unity学习54:图片+精灵+遮罩mask,旧版文本 text 和新的TMP文本
目录
1 图片 image
1.1 如果直接导入image
1.2 图片 image 和精灵 sprite
1.2.1 继续修改上面的格式 texture type 是default
1.2.2 再次关联到UI的 image 物体上就可以了
1.3 图片和遮罩 mask
1.3.1 创建1个父物体和1个子物体,分别都是image
1.3.2 如果父物体增加一个 mask的component
1.3.3 那什么是UI里所说的遮罩 mask ? 补集
2 text:新旧2种文本
2.1 区别
2.2 下面新建2种 text进行测试
3 旧版文本: legacy - text
3.1 文本的属性
3.2 文本的默认
3.3 支持富文本
3.4 支持溢出 和截断处理
3.5 best fit 时,文本框大小不变,自动修改字体的大小保证全部显示
3.6 color
3.7 raycast
4 新版文本: text TMP/TextMesh Pro
4.1 创建后,需要import这个TMP包
4.2 新版 tmp-text 的属性
4.3 设置文本的各种类型
4.4 字体 font 相关
4.5 color 且有渐变色
4.6 间隔设置等
4.7 对齐 alignment 和 overflow 溢出处理
5 内容适应器: content size fitter
(根据文字内容,动态调整文本框的大小,和前面不同)
1 图片 image
- UI的基础就是图片
- 可以把canvas , panel 都看成图片
- 尤其是panel面板是自带 image这个componet的,本身就是一个用图片改的容器
1.1 如果直接导入image
- 我从网上直接down一个图下来,png的
- 可以直接拖到project里
- 可以看到 texture type 是default

- 会发现如果往UI里新建的image对象的 源图像里拖入
- 无法拖入
- 这是为什么? 因为 这个源图像,格式不对

1.2 图片 image 和精灵 sprite
- 图片导入unity后,有很多种格式
- 一般来说, image 都是默认格式
- 但是如果需要在2D 或者 UI下使用,必须先把图片类型修改为 sprite才可以
1.2.1 继续修改上面的格式 texture type 是default
- 继续修改上面的格式 texture type 是 sprite

1.2.2 再次关联到UI的 image 物体上就可以了


1.3 图片和遮罩 mask
1.3.1 创建1个父物体和1个子物体,分别都是image
- 创建1个父物体和1个子物体,分别都是image
- 可以发现子物体,可以显示超过父物体,显示在外面

1.3.2 如果父物体增加一个 mask的component
如果父物体增加一个 mask的component

1.3.3 那什么是UI里所说的遮罩 mask ? 补集
- 我理解,就是除了这个 图片,外面所有的地方都是遮罩
- 也就是,灰色的区域
- 灰色区域:一个挖了一个洞的整个图都是mask
- 从数学的概念理解: 就是imageA的 补集 = 全集合 - imageA

2 text:新旧2种文本
2.1 区别
- 虽然是2套
- 每套里,包含4个: 文本,按钮,下拉框,输入框。每套里,实际是只有文本不同
- 比如,新版TMP的按钮,只是button上的文本用的新版的text-tmp 其他都一样
- 第1套: 文本,按钮,下拉框,输入框
- 第2套 TMP: TMP文本,TMP按钮,TMP下拉框,TMP输入框

2.2 下面新建2种 text进行测试

3 旧版文本: legacy - text
3.1 文本的属性


3.2 文本的默认
- legacy - text
- 默认是黑色,而且字体很小,要注意。。。。
3.3 支持富文本
- 富文本的语法,类html那种


3.4 支持溢出 和截断处理
对比下效果很明显


3.5 best fit 时,文本框大小不变,自动修改字体的大小保证全部显示
- best fit 时,文本框大小不变,自动修改字体的大小保证全部显示
- 但是字体的大小范围还是有限制



3.6 color

3.7 raycast
如果不勾选,则无法被点击操作等选中
4 新版文本: text TMP/TextMesh Pro
4.1 创建后,需要import这个TMP包


