图形渲染与 Shader / 系统课时
旧资产法线异常怎么批量定位
旧资产法线异常怎么批量定位
旧项目里法线问题常常同时存在:有的接缝明显,有的凹凸方向反了,有的只在远处发糊,还有的换个平台才出错。本篇把症状映射到可验证的原因,并用批量清单与脚本先分组,再决定修贴图、重烘还是改导入设置。
学习目标
- 根据可观察症状把异常快速归类到方向、压缩、切线或烘焙边界
- 建立“症状 → 检查项 → 处理动作”的固定诊断顺序
- 用脚本批量整理旧资产问题,减少逐个打开文件的无效排查
先按症状分组,不要直接重烘
批量排查的第一原则是先确认异常属于哪一层。若几十个资产都出现完全相同的绿色通道反向,问题更可能来自导入约定;若只有个别模型在 UV 岛边缘破裂,则更像是切线、硬边或烘焙匹配问题。

可以先用下面的诊断表确定第一检查点,而不是凭经验在多个软件之间来回切换。
| 症状 | 第一检查项 | 常见根因 | 优先处理 |
|---|---|---|---|
| 凹凸整体反向 | 绿色通道方向 | DirectX/OpenGL 约定不一致 | 统一 Y 方向或导入约定 |
| UV 岛或硬边接缝明显 | 切线、硬边、UV 拆分 | 烘焙与引擎切线不一致 | 统一切线空间后重验 |
| 近看正常、远看发糊 | 压缩、mip、分辨率 | 错误压缩或过早降级 | 修正导入设置 |
| 局部黑边、波纹、穿帮 | 笼子与射线 | 投射命中错误表面 | 调整 cage 后重烘 |
| 换平台才异常 | 平台纹理设置 | 平台覆盖参数不同 | 对比平台导入配置 |
建立从便宜检查到昂贵修复的顺序
诊断顺序应优先检查无需重烘的项目。先确认纹理是否被识别为法线、sRGB 是否关闭、平台压缩是否正确,再检查绿色通道方向。只有这些全局设置正常,才进入模型级切线、硬边和笼子排查。
当异常只发生在特定模型区域时,再比较低模法线、硬边和 UV 边界是否一致。对切线问题,最重要的是确认烘焙器和引擎使用兼容的切线基准;对投射问题,则检查 cage 是否包住低模并避免命中邻近高模表面。
用清单把旧资产自动分桶
先人工抽样给每个资产记录一个主要症状,再让脚本按诊断类别分桶。下面的 CSV 假设包含 asset 和 symptom 两列,例如 seam、inverted、blurred、projection。
片段示例:normal_audit.csv 的内容依赖你对旧资产的首轮人工观察。
asset,symptom
wall_a,seam
rock_b,inverted
floor_c,blurred
statue_d,projection下面的 Python 脚本读取清单并输出建议检查项。
import csv
from collections import defaultdict
rules = {
"seam": "check_tangent_and_hard_edges",
"inverted": "check_normal_y",
"blurred": "check_compression_and_mips",
"projection": "check_cage_and_ray_distance",
}
groups = defaultdict(list)
with open("normal_audit.csv", newline="", encoding="utf-8") as f:
for row in csv.DictReader(f):
action = rules.get(row["symptom"], "manual_review")
groups[action].append(row["asset"])
for action in sorted(groups):
assets = ", ".join(sorted(groups[action]))
print(f"{action}: {assets}")预期输出:
check_cage_and_ray_distance: statue_d
check_compression_and_mips: floor_c
check_normal_y: rock_b
check_tangent_and_hard_edges: wall_a这份结果的价值不是自动判断根因,而是把数百个资产按下一步操作分组。随后可以按类别批量修改导入设置,或只对确实需要的资产安排重烘。
修复后用对照样本验证
每一类问题先修一个代表资产,再在固定相机、固定灯光和相同材质参数下复测。方向问题应看到凹凸恢复一致;压缩问题应比较近景与远景细节;切线问题应重点观察接缝高光是否连续;投射问题则检查原先的黑边和穿帮区域。
不要把“看起来变好了”作为唯一通过条件。修复后还要确认没有引入新的平台差异,并记录最终采用的方向、切线和压缩规则。对旧资产做批量治理时,先分类、再小样本验证、最后扩大处理范围,通常比一次性全量重烘更安全,也更容易回滚。