• canvas中的碰撞检测笔记


    canvas中的碰撞检测笔记

    时间 2016-01-19 08:29:00  博客园精华区
    主题 Canvas

    用 canvas 做小游戏或者特效,碰撞检测是少不了的。本文将会涉及普通的碰撞检测,以及像素级的碰撞检测。(本文的碰撞检测均以 矩形 为例) 

    普通碰撞检测

    普通的矩形碰撞检测比较简单。即已知两个矩形的各顶点坐标,判断是否相交,如相交,则为碰撞。

    leetcode 有道题是给出两个矩形的坐标,求其相交面积( 223. Rectangle Area ), 代码 可以直接拿过来用,如果面积大于 0,则为碰撞。 

    如果只需判断是否相交或者相交面积,非常简单,可以参考 这里 。 

    为了程序的可扩展性,如果碰撞,最好还能求得相交矩形的坐标信息(为像素级碰撞检测作准备),完善后的检测代码如下:

    
    // 矩形一 top-left 坐标 (A, B), C 为 width, D 为 height
    // 矩形二 同上
    // 如果没有相交,返回 [0, 0, 0, 0]
    // 如果相交,假设相交矩形对角坐标 (x0, y0) (x1, y1) -- x1 > x0 & y1 > y0
    // return [x0, y0, x1, y1]
    function check(A, B, C, D, E, F, G, H) {
      // 转为对角线坐标
      C += A, D += B, G += E, H += F;
    
      // 没有相交
      if (C <= E || G <= A || D <= F || H <= B)
        return [0, 0, 0, 0];
    
      var tmpX, tmpY;
    
      if (E > A) {
       tmpX = G < C ? [E, G] : [E, C];
      } else {
       tmpX = C < G ? [A, C] : [A, G];
      }
    
      if (F > B) {
       tmpY = H < D ? [F, H] : [F, D];
      } else {
       tmpY = D < H ? [B, D] : [B, H];
      }
    
      return [tmpX[0], tmpY[0], tmpX[1], tmpY[1]];
    }
    
    // 相交矩形坐标信息
    var rect = check(fish.pos.x, fish.pos.y, fish.size.x, fish.size.y, 
      cat.pos.x, cat.pos.y, cat.size.x, cat.size.y);
    
    // 相交面积大于 0 即为碰撞
    var isHit = (rect[2] - rect[0]) * (rect[3] - rect[1]) > 0;
    

    像素级碰撞检测

    为什么要有像素级检测?一图以蔽之。

    canvas中的碰撞检测笔记

    一般游戏或者动画中的精灵都是矩形,仅仅判断矩形相交是不准确的,比如上图中,图片所在矩形已经相交,但是精灵其实并没有碰撞,所以我们需要进行像素级别的碰撞检测。

    方法一:

    同时检测两图在相交矩形内的像素,若存在一点在两个图上的 alpha 值不为 0,则发生碰撞。

    因为还要对原始的图像(fish 图和 cat 图)分别提取像素点(进行判断),所以需要一个离屏的 canvas 。这里用了 canvas 的 getImageData 方法提取像素点 rgba 信息。 

    
    // a, b 为精灵对象
    // a, b 分别拥有键值 img(精灵图像 DOM元素), pos(精灵瞬间位置 top-left 坐标), size(wdith, height 数据)
    // rect 参数为 check() 函数返回值
    function checkInDetail(a, b, rect) {
      // 离屏 canvas
      var canvas = document.createElement_x('canvas');
      _ctx = canvas.getContext('2d');
    
      _ctx.drawImage(a.img, 0, 0, a.size.x, a.size.y);
      // 相对位置
      var data1 = _ctx.getImageData(rect[0] - a.pos.x, rect[1] - a.pos.y, rect[2] - rect[0], rect[3] - rect[1]).data;
    
      _ctx.clearRect(0, 0, b.size.x, b.size.y);
      _ctx.drawImage(b.img, 0, 0, b.size.x, b.size.y);
      var data2 = _ctx.getImageData(rect[0] - b.pos.x, rect[1] - b.pos.y, rect[2] - rect[0], rect[3] - rect[1]).data;
    
      canvas = null;
    
      for(var i = 3; i < data1.length; i += 4) {
        if(data1[i] > 0 && data2[i] > 0) 
          return true; // 碰撞
      }
    
      return false;
    }
    
    // 精灵对象实例
    var fish = {
      img: document.getElementById('fish')
      , pos: new Vector2()
      , size: new Vector2()
    
      // ...
    };
    

    方法二:

    先画一张图,然后将混合模式改为source-in,这时再画图, 新图片会仅仅出现与原有内容重叠的地方 ,其他地方透明度变为 0,这时就可以通过判断是否所有像素都透明来判断碰撞了。 

    
    // a, b 为精灵对象
    // a, b 分别拥有键值 img(精灵图像 DOM元素), pos(精灵瞬间位置 top-left 坐标), size(wdith, height 数据)
    // rect 参数为 check() 函数返回值
    function _checkInDetail(a, b, rect) {
      // 离屏 canvas
      var canvas = document.createElement_x('canvas');
      _ctx = canvas.getContext('2d');
    
      // 将 (0, 0) 作为基准点,将 a 放入 (0, 0) 位置
      _ctx.drawImage(a.img, 0, 0, a.size.x, a.size.y);
      _ctx.globalCompositeOperation = 'source-in';
      _ctx.drawImage(b.img, b.pos.x - a.pos.x, b.pos.y - a.pos.y, b.size.x, b.size.y);
    
      var data = _ctx.getImageData(rect[0] - a.pos.x, rect[1] - a.pos.y, rect[2] - rect[0], rect[3] - rect[1]).data;
    
      canvas = null;
    
      // 改回来(虽然并没有什么卵用)
      _ctx.globalCompositeOperation = 'source-over';
        
      for(var i = 3; i < data.length; i += 4) { 
        if (data[i]) 
          return true;  // 碰撞
      }
    
      return false;
    }
    

    我测试了几次,把相交的像素点都取了出来求得相交像素点总数,两种方法有时会相差一两个像素点。对于像素级碰撞检测来说,两种方法任取其一就可。

  • 相关阅读:
    python-判断
    python-文件读写
    python-数据类型
    python简介
    Charles--简单使用
    【模拟赛】BYVoid魔兽世界模拟赛 解题报告
    【最短路】埃雷萨拉斯寻宝(eldrethalas) 解题报告
    【递推】地铁重组(subway) 解题报告
    【背包型动态规划】灵魂分流药剂(soultap) 解题报告
    【最短路】血色先锋军(scarlet) 解题报告
  • 原文地址:https://www.cnblogs.com/jinhengyu/p/7516894.html
Copyright © 2020-2023  润新知