UE4/5Niagara粒子特效学习(使用UE5.1,适合新手)

目录

创建空模板

创建粒子

粒子的基础属性

粒子的生命周期

颜色

 大小设置

生成的位置

Skeletal Mesh Location的效果:

Shape Location

添加速度

添加Noise力场

在生成中添加:

效果:

 ​编辑

在更新中添加:

效果:

控制粒子过程的大小

  控制粒子过程的颜色

 添加风的立场

结束


笔者这里使用的是UE5.1

理论很多,但如果只看理论,就无法去学会,所以迈开第一步很重要:

创建空模板

首先我们创建一个空的Niagara系统。

 

 

进来之后就发现就一个蓝色的板块,暂时我们不需要管它。

 创建一个新的发射器,同样是要空的:

 

创建粒子

添加之后,发现场景中仍然没有粒子,这是正常的,因为我们并没有对发射器进行添加。所以在发射器更新那里, 添加Spawn Rate,并设置生成的数量:

 

 

可以看见我们就有了粒子出现了:

 

粒子的基础属性

找到系统给我们默认生成的这个 Initialize Particle,里面是粒子生成的一些基础属性:

很多都写着Unset,这是没有进行设置的意思,所以我们可以对其进行设置:

粒子的生命周期

粒子的生命长短,顾名思义是你指定还是进行随机

指定一个生命周期就是一个固定值,比如2【单位是秒】就是2秒。

随机的话会给你一个最大值和最小值,你进行设置,比如最小是1,最大是5,则生成的粒子的生命周期就是在1s至5s之间。

 

颜色

可以看到里面有对Unset(未设置),Direct Set(直接设置),Random Range(随机范围),Random Hue/Saturation/Value(随机的色相/饱和度/值)

 意思顾名思义,所以你可以选择一个自己喜欢的颜色去进行设置。

这里笔者就选择Direct Set,直接对颜色进行一个设置:

 

 大小设置

粒子的大小打开可以看到有五种:

Unset【未设置】,Uniform【统一的】,Random Uniform【随机均匀】,Non-Uniform【不均匀】,Random Non-Uniform【随机不均匀】

具体的作用顾名思义,各位可以试试:

 

这里的话笔者就指定Unifotm,做一个固定的值10,可以看到变小了很多:

 

 

生成的位置

现在我们生成的粒子都集中在中心点,那么我们想要它形成为一种形状,所以我们可以在粒子生成的地方进行一个添加,我们找到Location里面:

 各位可以测试一下里面不同的Location,里面的效果也是十分的有趣的:

比如

Skeletal Mesh Location的效果:

可以看到隐隐约约有人形,如果我们生成的粒子多一点呢:

 

Shape Location

 

 这里我们使用Shape Location,因为里面有一些常用的形状合集。

可以自己选择想要的生成范围:

 这里笔者选择的是Box:

甚至在这里,可以发现它会问你,要的是Box【盒体】范围生成,还是Plane【平面】范围生成。

这里的范围自然可以自己去调整。

添加速度

我们可以添加一个速度,让粒子向上飘:

 添加之后会发现出现了报错:

它需要的是依赖性模块,SolveForcesAndVelocity:

 这个模块的名字其实已经写的很明白了:解算力和速度。

添加即可:

在z轴添加一个正向的50速度。 

可以看见现在的粒子是一种向上飘的状态: 

 

添加Noise力场

现在虽然粒子会向上飘,但是我们希望它在向上飘的过程中,可以有一种相对混乱的状态,所以我们可以对立场进行添加:

【为什么我们在粒子更新里面进行添加,而不是在粒子生成里面呢?】

【原因也很简单,因为粒子是在生成的时候会调用这个立场,而在更新中会持续的进行一个调用,就和蓝图中的begin和tick一样的原理。】

在生成中添加:

在生成中添加这个立场,那么会发生什么呢?

添加立场之后发生报错,缺少依赖,添加以后,再写下数值300,500:

效果:

可以发现,他们的飞向目标已经乱七八糟了: 

 

在更新中添加:

可以看到里面有很多的力场:

不过我们使用的是Cur Noise Force,这个立场是:添加到瞬态。使用旋度噪声场的力。在默认情况下,采样一个中等分辨率的烤平铺旋度噪声场,可以选择直接采样一个单纯形衍生的旋度函数,但会增加成本。 

效果:

写下数值300,500:

可以发现现在的粒子在向上的过程中产生了混乱的效果。 

控制粒子过程的大小

粒子的大小,我们在上面就已经知道可以在开始的时候设置为固定或者随机。

而现在我们想要粒子可以在向上移动的过程中改变粒子的大小应该怎么做呢?

