쉐이더 조절로 이미지 흑백 만들기와 Lerp 함수의 기본

Shader "Custom/NewSurfaceShader" {
    Properties {
        _MainTex ("Albedo (RGB)", 2D) = "white" {}
    }
    SubShader {
        Tags { "RenderType"="Opaque" }
        
        CGPROGRAM
        #pragma surface surf Standard fullforwardshadows
 
        sampler2D _MainTex;
 
        struct Input {
            float2 uv_MainTex;
        };
 
        void surf (Input IN, inout SurfaceOutputStandard o) {
            fixed4 c = tex2D (_MainTex, IN.uv_MainTex);
            o.Albedo = c.rgb;
            o.Alpha = c.a;
        }
        ENDCG
    }
    FallBack "Diffuse"
}

쉐이더 조절로 이미지 흑백 만들기

        void surf (Input IN, inout SurfaceOutputStandard o) {

            fixed4 c = tex2D (_MainTex, IN.uv_MainTex);

            o.Albedo = (c.r + c.g + c.b)/3;

            o.Alpha = c.a;

위와 같이 계산하면 쉽게 이미지 흑백으로 만들 수 있음.

각 요소의 평균을 구한 결과와 동일하게 되어 한 자리 숫자로 나오게 됨.

기본적이고 간단한 그레이스케일 구현 방식이며 이외에도 몇 가지의 구현 알고리즘에 따르는 방식들이 존재함

예를 들어 RGB to YIQ 변환 매트릭스 방식을 이용한다면 다음과 같은 공식 사용 가능

Grayscale = 0.2989 * R + 0.5870 * G + 0.1140 * B

Lerp 함수

lerp는 Linear Interpolation의 약자, '선형보간'이라고 함

'직선적인 비율로 값이 변환되는 것'을 의미함

lerp 함수는 다음과 같이 사용되고, X, Y는 같은 단위여야 하고 s는 float이어야 함

lerp (X, Y, s)

일반화

일반적으로 두 지점 에서의 데이터 값이 각각 일 때,  사이의 임의의 지점 에서의 데이터 값 는 다음과 같이 계산할 수 있다.

단, 은 에서 까지의 거리, 는 에서 까지의 거리를 말한다.

만일 거리의 비를 합이 1이 되도록 정규화하면 () 위 식은 다음과 같이 단순화될 수 있다.

예시

예를 들어, 오른쪽 그림과 같이, 두 끝점 ${\displaystyle (x_{0},y_{0})}$와 ${\displaystyle (x_{1},y_{1})}$가 주어져 있을 때, 그 사이에 위치한 ${\displaystyle (x,y)}$의 값을 추정하기 위해 두 점 사이에 직선을 긋고 다음과 같은 비례식을 구성할 수 있다.

${\displaystyle {\frac {y-y_{0}}{x-x_{0}}}={\frac {y_{1}-y_{0}}{x_{1}-x_{0}}}}$

이 수식을 풀면, 어떤 주어진 값 ${\displaystyle x}$에 대한 ${\displaystyle y}$ 값을 다음과 같이 구할 수 있다.

${\displaystyle y=y_{0}+(y_{1}-y_{0}){\frac {x-x_{0}}{x_{1}-x_{0}}}}$

프로그래밍

선형 보간법은 다음과 같은 방법으로 프로그래밍을 할 수 있다.

// p1,p2를 d1:d2로 분할하는 p를 리턴한다. (단, d1+d2=1)
float lerp(float p1, float p2, float d1) {
  return (1-d1)*p1 + d1*p2;
}

p1, p2사이의 임의의 지점 p에서의 데이터값 f(p)는 다음과 같다.

${\displaystyle f(p)=d_{2}f(p_{1})+d_{1}f(p_{2})=f(d_{2}*p_{1})+f(d_{1}*p_{2})=f((1-d_{1})*p_{1}+d_{1}*p_{2})}$

따라서, ${\displaystyle f(p)=f(lerp(p1,p2,d1))}$

선형보간법 설명 출처 - https://ko.wikipedia.org/wiki/선형_보간법