点颜色,虽然性能好但会导致颜色不正确(例如日出时星星应该淡出的效果无法实现)
-
新实现方案:
- 统一使用顶点颜色设置动态颜色
- 优点:在所有情况下都能正确显示颜色
- 缺点:性能可能略有下降
最终决策
经过讨论,团队决定采用新实现方案,原因如下:
- 正确性优先:确保在所有情况下都能正确显示星星颜色比优化无着色器路径的性能更重要
- 技术发展方向:移除对
Lighting = true的依赖是代码演进的正向选择 - 实际影响:现代硬件对顶点颜色处理的性能影响可以忽略不计
技术实现细节
修复方案主要包含以下修改:
-
根据是否启用着色器选择不同的材质类型:
- 启用着色器:使用"stars_shader"材质
- 禁用着色器:使用EMT_TRANSPARENT_ALPHA_CHANNEL材质
-
颜色设置逻辑调整:
- 启用着色器时:通过EmissiveColor设置颜色
- 禁用着色器时:通过setMeshBufferColor设置网格缓冲区颜色
-
顶点数据优化:
- 移除了硬编码的备用颜色
- 简化了顶点数据结构
这个修复确保了在不同渲染模式下星星颜色的一致性,同时保持了代码的简洁性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1