可以看见有对Mesh和对粒子的大小的控制,我们不选择跟随速度变换大小,而是Scale Sprite Size

可以看到默认就给了一个均匀的曲线控制:

 

 这种情况下,我们自然也是可以进行修改的:

一样是四种方式,大家可以都测试一下方法,我们现在就需要这个默认的即可。 

我们有两个地方去调节这个曲线,一个是右边,一个是曲线窗口,而曲面窗口这里会告诉你,你选择的曲线是哪个发射器里面的哪个模块内部的哪个曲线

曲线中添加方式有两种,右键添加与中键。

 

调整的时候可以选择对其,或者自己去输入参数:

 

 

 具体的效果可以自己去进行调节。

  控制粒子过程的颜色

流程和之前一样,我们选择Scale Color:

 选择之后,我的Scale Color在解算器的下面,我们将其拉到上面。

原因很简单,发射器的执行都是从上到下的,就和蓝图是从左到右一样。

我们的颜色要放到上面,否则可能导致结果不符合预期

同样是3个选择,我们选择第二个,一起进行调节:

 

然后将固定的这个值给位曲线的方式:

 

使用的方法和ps中一样,点击选择之后再点击一次即可,上面选择颜色,下面选择透明度。

按没有的地方则生成一个标。

 

 

 

 添加风的立场

添加之后会发现不知道为什么,仍然没有产生效果,哪怕将参数调的很大也是一样,这是因为我们没有添加重力,所以还需要添加一个重力:

修改参数:

结束

重力自己决定是否修改,然后可以看到效果已经有了。 

 

 

第一个粒子特效便完成了,当然如果想要在这个Niagara里面添加更多的特效,只需要添加发射器即可:

然后不论是做烟雾或者其他的效果都是如此。

 

 

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/102248.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基础论文学习(1)——ViT

Vision Transformer(ViT) 模型架构是在 ICLR 2021 上作为会议论文发表的一篇研究论文中介绍的,题为“An Image is Worth 16*16 Words: Transformers for Image Recognition at Scale”。它由Neil Houlsby,Alexey Dosovitskiy和Goo…

常用获取威胁情报数据+信息溯源的平台

获取威胁情报数据 奇安信威胁分析平台深信服威胁情报中心360安全大脑腾讯哈勃分析系统绿盟威胁情报中心安全星图平台安天威胁情报中心VenusEye威胁情报中心VirustotalIBM X-Force威胁情报ThreatBookAlienVaultVirusScan多引擎在线扫描RiskIQThreatMiner 需要注意的是&#xff0…

php 系列题目,包含查看后端源代码

一、弱类型比较问题 原则: 1.字符串和数字比较,字符串回被转换成数字。 "admin" 0(true) admin被转换成数字,由于admin是字符串,转换失败,变成0 int(admin)0,所以比较结果是ture 2.混合字符串转…

【轴承故障诊断】用于轴承故障诊断的集中时频分析研究(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭&a…

Go语言基础之函数

函数 Go语言中支持函数、匿名函数和闭包,并且函数在Go语言中属于“一等公民”。 函数定义 Go语言中定义函数使用func关键字,具体格式如下: func 函数名(参数)(返回值){函数体 }其中: 函数名:由字母、数字、下划线…

借助frp的xtcp+danted代理打通两边局域网p2p方式访问

最终效果 实现C内网所有设备借助c1内网代理访问B内网所有服务器 配置公网服务端A frps 配置frps.ini [common] # 绑定frp穿透使用的端口 bind_port 7000 # 使用token认证 authentication_method token token xxxx./frps -c frps.ini启动 配置service自启(可选) /etc/…

分布式核心知识以及常见微服务框架

分布式中的远程调用 在微服务架构中,通常存在多个服务之间的远程调用的需求。远程调用通常包含两个部分:序列化和通信协议。常见的序列化协议包括json、xml、 hession、 protobuf、thrift、text、 bytes等,目前主流的远程调用技术有基于HTTP…

C#小轮子:MiniExcel,快速操作Excel

文章目录 前言环境安装功能测试普通读写读新建Excel表格完全一致测试:成功大小写测试:严格大小写别名读测试:成功 写普通写别名写内容追加更新模板写 其它功能xlsx和CSV互转 前言 Excel的操作是我们最常用的操作,Excel相当于一个…

Unity 之NavMeshAgent 组件(导航和路径寻找的组件)

