位移贴图和法线贴图的区别

简介: 位移贴图和法线贴图在原理、使用范围、精度和复杂度、生成方式以及存储方式等方面存在差异,开发者可以根据具体需求选择适合的贴图技术。

位移贴图和法线贴图都是用于增强模型表面细节和真实感的纹理贴图技术,但是它们之间也存在着差异。

1、什么是位移贴图

位移贴图:位移贴图通过在模型顶点上定义位移值来改变模型表面的形状。该贴图包含了每个像素的高度值信息,使得模型的细节能够更具深度感。位移贴图可以创建出凹凸不平的表面,使得模型看起来更加真实、立体。常见的位移贴图格式包括灰度图、RGB图或RGBA图,其中每个像素值表示对应的位移偏移量。

2、什么是法线贴图

法线贴图:法线贴图存储了每个像素点处表面法线的方向信息。与位移贴图不同,法线贴图并不改变模型的几何形状,而是通过修改模型表面法线的方向来模拟细节。因此,法线贴图可以以较低的多边形数目来实现更真实的表面效果。法线贴图通常使用RGB图像来表示法线方向,其中每个通道分别对应X、Y、Z轴上的法线分量。

3、位移贴图和法线贴图的应用

位移贴图和法线贴图都是常用的纹理贴图技术,被广泛应用于游戏开发、电影特效、建筑可视化等领域。

游戏开发:在游戏开发中,位移贴图和法线贴图可以用于增强模型的真实感和细节表现。例如,在低多边形的角色模型或场景中应用法线贴图可以让其看起来更加详细和逼真,同时不会增加过多的顶点数量和计算负担;而在高精度模型中使用位移贴图可以产生更高质量的凹凸细节效果。

电影特效:在电影特效制作中,位移贴图和法线贴图也被广泛应用于增强场景、角色模型的真实感和细节表现。例如,在渲染皮肤、服装、头发等细节时,使用法线贴图可以让角色模型看起来更加真实,同时不会影响渲染速度;而在渲染高精度模型时,使用位移贴图可以利用纹理贴图的优势,不会增加大量的几何信息。

建筑可视化:在建筑可视化领域,位移贴图和法线贴图也可以用于增强场景、建筑模型的真实感和细节表现。例如,在渲染石材、木材等材质时,使用法线贴图可以让材质看起来更加真实,同时减少几何数据的数量;而在渲染高精度模型时,使用位移贴图可以产生更高质量的细节效果,提升场景的真实感。

4、位移贴图和法线贴图的效果预览

大多数的模型都是使用专业的建模软件来设置模型贴图,到是在导出模型的时候,很有可能丢失材质贴图。另外这些工具都是一些专业的建模软件,使用起来有一定的门槛,对于普通的使用者来说是一个比较复杂的事情。这些软件使用前还要安装一些复杂的依赖环境,如果用户只想要为设置一个贴图,那么这些前期的准备工作都会使一部分用户望而却步。

那么有没有其他的工具可以替代这些专业的建模工具来为模型进行贴图呢?当然可以,GLTF 编辑器 就是一款基于web的在线贴图工具,通过这个工具用户只需在浏览器中打开工具简单设置几步就可以为模型设置精美的贴图。

下面我们使用来演示一些位移贴图和法线贴图在模型上的具体体现。首先使用 GLTF 编辑器 打开一个船的模型,这时候船身没有设置任何贴图,效果如下:

我们准备的材质贴图如下:

为船身设置位移贴图,如下:

正如上面的介绍所说,位移贴图对船身产生了一定的影响,船身有一些微小的凹凸。

接下来,我们用同样的材质设置发现贴图,如下图:

与位移贴图不同,法线贴图并不改变模型的几何形状,而是通过修改模型表面法线的方向来模拟细节,法线贴图可以以较低的多边形数目来实现更真实的表面效果,船身就像画了一些鸟的图案。

5、总结

从上述可以总结出:位移贴图通过在模型上定义位移值,改变模型的顶点位置来模拟几何细节。而法线贴图则是通过修改模型表面法线的方向来模拟高频细节。


原文链接:https://www.mvrlink.com/the-difference-between-displacement-map-and-normal-map/