4.2 新版 tmp-text 的属性

4.3 设置文本的各种类型

4.4 字体 font 相关
很多内容
字体库,材质,模式。大小等等

4.5 color 且有渐变色

4.6 间隔设置等
各种间隔设置
- 字符之间的
- 词语之间的
- 行之间的
- 段落之间的

4.7 对齐 alignment 和 overflow 溢出处理

5 内容适应器: content size fitter
(根据文字内容,动态调整文本框的大小,和前面不同)
一个文本框显示效果

可以动态根据文字内容,实时动态的修改文本框的大小,去适应文字内容




这样就会自动根据文字内容,调整文本框大小了
相关文章:
unity学习54:图片+精灵+遮罩mask,旧版文本 text 和新的TMP文本
目录 1 图片 image 1.1 如果直接导入image 1.2 图片 image 和精灵 sprite 1.2.1 继续修改上面的格式 texture type 是default 1.2.2 再次关联到UI的 image 物体上就可以了 1.3 图片和遮罩 mask 1.3.1 创建1个父物体和1个子物体,分别都是image 1.3.2 如果父…...
2024年国赛高教杯数学建模D题反潜航空深弹命中概率问题解题全过程文档及程序
2024年国赛高教杯数学建模 D题 反潜航空深弹命中概率问题 原题再现 应用深水炸弹(简称深弹)反潜,曾是二战时期反潜的重要手段,而随着现代军事技术的发展,鱼雷已成为现代反潜作战的主要武器。但是,在海峡或…...
什么是数字人
什么是数字人 Ultralight-Digital-Human 是一个能在移动设备上实时运行的数字人模型仓库,可能是第一个开源的如此轻量级的数字人模型。 主要特点 轻量级:能够在移动设备上实时运行。开源:代码和模型公开,方便开发者使用和改进。文件结构 根目录: README.md:项目的说明文…...
15.5 基于 RetrievalQA 的销售话术增强系统实战:构建智能销售大脑
基于 RetrievalQA 的销售话术增强系统实战:构建智能销售大脑 关键词:RetrievalQA 应用实战、销售知识增强、语义检索优化、上下文感知问答、多源知识融合 1. RetrievalQA 技术原理与销售场景适配 1.1 RetrievalQA 核心工作机制 #mermaid-svg-VL2yIusgl4oprXUr {font-family…...
软件供应链安全工具链研究系列—RASP自适应威胁免疫平台(下篇)
在“软件供应链安全工具链研究系列—RASP自适应威胁免疫平台-上篇”中我们提到了RASP工具的基本能力、原理以及工具的应用场景,了解到了RASP工具在各场景下发挥的价值。那么在当今高强度攻防对抗的大场景下,RASP作为最后一道防线,不论是从高危…...
WordPress网站502错误全面排查与解决指南
502 Bad Gateway错误是WordPress站长最常遇到的服务器问题之一,它意味着服务器作为网关或代理时,未能从上游服务器获取有效响应。针对WP可能出现的502问题,本文提供一些基础到进阶的解决方案供大家参考:) 一、502错误的本质和核心诱因 502错误属于HTTP状态码中的5xx系列,…...
PCL源码分析:曲面法向量采样
文章目录 一、简介二、源码分析三、实现效果参考资料一、简介 曲面法向量点云采样,整个过程如下所述: 1、空间划分:使用递归方法将点云划分为更小的区域, 每次划分选择一个维度(X、Y 或 Z),将点云分为两部分,直到划分区域内的点少于我们指定的数量,开始进行区域随机采…...
HTTP 动态报错码的原因和解决方法
目录 1xx(信息性状态码) 2xx(成功状态码) 3xx(重定向状态码) 4xx(客户端错误状态码) 5xx(服务器错误状态码) 参考文章 以下是 HTTP 动态报错码的常见原…...
1分钟用DeepSeek编写一个PDF转Word软件
一、引言 如今,在线工具的普及让PDF转Word成为了一个常见需求,常见的pdf转word工具有收费的wps,免费的有pdfgear,见下文: PDFgear:一款免费的PDF编辑、格式转化软件-CSDN博客 还有网上在线的免费pdf转word工具smallp…...
生成对抗网络(GAN)