文章目录 **作用**:**属性和方法**:**用途**:**注意事项**: NavMeshAgent 是Unity引擎中用于导航和路径寻找的组件。它可以使游戏对象在场景中自动找到可行走的路径,并在避免障碍物的情况下移动到目标位置。 以下是关于…

从零玩转系列之微信支付实战PC端装修我的订单页面 | 技术创作特训营第一期

一、前言 欢迎来到本期的博客!本篇文章是 PC 端的结尾了,前面经历过九个章节到本章节刚刚好十章节感谢观看我的文章,那么接下来我们将要编写的是我的订单页面. GGBOM! 本篇完毕后将是 UniApp 的篇章感受移动端的诱惑 💗 本次为前端知识点如果不懂前段可以…

信号波形解读

can波形解读 实际波形 标准帧 发送数据 仲裁段 0x1AA 数据长度为8字节 内容为:0x41, 0x20, 0x38, 0x41, 0x00, 0x16, 0x00, 0x00 波特率 111K

关于stm32推挽带有上下拉电阻的思考、IO口驱动能力是什么

1、发现推挽带有上下拉电阻 1.1、stm32手册 记忆中推挽是不需要上下拉的,没关注过,但是我真的理解上下拉吗,下图来自stm32f4的中文版和英文版的数据手册,没有翻译错,就是“推挽带有上下拉的能力”。 1.2、查找相关信…

基于决策树(Decision Tree)的乳腺癌诊断

决策树(DecisionTree)学习是以实例为基础的归纳学习算法。算法从--组无序、无规则的事例中推理出决策树表示形式的分类规则,决策树也能表示为多个If-Then规则。一般在决策树中采用“自顶向下、分而治之”的递归方式,将搜索空间分为若千个互不相交的子集,在决策树的内部节点(非叶…

DDD 架构分层,MQ消息要放到那一层处理?

作者:小傅哥 博客:https://bugstack.cn 沉淀、分享、成长,让自己和他人都能有所收获!😄 本文的宗旨在于通过简单干净实践的方式教会读者,使用 Docker 配置 RocketMQ 并在基于 DDD 分层结构的 SpringBoot 工…

【Java 动态数据统计图】动态数据统计思路案例(动态,排序,数组)一(112)

需求&#xff1a;&#xff1a; 有一个List<Map<String.Object>>,存储了某年某月的数据&#xff0c; 数据是根据用户查询条件进行显示的&#xff1b;所以查询的数据是动态的&#xff1b;需按月份统计每个年月数据出现的次数&#xff0c;并且按照月份排序&#xff1…

unity 之 Input.GetMouseButtonDown 的使用

文章目录 Input.GetMouseButtonDown Input.GetMouseButtonDown 当涉及到处理鼠标输入的时候&#xff0c;Input.GetMouseButtonDown 是一个常用的函数。它可以用来检测鼠标按键是否在特定帧被按下。下面我会详细介绍这个函数&#xff0c;并举两个例子说明如何使用它。 函数签名…

AI在日常生活中的应用:从语音助手到自动驾驶

文章目录 AI的定义和发展AI在日常生活中的应用1. **智能语音助手**2. **智能家居**3. **智能医疗**4. **自动驾驶** 代码示例&#xff1a;使用Python实现基于机器学习的图片分类AI的未来前景结论 &#x1f389;欢迎来到AIGC人工智能专栏~探索AI在日常生活中的应用 ☆* o(≧▽≦…

Python Opencv实践 - 直方图显示

import cv2 as cv import numpy as np import matplotlib.pyplot as pltimg cv.imread("../SampleImages/pomeranian.png", cv.IMREAD_COLOR) print(img.shape)#图像直方图计算 #cv.calcHist(images, channels, mask, histSize, ranges, hist, accumulate) #images&…

深度学习|CNN卷积神经网络

CNN卷积神经网络 解决的问题人类的视觉原理原理卷积层——提取特征池化层——数据降维全连接层——输出结果 应用图像处理自然语言处理 解决的问题 在CNN没有出现前&#xff0c;图像对人工智能来说非常难处理。 主要原因&#xff1a; 图像要处理的数据量太大了。图像由像素组…

Docker数据管理

目录 一、数据卷 二、数据卷容器 三、容器互联 管理 Docker容器中数据主要有两种方式&#xff1a; 数据卷&#xff08;Data Volumes&#xff09;数据卷容器&#xff08;DataVolumes Containers&#xff09; 一、数据卷 数据卷是一个供容器使用的特殊目录&#xff0c;位于容…