Blender脚本开发

简介: Blender脚本开发

Blender是一款开源的模型编辑工具,能够支持脚本语言的开发,对于批量的模型处理,借助脚本,能够减少手工的操作。
Blender的脚本使用python语言进行开发,使用python的API,同时能够调用Blender的API。

Blender的API地址:
https://docs.blender.org/api/2.80/
在Blender中使用脚本的步骤,先切换到脚本编辑界面:
image.png
中间空白区域,就是python脚本的编写位置,点击“模版”,可以查看一些提前预置的脚本。
image.png
以打开文件的模版为例,打开后,直接点击右侧“运行脚本”,可以看到打开了选择文件的窗口。
image.png
使用Blender的API,都需要import bpy,才能对模型文件进行操作。
一个简单的根据文件夹,选择其中的.dae格式模型,导出成.glb模型格式代码:

import  os

import bpy

#定义删除场景中的模型文件,实现导入一个删除一个

def remove_file():

    objs = bpy.data.objects

    for (k,v) in  objs.items():

        bpy.data.objects.remove(v)

data_path ="输入路径"

out_path="输出路径"

file_list = os.listdir(data_path)

remove_file()

#遍历其中的dae模型

dae_list = [item for item in file_list if item.endswith('.dae')]

for item in dae_list:

   dae_path =  os.path.join(data_path, item)

   #dae模型导入

   bpy.ops.wm.collada_import(filepath=dae_path)

   #glb模型导出

  out_dae_path = os.path.join(out_path, item.replace(".dae",'.glb'))

 bpy.ops.export_scene.gltf(export_format='GLB',filepath=out_dae_path)

   remove_file()

以上python语言格式显示不正常,请根据编辑器进行调整。
对于一些Blender的操作,在使用时,编辑器的左下方会显示对应的命令提示,可以直观了解一下API的使用。

image.png

相关文章
|
人工智能 vr&ar 图形学
ACM MM 2021 | 人脸可胖可瘦,浙大提出稳定连续的视频人脸参数化编辑
来自浙江大学计算机辅助设计与图形学国家重点实验室的研究者,提出了一个鲁棒且易于实现的基于视频序列的人脸胖瘦参数化方法。即使在侧脸、长发、戴眼镜及轻微遮挡等极端情况下,该方法依旧能够取得连续稳定的结果。
548 0
ACM MM 2021 | 人脸可胖可瘦,浙大提出稳定连续的视频人脸参数化编辑
|
异构计算 计算机视觉 测试技术
【YOLO系列】YOLOv6论文超详细解读(翻译 +学习笔记)
【YOLO系列】YOLOv6论文超详细解读(翻译 +学习笔记)
1730 0
【YOLO系列】YOLOv6论文超详细解读(翻译 +学习笔记)
|
10月前
|
SQL XML Java
springboot整合mybatis-plus及mybatis-plus分页插件的使用
这篇文章介绍了如何在Spring Boot项目中整合MyBatis-Plus及其分页插件,包括依赖引入、配置文件编写、SQL表创建、Mapper层、Service层、Controller层的创建,以及分页插件的使用和数据展示HTML页面的编写。
springboot整合mybatis-plus及mybatis-plus分页插件的使用
|
XML 域名解析 JSON
【RESTful】RESTful API 接口设计规范 | 示例
【RESTful】RESTful API 接口设计规范 | 示例
10823 0
【RESTful】RESTful API 接口设计规范 | 示例
|
图形学
Unity Shader Graph 制作Hologram全息效果
Unity Shader Graph 制作Hologram全息效果
417 0
Unity Shader Graph 制作Hologram全息效果
|
缓存 Ubuntu Linux
WSL2(4) Ubuntu中无法使用snap解决办法
WSL2(4) Ubuntu中无法使用snap解决办法
722 0
|
9月前
|
机器学习/深度学习 自然语言处理 计算机视觉
深度学习中的迁移学习技术
【10月更文挑战第11天】 本文探讨了深度学习中的迁移学习技术,并深入分析了其原理、应用场景及实现方法。通过实例解析,展示了迁移学习如何有效提升模型性能和开发效率。同时,文章也讨论了迁移学习面临的挑战及其未来发展方向。
|
存储 传感器 人工智能
2024年非结构化数据管理将以四种方式发生变化
2024年非结构化数据管理将以四种方式发生变化