关于图形系统中，移动圆时，橡皮条的实现问题！

liyangyang 2001-07-29 07:55:08

我现在遇到了一个问题：在实现圆的移动时，我先选中一圆，圆的颜色变为红色，线性变为PS_DOT,然后用鼠标移动它，在WM_MouseMove消息相应函数中，绘制新位置的圆，擦掉（选用R2_NOT模式）上一个位置的圆，但最初的红色圆不能完全擦除，我试过（R2_BLACK)也不行，请教如何擦掉这个圆！
我的视图背景色为黑色。

...全文

106 4 打赏收藏转发到动态举报

写回复

用AI写文章

4 条回复

切换为时间正序

请发表友善的回复…

发表回复

flowerer 2001-07-29

打赏
举报

用R2_MASKPEN 模式

liyangyang 2001-07-29

打赏
举报

多谢xianglusong(boy)给我灵感，问题解决了，用的是R2_MASKPEN 模式

xianglusong 2001-07-29

打赏
举报

R2_NOTXOR

prog_st 2001-07-29

打赏
举报

用黑色重画原来的圆

【语音分离】基于平均谐波结构建模的无监督单声道音乐声源分离（Matlab代码实现）内容概要：本文介绍了基于平均谐波结构建模的无监督单声道音乐声源分离方法，并提供了相应的Matlab代码实现。该方法通过对音乐信号中的谐波结构进行建模，利用音源间的频率特征差异，实现对混合音频中不同乐器或人声成分的有效分离。整个过程无需标注数据，属于无监督学习范畴，适用于单通道录音场景下的语音与音乐分离任务。文中强调了算法的可复现性，并附带完整的仿真资源链接，便于读者学习与验证。; 适合人群：具备一定信号处理基础和Matlab编程能力的高校学生、科研人员及从事音频处理、语音识别等相关领域的工程师；尤其适合希望深入理解声源分离原理并进行算法仿真实践的研究者。; 使用场景及目标：①用于音乐音频中人声与伴奏的分离，或不同乐器之间的分离；②支持无监督条件下的语音处理研究，推动盲源分离技术的发展；③作为学术论文复现、课程项目开发或科研原型验证的技术参考。; 阅读建议：建议读者结合提供的Matlab代码与网盘资料同步运行调试，重点关注谐波建模与频谱分解的实现细节，同时可扩展学习盲源分离中的其他方法如独立成分分析（ICA）或非负矩阵分解（NMF），以加深对音频信号分离机制的理解。

摘要如今社会上各行各业，都喜欢用自己行业的专属软件工作，互联网发展到这个时候，人们已经发现离不开了互联网。新技术的产生，往往能解决一些老技术的弊端问题。因为传统餐厅点餐信息管理难度大，容错率低，管理人员处理数据费工费时，所以专门为解决这个难题开发了一个餐厅点餐系统，可以解决许多问题。餐厅点餐系统实现的功能包括菜品类型管理，菜品信息管理，轮播图管理以及对已完成，未支付，已取消，已支付，已退款等状态的订单进行管理等功能。该系统采用了Mysql数据库，Python语言等技术进行编程实现。餐厅点餐系统可以提高餐厅点餐信息管理问题的解决效率，优化餐厅点餐信息处理流程，保证餐厅点餐信息数据的安全，它是一个非常可靠，非常安全的应用程序。关键词：餐厅点餐系统；Mysql数据库；Python语言

内容概要：本文系统介绍了新能源汽车领域智能底盘技术的发展背景、演进历程、核心技术架构及创新形态。文章指出智能底盘作为智能汽车的核心执行层，通过线控化（X-By-Wire）和域控化实现驱动、制动、转向、悬架的精准主动控制，支撑高阶智能驾驶落地。技术发展历经机械、机电混合到智能三个阶段，当前以线控转向、线控制动、域控制器等为核心，并辅以传感器、车规级芯片、功能安全等配套技术。文中还重点探讨了“智能滑板底盘”这一创新形态，强调其高度集成化、模块化优势及其在成本、灵活性、空间利用等方面的潜力。最后通过“2025智能底盘先锋计划”的实车测试案例，展示了智能底盘在真实场景中的安全与性能表现，推动技术从研发走向市场验证。; 适合人群：汽车电子工程师、智能汽车研发人员、新能源汽车领域技术人员及对智能底盘技术感兴趣的从业者；具备一定汽车工程或控制系统基础知识的专业人士。; 使用场景及目标：①深入了解智能底盘的技术演进路径与系统架构；②掌握线控技术、域控制器、滑板底盘等关键技术原理与应用场景；③为智能汽车底盘研发、系统集成与技术创新提供理论支持与实践参考。; 阅读建议：建议结合实际车型和技术标准进行延伸学习，关注政策导向与行业测试动态，注重理论与实车验证相结合，全面理解智能底盘从技术构想到商业化落地的全过程。

【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型（Matlab代码实现）内容概要：本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型（Matlab代码实现）》的技术资源，重点围绕电力系统中连锁故障的传播路径展开研究，提出了一种N-k多阶段双层优化模型，并结合故障场景筛选方法，用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现，具备较强的工程应用价值和学术参考意义，适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向，涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域，展示了广泛的仿真与复现能力。; 适合人群：具备电力系统、自动化、电气工程等相关背景，熟悉Matlab编程，有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标：①用于电力系统连锁故障建模与风险评估研究；②支撑高水平论文（如EI/SCI）的模型复现与算法验证；③为电网安全分析、故障传播防控提供优化决策工具；④结合YALMIP等工具进行数学规划求解，提升科研效率。; 阅读建议：建议读者结合提供的网盘资源，下载完整代码与案例进行实践操作，重点关注双层优化结构与场景筛选逻辑的设计思路，同时可参考文档中提及的其他复现案例拓展研究视野。

本文详细介绍了在BUUCTF(Misc)题目中解决FLAG问题的步骤。首先通过WinHex检查图片文件头和十六进制匹配情况，查找flag字符串或隐藏文件。若未找到，则使用StegSolve进行图像隐写分析，包括LSB隐写和图片叠加等方法。随后发现文件头为50 4b，将其保存为zip文件，但文件损坏。通过foremost文件分离成功获取文件，最终在WinHex中查看未知文件类型，得到flag{dd0gf4c3tok3yb0ard4g41n~~~}。整个过程展示了从图片中提取隐藏信息的多种技术手段。

VC/MFC

16,551

社区成员

421,604

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

VC/MFC社区版块或许是CSDN最“古老”的版块了，记忆之中，与CSDN的年龄几乎差不多。随着时间的推移，MFC技术渐渐的偏离了开发主流，若干年之后的今天，当我们面对着微软的这个经典之笔，内心充满着敬意，那些曾经的记忆，可以说代表着二十年前曾经的辉煌……
向经典致敬，或许是老一代程序员内心里面难以释怀的感受。互联网大行其道的今天，我们期待着MFC技术能够恢复其曾经的辉煌，或许这个期待会永远成为一种“梦想”，或许一切皆有可能……
我们希望这个版块可以很好的适配Web时代，期待更好的互联网技术能够使得MFC技术框架得以重现活力，……

试试用AI创作助手写篇文章吧

+ 用AI写文章