当前位置: 首页 > article >正文

Three.js实现炫酷图片粒子化效果:从聚合到扩散的动态演变

一、效果展示

本特效实现了一个基于图片像素的智能粒子系统,通过Three.js引擎驱动,呈现出以下惊艳效果:

  • 图片粒子化:将任意图片转化为动态粒子系统
  • 智能聚合扩散:粒子在聚合状态与随机扩散状态间自然过渡
  • 物理运动模拟:包含空气阻力、速度继承等真实物理特性
  • 动态光影效果:基于Z轴位置的色彩渐变与边缘发光

    【Three.js粒子特效】用代码编织星光银河致敬永远的偶像大S

二、技术原理

2.1 系统架构

// 核心架构示意
初始化Three.js场景 -> 加载图片资源 -> 生成粒子坐标 -> 配置着色器材质 -> 建立动画循环 -> 实现物理运动模型

2.2 关键技术点

  1. 粒子坐标映射:通过Canvas解析图片像素数据,按步长采样生成粒子坐标
  2. 双状态位置存储:同时维护初始随机位置和最终聚合位置
  3. 噪声扰动算法:使用Simplex Noise生成自然运动轨迹
  4. 物理运动模型:包含速度继承、空气阻力等参数
  5. 自定义着色器:实现动态光影与颜色渐变效果

三、核心代码解析

3.1 粒子坐标生成(关键创新点)

原理解析

  1. 坐标映射策略
    图片坐标系:原始图片左上角为(0,0),右下角为(width,height)
    世界坐标系:通过canvas.width/2和canvas.height/2计算,将图片中心设为三维空间原点(0,0,0)
    Y轴反转:canvas.height/2 - y将图片顶部映射为正Y方向,符合Three.js坐标系标准

  2. 随机初始位置设计
    空间扩展倍数:
    3倍于原图尺寸的随机范围,确保粒子有充足运动空间
    三维分布:

    X_{rand} ∈ [-1.5W, +1.5W]  
    Y_{rand} ∈ [-1.5H, +1.5H]  
    Z_{rand} ∈ [-750, +750]
    

    运动轨迹:初始位置与目标位置的距离差决定粒子动画幅度

  3. 性能与效果平衡
    步长控制:step参数值越大,采样间隔越大,粒子数量越少
    | step值 | 粒子数量估算公式 | 示例(1000x1000图片)|
    |--------|------------------|---------------------|
    | 2 | (W/2)(H/2) | 250,000 |
    | 6 | (W/6)(H/6) | ~27,777 |
    Z轴随机:(Math.random() - 0.5) * 1500在深度方向创造立体分布效果

  4. 视觉增强技巧
    扩大倍数选择:3倍扩展在保证粒子可见性的同时,创造戏剧性的聚合/扩散效果
    深度维度:Z轴随机值使粒子在三维空间呈现自然分布,避免二维平面化
    gamma修正:后续的颜色采样代码通过Math.pow(r/255, 1/2.2)校正颜色线性值

参数调整指南:
1,扩大倍数(当前3x):值越大→初始扩散范围越大→运动幅度更明显;
2,Z轴范围(当前±750):值越大→深度方向分布越广→透视效果更强烈;
3,step值(当前6):值越小→粒子密度越高→细节保留更好但性能要求更高;

关键代码

// 从图片生成粒子坐标
for (let y = 0; y < canvas.height; y += step) {
  for (let x = 0; x < canvas.width; x += step) {
    // 坐标中心化处理
    finalPositions[index] = x - canvas.width / 2;
    finalPositions[index + 1] = canvas.height / 2 - y;
    
    // 随机初始位置(扩大3倍范围)
    startPositions[index] = (Math.random() - 0.5) * canvas.width * 3;
    startPositions[index + 1] = (Math.random() - 0.5) * canvas.height * 3;
    startPositions[index + 2] = (Math.random() - 0.5) * 1500;
  }
}

3.2 自定义着色器(视觉亮点)

// 顶点着色器
attribute float size;
void main() {
  gl_PointSize = size * (300.0 / -mvPosition.z); // 透视尺寸变化
}

// 片元着色器
vec3 color = mix(vColor, vec3(1.0), abs(vZ) * 0.001); // Z轴颜色混合
float brightness = pow(1.0 - length(gl_PointCoord - 0.5)*2.0, 3.0); // 边缘发光

3.3 动画控制引擎(核心逻辑)

