گزینه ها

منو : Sidebar region ‣ Options

عملکرد : این پنل به شما کمک می کند تا عملکرد Compositor را تغییر دهید

Device : دستگاهی که برای کامپوزیت استفاده می شود

CPU: از CPU برای کامپوزیت استفاده کنید.

GPU: از GPU برای کامپوزیت استفاده کنید.

Precision :دقت نتیجه میانی کامپوزیتور

Auto: از دقت کامل برای رندرهای نهایی استفاده کنید، در غیر این صورت از دقت نصف استفاده کنید.

Full: از دقت کامل برای رندرهای نهایی و ویوپورت استفاده کنید.

Viewer Region : این اجازه می دهد تا یک منطقه مورد علاقه را برای پس زمینه تنظیم کنید. Ctrl-B را فشار دهید و یک ناحیه مستطیلی را در پیش نمایش انتخاب کنید که به پیش نمایش بعدی در پس زمینه تبدیل می شود. Ctrl-Alt-B منطقه را به یک پیش نمایش کامل نادیده می گیرد. این فقط یک گزینه پیش نمایش است، ترکیب نهایی در طول رندر این منطقه را نادیده می گیرد.

Auto Render : هنگامی که ویرایش‌های صحنه سه‌بعدی انجام می‌شود، لایه‌های تغییر یافته را دوباره رندر و ترکیب کنید.

GPU Compositor : کامپوزیتور جدید با شتاب GPU که در Blender 3.5 معرفی شده است و در حال حاضر برای ترکیب بندی viewport استفاده می شود.

داده ها :

ابعاد : گره های ترکیبی بر روی داده هایی کار می کنند که یک تصویر یا یک مقدار منفرد بدون بعد هستند. به عنوان مثال، گره Levels یک مقدار واحد را خروجی می دهد، در حالی که گره Render Layers یک تصویر را خروجی می دهد. ورودی‌های گره‌ای که انتظار یک مقدار واحد دارند، اگر تصویری داده شود، یک مقدار پیش‌فرض را در نظر می‌گیرند و تصویر را به‌طور کامل نادیده می‌گیرند، برای مثال، گره Transform مقادیر تکی را برای ورودی‌های خود انتظار دارد و اگر تصاویر به آن ورودی‌ها داده شود، مقادیر پیش‌فرض را در نظر می‌گیرد. مقادیر پیش‌فرض آن‌هایی هستند که هویت در نظر گرفته می‌شوند و بنابراین تأثیری بر خروجی ندارند، بنابراین برای گره Transform، ورودی‌های X، Y و Angle دارای مقدار پیش‌فرض صفر خواهند بود، در حالی که ورودی Scale مقدار پیش‌فرض آن برابر با صفر خواهد بود. یکی از طرف دیگر، اگر ورودی های گره ای که انتظار یک تصویر را دارند یک مقدار واحد داده شوند، فرض می شود که مقدار واحد کل فضای ترکیب را پوشش می دهد. به عنوان مثال، گره فیلتر انتظار دارد ورودی Factor خود یک تصویر باشد، اما اگر یک مقدار داده شود، برای همه پیکسل ها یکسان فرض می شود.

نوع : سه نوع داده وجود دارد که همگی در قالب های نیمه دقیق ذخیره می شوند:

Float : یک عدد ممیز شناور امضا شده داده های عدد صحیح نیز به صورت شناور ذخیره می شوند زیرا هیچ نوع عدد صحیحی وجود ندارد.


Vector : یک وکتور 4 بعدی در حالی که 4 بعدی است، بسته به گره ای که از آن استفاده می کند، می تواند تفسیرهای متفاوتی داشته باشد. می توان آن را به عنوان یک بردار دوبعدی با نادیده گرفتن دو جزء آخر در نظر گرفت، برای مثال، ورودی Vector گره Displace به عنوان یک بردار دو بعدی در نظر گرفته می شود. می توان آن را به عنوان یک بردار سه بعدی در نظر گرفت که آخرین مؤلفه نادیده گرفته می شود، برای مثال، ورودی Vector گره Seperate XYZ به عنوان یک بردار سه بعدی در نظر گرفته می شود. می توان آن را به عنوان دو بردار 2 بعدی متوالی در نظر گرفت. به عنوان مثال، سرعت عبور همانطور که توسط گره Vector Blur انتظار می رود، دارای سرعت دو بعدی قبلی در مولفه های X و Y بردار و سرعت 2 بعدی بعدی در مولفه های Z و W بردار است.

Color : یک وکتور 4 بعدی که قرمز، سبز، آبی و آلفای رنگ را ذخیره می کند. رنگ به صورت آزاد است و با فضای رنگی خاص یا مدل ذخیره سازی آلفا مطابقت ندارد، در عوض، گره های مناسب تنظیماتی برای کنترل نمایش خروجی خود خواهند داشت و گره هایی برای تبدیل بین نمایش های مختلف وجود دارند.

تبدیل ضمنی : در صورتی که به ورودی گره داده ای از نوع دیگری غیر از نوع خودش داده شود، تبدیل های ضمنی زیر انجام می شود

مثالی که تبدیل ضمنی بین یک نوع رنگ و یک نوع شناور را نشان می‌دهد، زیرا گره ریاضی انتظار ورودی‌های شناور را دارد.

Compositing Space :

دامنه تصویر : کامپوزیتور به گونه ای طراحی شده است که امکان ترکیب در یک فضای ترکیبی نامحدود را فراهم می کند. در نتیجه، تصاویر نه تنها با اندازه خود نشان داده می شوند، بلکه با تبدیل آنها در آن فضا نیز نمایش داده می شوند، دقیقاً مانند اجسام سه بعدی دارای دگرگونی هستند. تبدیل هویت تصویری را نشان می دهد که در مرکز قرار دارد. ناحیه مستطیلی که توسط یک تصویر در آن فضا اشغال شده است، همانطور که با تبدیل و اندازه آن مشخص شده است، Domain تصویر نامیده می شود. شکل زیر دامنه های دو تصویر نمونه را نشان می دهد.