生成对抗网络(GAN):生成对抗网络是一种深度学习模型,由 Ian Goodfellow 等人在 2014 年提出。GAN由生成器和判别器组成,生成器生成假数据,判别器区分真假数据。两者通过对抗训练不断提升,最终生成器能够生成…...
openlayers结合turf geojson面获取面积和中心点
在 OpenLayers 中绘制 GeoJSON 面要素并计算面积和中心点,可以结合 OpenLayers 的 ol/format/GeoJSON 模块将 GeoJSON 数据转换为 OpenLayers 的 Feature,然后使用 Turf.js 进行计算。示例代码如下 import Map from ol/Map; import View from ol/View; …...
【SRC实战】修改金币数量实现财富自由
01 — 漏洞证明 1、进入阅读奖励 2、此时金币数量0 3、来到新手福利处 4、观看广告获取奖励 5、由于int整型范围-2147483648~2147483647,避免溢出,此处修改请求包中coinNum参数为2147483640 6、返回查看金币数量变为2147483640 02 — 漏洞…...
地理数据可视化:飞线说明(笔记)
//主要代码 //黄色飞线s_data.push({type: lines,zlevel: 2,effect: {//线上的箭头效果show: true,period: 1.5,//控制点的流动速度,数越小流动的速度越快trailLength: 0.1,//动画的拖尾时长// color: #2ef358,color: #ffeb40,symbol: planePath,//控…...
2024最新版鸿蒙纯血原生应用开发教程文档丨学习ArkTS语言-基本语法
ArkTS是HarmonyOS的主要应用开发语言,在TypeScript基础上进行了扩展,保留了其基本风格,并通过增强静态检查和分析来提高程序的稳定性和性能。本教程将帮助开发者掌握ArkTS的核心功能、语法及最佳实践,以便高效地构建高性能移动应用…...
微信小程序-二维码绘制
wxml <view bindlongtap"saveQrcode"><!-- 二维码 --><view style"position: absolute;background-color: #FFFAEC;width: 100%;height: 100vh;"><canvas canvas-id"myQrcode" style"width: 200px; height: 200px;ba…...
轻量化网络设计|ShuffleNet:深度学习中的轻量化革命
一、引言 在深度学习中,卷积神经网络(Convolutional Neural Networks,CNN)无疑是大家最耳熟能详的算法之一。自诞生以来,CNN 在图像分类、目标检测、语义分割等众多计算机视觉任务中取得了令人瞩目的成就,…...
一天记20个忘10个之五:land
一天记20个忘10个之五:land land n.陆地,土地 v.着陆,降落 // la-拉、宽广 nd后缀 字面义:宽广的土地 陆地 landing n.着陆,降落lander n.登陆车,着陆者 派生: island岛,岛屿 //isle(n.用于…...
Python 类(创建和使用类)
面向对象编程 是最有效的软件编写方法之一。在面向对象编程中,你编写表示现实世界中的事物和情景的类,并基于这些类来创建对象。编写类时,你定义一大类对 象都有的通用行为。基于类创建对象 时,每个对象都自动具备这种通用行为&am…...
LeetCode 解题思路 3(Hot 100)
解题思路: 初始化指针: 左指针指向数组起始位置,右指针指向数组末尾。计算当前面积: 左右指针相遇前所围成的矩形面积。更新最大面积: 比较当前面积与已知最大面积。移动指针: 移动较高指针无法获得更…...
算法-二叉树篇11-左叶子之和
左叶子之和 力扣题目链接 题目描述 给定二叉树的根节点 root ,返回所有左叶子之和。 解题思路 层次遍历的时候,保留每层第一个节点并相加即可。 题解 class Solution { public:int sumOfLeftLeaves(TreeNode* root) {if(root NULL){return 0;}re…...
PyMICAPS:气象工作者的终极Python可视化神器,让你的数据分析效率提升300%