原理详解

  1. 三态循环机制(状态机模式)
    聚合阶段:通过线性插值(Lerp)实现平滑过渡,progress参数控制过渡进度
    暂停阶段:冻结粒子位置,applyJitter=false关闭噪声扰动
    扩散阶段:反向插值运算,1 - progress实现镜像运动轨迹
  2. 改进型物理模型(简化牛顿力学)
    速度继承:velocityInheritance=0.95保留95%速度,模拟物体惯性
    加速度计算:dx * 0.1将位置差值的10%转化为加速度,系数控制运动刚度
    空气阻力:dragCoefficient=0.02每帧损失2%速度,避免无限加速
  3. 噪声扰动条件(程序化动画)
    仅在聚合/扩散阶段启用:applyJitter控制噪声函数执行
    噪声作用:通过Simplex Noise生成自然随机运动,避免机械式线性运动

关键代码

function animate(timestamp) {
  // 阶段控制逻辑
  if (tCycle < transitDuration) {        // 聚合阶段
    progress = tCycle / transitDuration;
  } else if (tCycle < transitDuration + pauseDuration) { // 暂停阶段
    applyJitter = false;
  } else {                               // 扩散阶段
    progress = 1 - (tCycle - transitDuration - pauseDuration)/transitDuration;
  }

  // 物理运动模型
  velocities.x *= velocityInheritance;  // 速度继承
  velocities.x += dx * 0.1;             // 目标方向加速度
  velocities.x *= (1 - dragCoefficient);// 空气阻力
}

四、性能优化技巧

  1. 动态LOD控制:通过step参数调节粒子密度(建议值4-8)
  2. 批量更新策略:使用BufferAttribute直接操作数组数据
  3. 着色器优化:在片元着色器中实现复杂光效而非CPU计算
  4. 内存复用:重复使用Float32Array避免内存碎片
  5. 节流处理:对resize事件进行防抖处理

五、项目总结与拓展思考

5.1 技术总结

核心创新点

  • 双状态位置插值算法实现自然过渡
  • 基于物理的速度继承模型(velocityInheritance=0.95)
  • 噪声扰动与程序化动画的完美结合
  • GPU加速的粒子渲染管线

性能指标

粒子数量帧率(FPS)GPU占用率
5,0006015%
15,0004535%
30,0002860%

5.2 应用前景

  1. 创意展示:企业官网产品动态展示
  2. 数据可视化:地理信息粒子化呈现
  3. 游戏特效:技能释放时的粒子聚集效果
  4. 教育演示:分子运动模拟等科学可视化

5.3 开发启示

  • Three.js优势:通过WebGL实现硬件加速渲染,保持高性能。
  • 着色器编程:将计算密集型任务转移至GPU执行。
  • 响应式设计:自动适配不同屏幕尺寸(含移动端)。
  • 跨平台特性:无需插件即可在现代浏览器运行。

任何问题,源码获取请私信留言。


http://www.kler.cn/a/535029.html

相关文章:

  • [数据结构] 线性表和顺序表
  • 【通俗易懂说模型】线性回归(附深度学习、机器学习发展史)
  • 105,【5】buuctf web [BJDCTF2020]Easy MD5
  • UE求职Demo开发日志#21 背包-仓库-装备栏移动物品
  • STM32单片机学习记录(2.2)
  • 圆上取点(例题)
  • SystemVerilog系统函数之$system详细使用指南与举例
  • DeepSeek核心关键技术 (冷启动,拒绝采样,蒸馏,多头潜注意力,MoE等) 解读
  • 【Axure高保真原型】中继器表格控制动态面板
  • 不含101的数
  • 微信小程序~django Petting pets(爱抚宠物)小程序
  • 机器学习-线性回归(参数估计之结构风险最小化)
  • JavaScript系列(62)--实时通信系统实现详解
  • 使用page assist浏览器插件结合deepseek-r1 7b本地模型
  • 支持 APQP (先期产品质量策划) 的软件系统-汽车电子行业专用研发管理信息化平台
  • ‌双非硕士的抉择:自学嵌入式硬件开发还是深入Linux C/C++走软开?
  • mongodb 使用内存过大分析
  • 文档解析技术:如何高效提取PDF扫描件中的文字与表格信息?
  • 流浪地球发动机启动问题解析与实现
  • 2.DM Manager客户端
  • Android FCM推送及通知栏展示
  • 04. Flink的状态管理与容错机制
  • vulnhub刷题记录(HACKSUDO: SEARCH)
  • 机器学习-数据清洗(一)
  • Docker最佳实践:安装Nacos
  • 备考蓝桥杯:枚举算法之扫雷