目录
相关文章
|
2月前
|
人工智能 监控 API
Token Plan个人版功能介绍:三档套餐定价、Credits抵扣规则与Qwen3.8限时折扣实操教程
随着大模型应用从原型验证转向常态化开发,按量计费模式带来账单不可控、高频调用成本高昂、多模态工具单独扣费等痛点,大量独立开发者、小型创作团队亟需固定包月、统一计量、覆盖全模型的订阅方案。2026年7月,百炼正式推出Token Plan个人版订阅服务,面向独立AI从业者、编程开发者、智能体搭建爱好者提供标准化包月套餐,一套订阅覆盖文本、图像、视频多模态模型,内置联网检索、数据解析等Harness增强工具,原生兼容Cursor、OpenClaw、Hermes、Qoder等主流AI开发框架,依托统一Credits计量单位统一抵扣全部调用消耗,固定月费无隐形超额账单。同步上线2.4万亿参数Qwen3.
835 0
|
存储 数据采集 人工智能
以Trace为核心的根因分析概述
近期一直在学习和复现“根因分析”领域的相关文章,在这里跟大家一起分享下相关内容。这里不在赘述关于“可观测性”和“AIOps”的重要性和必要性,也不过多的陈述在“复杂系统”中进行快速根因诊断的必要性,直接进入到相关算法和系统设计部分。
2945 0
以Trace为核心的根因分析概述
|
存储 算法 数据可视化
python老司机必备-内存泄露分析优化
python老司机必备-内存泄露分析优化
2465 0
python老司机必备-内存泄露分析优化
【Echarts】封装几个酷炫(发光)图表
【Echarts】封装几个酷炫(发光)图表
【Echarts】封装几个酷炫(发光)图表
|
Arthas Prometheus Kubernetes
K8S pod内存告警分析
K8S pod内存告警分析
2387 0
|
7月前
|
数据采集 存储 人工智能
2026年OpenClaw+Playwright全能指南:阿里云+本地部署+动态网页爬取实战教程
在数据驱动的时代,“数据就在网页上却抓不下来”是无数从业者的痛点——尤其是面对MWC议程这类多Tab、懒加载的复杂单页应用(SPA),传统工具要么束手无策,要么需要复杂的脚本编写。2026年,OpenClaw凭借Playwright Skill实现革命性突破,无需手动写代码,仅用自然语言指令就能让AI自动模拟浏览器操作、渲染动态内容、提取结构化数据,彻底攻克复杂网页抓取难题。本文将详解**2026年阿里云OpenClaw超简单部署流程**与**本地私有化部署方案**,深度拆解Playwright Skill的核心用法与商用场景,附带完整代码命令与避坑指南,让零基础用户也能快速解锁“几乎能爬任意
3695 5
|
11月前
|
存储 机器学习/深度学习 算法
订单拆单合并处理接口设计与实现
本文介绍电商系统中订单拆单与合并接口的设计与实现,涵盖核心功能、RESTful API设计、Python伪代码示例及性能优化。通过规则驱动的拆分(如按仓库)和合并(如同地址聚合),提升配送效率,降低运营成本,适用于多仓储、高并发场景,助力开发者高效构建订单处理系统。(239字)
|
Kubernetes 网络协议 Linux
阿里云linux(Alibaba Cloud Linux) 系统安装docker的相关过程和优化配置参考
阿里云linux(Alibaba Cloud Linux) 系统安装docker的相关过程和优化配置参考 Alibaba Cloud Linux 3.x 对标 centos8 Alibaba Cloud Linux 2.x 对标 centos7
3982 0
|
开发框架 前端开发 JavaScript
ABP框架中一对多,多对多关系的处理以及功能界面的处理(2)
ABP框架中一对多,多对多关系的处理以及功能界面的处理(2)
|
存储 NoSQL 安全
8)详解 Redis 的配置文件以及数据持久化
8)详解 Redis 的配置文件以及数据持久化
693 0