PyMICAPS:气象工作者的终极Python可视化神器,让你的数据分析效率提升300% 【免费下载链接】PyMICAPS 气象数据可视化,用matplotlib和basemap绘制micaps数据 项目地址: https://gitcode.com/gh_mirrors/py/PyMICAPS 还在为复杂的气象数…...
浅谈MIKE前处理中投影坐标处理问题
MIKE 中投影坐标一直是个问题,尤其对 2d 里的科氏力影响很大, 由于我们现获取基础资料都是 CAD 格式,在 GIS 里转 shp 后我们会发现很多是地方坐标,对于这种情况,小编也是无能无力,只有想办法 让 CAD 提供方…...
Go语言怎么做JWT认证_Go语言JWT Token生成验证教程【推荐】
JWT exp报错因时间戳单位错误:Go的ExpiresAt需int64秒级时间戳,误用UnixMilli()导致值过大被当作远期时间而判定过期;密钥硬编码或加载不当亦引发验签失败。生成 JWT 时 exp 字段总报 expired?因为时间戳单位错了Go 的 jwt.Regist…...
无需高配电脑!Stable Diffusion 3.5 FP8镜像低显存运行方案
无需高配电脑!Stable Diffusion 3.5 FP8镜像低显存运行方案 1. 为什么选择FP8量化版本? Stable Diffusion 3.5作为Stability AI最新推出的文本到图像生成模型,在图像质量、语义理解和文字渲染方面都有显著提升。但原版模型对硬件要求较高&a…...
UDOP-largeGPU利用率提升:懒加载+推理缓存降低峰值显存占用
UDOP-large GPU利用率提升:懒加载推理缓存降低峰值显存占用 1. 引言:当大模型遇上显存瓶颈 如果你部署过大型AI模型,大概率遇到过这个头疼的问题:模型加载时,显存瞬间被占满,GPU利用率却低得可怜。这就像…...
千问3.5-9B人工智能导论:用模型讲解机器学习与深度学习核心概念
千问3.5-9B人工智能导论:用模型讲解机器学习与深度学习核心概念 1. 当AI成为你的知识导师 想象一下,你面前坐着一位既懂技术又擅长教学的AI导师。它不仅掌握最前沿的人工智能知识,还能用生活中的例子帮你理解复杂概念。这就是千问3.5-9B作为…...
如何在Windows上解锁Apple触控板的完整潜力?mac-precision-touchpad终极指南
如何在Windows上解锁Apple触控板的完整潜力?mac-precision-touchpad终极指南 【免费下载链接】mac-precision-touchpad Windows Precision Touchpad Driver Implementation for Apple MacBook / Magic Trackpad 项目地址: https://gitcode.com/gh_mirrors/ma/mac-…...
KrillinAI:AI视频翻译与配音的终极解决方案,让多语言内容创作触手可及
KrillinAI:AI视频翻译与配音的终极解决方案,让多语言内容创作触手可及 【免费下载链接】KrillinAI Video translation and dubbing tool powered by LLMs. The video translator offers 100 language translations and one-click full-process deploymen…...
PyTorch 2.8镜像部署教程:支持screen后台运行与日志管理的稳定服务配置
PyTorch 2.8镜像部署教程:支持screen后台运行与日志管理的稳定服务配置 1. 镜像概述与环境准备 PyTorch 2.8深度学习镜像基于RTX 4090D 24GB显卡和CUDA 12.4深度优化,专为高性能计算任务设计。这个预配置环境消除了复杂的依赖安装过程,让开…...
龙迅LT9211C:解锁4K30Hz跨协议互转,赋能多屏融合与智能视觉应用
1. 认识龙迅LT9211C:多协议转换的"万能翻译官" 第一次接触龙迅LT9211C时,我正被一个车载中控项目搞得焦头烂额。客户要求在一块4K屏幕上同时显示倒车影像(MIPI CSI-2输入)和导航界面(LVDS输入)&a…...