دامنه های دو تصویر نمونه در فضای ترکیبی نشان داده شده است. یکی از تصاویر در مرکز فضا قرار دارد و دیگری کوچک شده و به گونه ای ترجمه شده است که در ربع سمت راست بالای فضا قرار دارد. توجه داشته باشید که هر دو تصویر دارای اندازه های مشابه در پیکسل هستند، اما اندازه ظاهری آنها متفاوت است.

تصاویر را می توان با استفاده از گره هایی مانند گره های Transform، Translate و Rotate تبدیل کرد

دامنه عملیات : گره های کامپوزیتور روی یک ناحیه مستطیلی مشخص از فضای ترکیبی به نام دامنه عملیاتی کار می کنند. گره ها فقط ناحیه ای از تصاویر ورودی را در نظر می گیرند که با دامنه عملیات همپوشانی دارند و بقیه تصاویر را نادیده می گیرند. اگر یک تصویر ورودی کاملاً با دامنه عملیات همپوشانی نداشته باشد، بقیه دامنه عملیات برای آن ورودی، بسته به نوع، یک مقدار صفر، یک بردار صفر یا یک رنگ صفر شفاف در نظر گرفته می‌شود. برای مثال، شکل زیر حالتی را نشان می‌دهد که در آن حوزه عملیاتی یک گره، ناحیه آبی بزرگ و حوزه تصویر ورودی، ناحیه کوچک قرمز است. در این حالت، تصویر ورودی کاملاً با دامنه عملیات همپوشانی ندارد، بنابراین بقیه قسمت آبی آن تصویر ورودی صفر در نظر گرفته می‌شود.



یک مورد مثال که در آن دامنه عملیات یک گره به رنگ آبی و دامنه یک تصویر ورودی به رنگ قرمز نشان داده شده است. از آنجایی که تصویر ورودی به طور کامل دامنه عملیات گره را پوشش نمی دهد، بقیه قسمت آبی آن تصویر ورودی صفر در نظر گرفته می شود 👆

تصویر قبلی نمایشی از یک مثال دنیای واقعی است که در آن فرد از گره Alpha Over برای پوشاندن یک لوگوی کوچک روی یک تصویر استفاده می کند، همانطور که در شکل زیر نشان داده شده است. در آن صورت، دامنه عملیات کل نمای درگاه را پوشش می دهد - همانطور که بعداً نشان داده خواهد شد، اما آرم فقط قسمت کوچکی از آن را پوشش می دهد، بنابراین بقیه قسمت یک رنگ شفاف صفر فرض می شود که برای این کار مناسب است.

یک مثال دنیای واقعی که در آن گره Alpha Over برای روی یک لوگوی کوچک روی یک تصویر استفاده می شود. لوگو فقط ناحیه کوچکی از دامنه عملیات را پوشش می دهد، که در این مورد کل نما است، بنابراین بقیه قسمت یک رنگ شفاف صفر فرض می شود. 👆

درون یابی : اگر یک تصویر ورودی به یک گره کاملاً با دامنه عملیات گره هماهنگ نباشد یا اندازه پیکسل های متفاوتی داشته باشد، گره معمولاً باید فرآیندی به نام درون یابی را انجام دهد که در آن تصویر ورودی در موقعیت های دقیق گره خوانده می شود. پیکسل های حوزه عملیات این را می توان با استفاده از روش های درون یابی مختلف، از جمله درون یابی نزدیکترین همسایه، دو خطی و دو مکعبی انجام داد. این روش های درون یابی در گالری ویکی پدیا زیر نشان داده شده است. گره‌های تبدیل مانند گره‌های Transform و Rotate دارای یک گزینه درون‌یابی برای تنظیم نحوه خواندن و درون‌یابی تصویر خروجی هستند.

توضیح عمیق مقایسه الگوریتم های مقیاس بندی تصویر (ویکی پدیا)👇

تعیین دامنه عملیات : این سوال باقی می ماند که گره ها چگونه دامنه عملیات خود را تعیین می کنند. انواع گره های مختلف می توانند مکانیسم های متفاوتی برای تعیین دامنه عملکرد خود داشته باشند. اما به طور کلی، در مورد مکانیسم تعیین دامنه عملیات، سه دسته از گره ها وجود دارد که هر کدام در یکی از بخش های زیر ارائه شده است :

گره های ورودی :

دامنه عملیات گره های ورودی مانند گره Image دامنه ای با تبدیل هویت و اندازه خروجی های آنها است، بنابراین برای گره Image، دامنه عملیات، دامنه ای خواهد بود که اندازه آن اندازه تصویر و تبدیل آن برابر است

گره های خروجی :

دامنه عملیات گره‌های خروجی مانند گره Viewer دامنه‌ای با تغییر هویت و اندازه خروجی نهایی ترکیب‌کننده است. برای ترکیب نمای، آن اندازه اندازه نمای و برای ترکیب رندر نهایی، آن اندازه اندازه رندر صحنه خواهد بود.

سایر گره ها : تمام گره‌های دیگر از مکانیسم زیر استفاده می‌کنند، مگر اینکه در صفحات مستند مربوطه به‌طور دیگری بیان شود. یکی از ورودی‌های گره‌ها به‌عنوان ورودی دامنه گره تعیین می‌شود و حوزه عملیاتی گره با دامنه ورودی تعیین‌شده یکسان است.