D3D 扎带 小样本

简介:

D3D 符合基本程序

#pragma once

#pragma comment(lib,"d3d9.lib")
#pragma comment(lib,"d3dx9.lib")

#include<d3d9.h>
#include<d3dx9.h>

//TODO: -1 custom vertex
struct CUSTOMVERTEX
{
	float x;
	float y;
	float z;
	float rhw;
};

#define D3DFVF_CUSTOMVERTEX D3DFVF_XYZRHW

HRESULT InitD3D(HWND hWnd);
void CleanUp();
void Render();
LRESULT CALLBACK MsgProc(HWND hWnd,UINT msg,WPARAM wParam,LPARAM lParam);
HRESULT InitD3DVertexBuffer();

//TODO: 0 declare d3d variables.
LPDIRECT3D9 g_pd3d = NULL;
LPDIRECT3DDEVICE9 g_pd3dDevice9 = NULL;
LPDIRECT3DVERTEXBUFFER9 g_pd3dVB = NULL;

//application entry point.
INT WINAPI wWinMain(
	HINSTANCE,
	HINSTANCE,
	LPWSTR,
	INT)
{
	//initialize wnd class.
	WNDCLASSEX wcex;
	ZeroMemory(&wcex,sizeof(wcex));
	wcex.cbSize=sizeof(wcex);
	wcex.hInstance=GetModuleHandle(NULL);
	wcex.lpfnWndProc=MsgProc;
	wcex.lpszClassName=L"Self001";
	wcex.style=CS_CLASSDC;

	//register wnd class.
	RegisterClassEx(&wcex);

	//create window.
	HWND hWnd=CreateWindowEx(
		WS_EX_OVERLAPPEDWINDOW,
		L"Self001",
		L"Self001 Window",
		WS_OVERLAPPEDWINDOW,
		100,
		100,
		300,
		300,
		NULL,
		NULL,
		wcex.hInstance,
		NULL);

	//init d3d
	if(SUCCEEDED(InitD3D(hWnd)))
	{
		//show window.
		ShowWindow(hWnd,SW_SHOWDEFAULT);
		UpdateWindow(hWnd);

		//message loop.
		MSG msg;
		ZeroMemory(&msg,sizeof(msg));
		while(msg.message != WM_QUIT)
		{
			if(PeekMessage(&msg,hWnd,0,0,PM_REMOVE))
			{
				TranslateMessage(&msg);
				DispatchMessage(&msg);
			}
			else
			{
				Render();
			}
		}
	}

	//unregister wnd class.
	UnregisterClass(L"Self001",wcex.hInstance);

	return 0;
}

//init d3d.
HRESULT InitD3D(HWND hWnd)
{
	//create d3d.
	g_pd3d=Direct3DCreate9(D3D_SDK_VERSION);
	if(g_pd3d == NULL)
	{
		return E_FAIL;
	}

	//initialize d3d present parameters.
	D3DPRESENT_PARAMETERS d3dpp;
	ZeroMemory(&d3dpp,sizeof(d3dpp));
	d3dpp.Windowed=TRUE;
	d3dpp.SwapEffect=D3DSWAPEFFECT_DISCARD;
	d3dpp.BackBufferFormat=D3DFMT_UNKNOWN;

	//create d3d device.
	if(FAILED(g_pd3d->CreateDevice(
		D3DADAPTER_DEFAULT,
		D3DDEVTYPE_HAL,
		hWnd,
		D3DCREATE_SOFTWARE_VERTEXPROCESSING,
		&d3dpp,
		&g_pd3dDevice9)))
	{
		return E_FAIL;
	}

	//init vertex buffer.
	if(FAILED(InitD3DVertexBuffer()))
	{
		return E_FAIL;
	}

	return S_OK;
}

//clean up d3d.
void CleanUp()
{
	//TODO: 3 clean up d3d.
	if(g_pd3dVB != NULL)
	{
		g_pd3dVB->Release();
	}

	//release device.
	if(g_pd3dDevice9 != NULL)
	{
		g_pd3dDevice9->Release();
	}

	//release d3d.
	if(g_pd3d != NULL)
	{
		g_pd3d->Release();
	}
}

//render the scene.
void Render()
{
	//clear target.
	g_pd3dDevice9->Clear(
		0,
		NULL,
		D3DCLEAR_TARGET,
		D3DCOLOR_XRGB(0,0,0),
		1.0f,
		0);

	//draw primitive.
	if(SUCCEEDED(g_pd3dDevice9->BeginScene()))
	{
		//TODO: 2 render d3d.
		g_pd3dDevice9->SetStreamSource(0,g_pd3dVB,0,sizeof(CUSTOMVERTEX));
		g_pd3dDevice9->SetFVF(D3DFVF_CUSTOMVERTEX);
		g_pd3dDevice9->DrawPrimitive(D3DPT_LINESTRIP,0,3);

		g_pd3dDevice9->EndScene();
	}

	//present sence.
	g_pd3dDevice9->Present(NULL,NULL,NULL,NULL);
}

//window message handler.
LRESULT CALLBACK MsgProc(HWND hWnd,UINT msg,WPARAM wParam,LPARAM lParam)
{
	switch(msg)
	{
	case WM_DESTROY:
		CleanUp();
		return 0L;
	}

	return DefWindowProc(hWnd,msg,wParam,lParam);
}

//init d3d vertex buffer.
HRESULT InitD3DVertexBuffer()
{
	//TODO: 1 init vertex buffer data.
	//create vertex data.
	CUSTOMVERTEX vertices[4]=
	{
		{50.0f,50.0f,1.0f,1.0f},
		{50.0f,250.0f,1.0f,1.0f},
		{250.0f,50.0f,1.0f,1.0f},
		{250.0f,250.0f,1.0f,1.0f}
	};

	//create vertex buffer.
	if(FAILED(g_pd3dDevice9->CreateVertexBuffer(
		sizeof(vertices),
		0,
		D3DFVF_CUSTOMVERTEX,
		D3DPOOL_DEFAULT,
		&g_pd3dVB,
		NULL)))
	{
		return E_FAIL;
	}

	//fill vertex buffer.
	void* pVertices=NULL;
	if(FAILED(g_pd3dVB->Lock(0,sizeof(vertices),&pVertices,0)))
	{
		return E_FAIL;
	}

	memcpy(pVertices,vertices,sizeof(vertices));

	g_pd3dVB->Unlock();

	return S_OK;
}

程序结果

版权声明:本文博客原创文章,博客,未经同意,不得转载。







本文转自mfrbuaa博客园博客,原文链接:http://www.cnblogs.com/mfrbuaa/p/4724626.html,如需转载请自行联系原作者


相关文章
|
5月前
|
机器学习/深度学习 PyTorch 算法框架/工具
训练误差与泛化误差的说明
训练误差与泛化误差的说明
97 0
|
12月前
|
机器学习/深度学习 人工智能 测试技术
使用随机森林分类器对基于NDRE(归一化差异水体指数)的特征进行分类
使用随机森林分类器对基于NDRE(归一化差异水体指数)的特征进行分类
84 1
|
机器学习/深度学习 Linux vr&ar
ARIMA差分自回归移动平均模型
ARIMA是**差分自回归移动平均模型**的引文缩写,其中AR表示的是自回归模型,MA表示的是移动平均模型,I表示的是差分。一般写成ARIMA(p,d,q),p是自回归阶数,q是移动平均阶数,d表示差分的次数。
1228 0
ARIMA差分自回归移动平均模型
|
5月前
|
数据可视化 数据挖掘 计算机视觉
R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资
R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资
|
5月前
ARIMA、ARIMAX、 动态回归和OLS 回归预测多元时间序列
ARIMA、ARIMAX、 动态回归和OLS 回归预测多元时间序列
ARIMA、ARIMAX、 动态回归和OLS 回归预测多元时间序列
|
5月前
|
数据采集
R语言用线性模型进行臭氧预测: 加权泊松回归,普通最小二乘,加权负二项式模型,多重插补缺失值
R语言用线性模型进行臭氧预测: 加权泊松回归,普通最小二乘,加权负二项式模型,多重插补缺失值
|
5月前
|
机器学习/深度学习 数据采集 算法
乳腺癌预测:特征交叉+随机森林=成功公式?
乳腺癌预测:特征交叉+随机森林=成功公式?
59 0
乳腺癌预测:特征交叉+随机森林=成功公式?
|
机器学习/深度学习 存储 索引
用4种回归方法绘制预测结果图表:向量回归、随机森林回归、线性回归、K-最近邻回归
用4种回归方法绘制预测结果图表:向量回归、随机森林回归、线性回归、K-最近邻回归
150 0
特征选择:回归,二分类,多分类特征选择有这么多差异需要注意
特征选择:回归,二分类,多分类特征选择有这么多差异需要注意
139 0
|
机器学习/深度学习 算法 固态存储
目标检测误检与负样本问题
目标检测误检与负样本问题
325 0
下一篇
无影云桌面