转自： http://blog.chinaunix.net/uid-28328633-id-3565345.html 一、开发环境 主 机：VMWare--Fedora 9 开发板：Mini2440--64MB Nand, Kernel:2.6.30.4 编译器：arm-linux-gcc-4.3.2 ... 要使一块LCD

本次的驱动代码是Samsung公司为s5pv210这款SoC编写的framebuffer驱动，对应于s5pv210中的内部外设Display Controller (FIMD)模块。 驱动代码是基于platform平台总线编写的。 1、驱动代码的源文件分布：  (1)：...

由于现在正在进行framebuffer的一个项目开发，所以需要学习framebuffer的内核代码，今天现在这里上传我的相关注释，后面再将我的学习内容和相关framebuffer的操作提交上来．位置：源代码根目录/include/linux/fb.h#...

在Linux内核中，Framebuffer(帖缓冲)驱动是显示驱动的标准，Framebuffer将显示设备抽象为帖缓冲区，用户通过内存映射到进程地址空间之后，就可以直接进行读写操作，且写操作可以立即在屏幕上进行显示，在Linux内核/...

linux图像显示 linux图像显示（一）framebuffer操作 linux图像显示（二）bmp图片 linux图像显示（三）使用libjpg处理jpg...下面给了一个linux下操作framebuffer的示例代码，如果要显示图片，只需要调用fb_draw_...

看了这么多天的lcd，今天打算在屏上显示图片，并分析下代码 显示红白蓝黑四种颜色 先贴代码，从学长哪里copy过来的 #include <unistd.h> #include <stdio.h> #include <fcntl.h> #include <...

Linux framebuffer 编程 （1）Framebuffer简介思路讲解代码测试 Framebuffer简介 Framebuffer本意为帧缓冲， 是Linux为显示设备提供的一个接口，是把显存抽象后的一种设备，一个显存的大小，屏幕宽度*屏幕高度*每...

基于S3C2440的嵌入式Linux驱动——Framebuffer子系统解读  linux LCD驱动（二）--FrameBuffer Linux LCD驱动（三）--图形显示 贺人龙的专栏：android framebuffer driver 小结[msm7627为例]

一、framebuffer驱动相关基础 1.驱动框架部分涉及的文件 （1）driver/video/fbmem.c （2）driver/video/fbsys.c （3）driver/video/fb_notify.c2.相关的两个重要结构体。 （1）fb_fix_screeninfo结构体，...

编译后拷贝进开发板即可...有部分代码需要注意一下 显示屏设备节点 默认使用的是/dev/fb0这个节点，如果开发板的不是这个，需要改动 显示屏显示一行像素的数据长度 显示屏一行的数据长度由 struce fb_fix_scre...

display###############  fb.c //fb文件  Makefile include############### fb.h start.c //最开始的文件 Makefile...

一、framebuffer使用基础： 1. Linux是工作在保护模式下，所以用户态进程是无法象DOS那样使用显卡BIOS里提供的中断调用来实现直接写屏， Linux抽象出FrameBuffer这个设备来供用户态进程实现直接写屏。对于用户而...

Framebuffer，也叫帧缓冲，其内容对应于屏幕上的界面显示，可以将其简单理解为屏幕上显示内容对应的缓存，修改Framebuffer中的内容，即表示修改屏幕上的内容，所以，直接操作Framebuffer可以直接从显示器上观察到...

操作framebuffer的主要步骤如下： 1、打开一个可用的FrameBuffer设备； 2、通过mmap调用把显卡的物理内存空间映射到用户空间； 3、更改内存空间里的像素数据并显示； 4、退出时关闭framebuffer设备。   ...

Android操作framebuffer 操作framebuffer的主要步骤如下： 1、打开一个可用的FrameBuffer设备； 2、通过mmap调用把显卡的物理内存空间映射到用户空间； 3、更改内存空间里的像素数据并显示； 4、退出时关闭...

http://blog.csdn.net/luxiaoxun/article/details/7622988 http://blog.csdn.net/godspirits/article/details/4031748 http://www.linuxidc.com/Linux/2011-06/37494.htm ...

在linux系统中,使用framebuffer来提供用户态进程直接操作显示屏的功能. 在嵌入式系统开发中,需要对显示屏的内容进行截取,实现一个lcd截屏工具实现对显示屏内容的截取,存储为bmp格式. 一个bmp文件有四部分组成: ...

使用Linux Framebuffer绘制32位真彩图形： https://blog.csdn.net/dog250/article/details/90113737 并发了朋友圈表示这件事结束了，玩了一天，玩恶心了。 但是我依然是想做出一个可以拖拽的不规则GUI界面(用皮鞋...

（一）：写在前面在这一小节当中，我主要是实现了对frame buffer的操作编程，实现了将内存中的地址映射到逻辑地址空间，然后对其内存进行操作，包括在屏幕上画点，画线，画四边形，填充四边形等．然后，再将数据映射...

接触过图形相关的同学应该对Framebuffer这个名词不陌生，但Framebuffer究竟是什么，用来做什么，在我接触图形相关工作以前，对我来说一直是模糊的。 本文主要闲聊Framebuffer。 什么是Framebuffer？ Framebuffer...

Linux将显示器屏幕抽象成了一块连续的内存，这简直太棒了。因为 你可以通过写内存的方式在屏幕上作画了！ Linux是通过 逐行扫描 的方式布局这块内存的，即： W×HW\times HW×H的屏幕上P(x,y)P(x,y)P(x,y)坐标在...

接触过图形相关的同学应该对Framebuffer这个名词不陌生，但Framebuffer究竟是什么，用来做什么，在我接触图形相关工作以前，对我来说一直是模糊的。 本文主要闲聊Framebuffer。 什么是Framebuffer？ Framebuffer...

本文继上一篇文章《Linux Framebuffer驱动剖析之一—软件需求》，深入分析LinuxFramebuffer子系统的驱动框架、接口实现和使用。

如对Android原生(Natvie)C开发还任何疑问，请参阅《Android原生(Native)C开发之一：环境搭建篇》：http://blog.sina.com.cn/s/blog_4a0a39c30100auh9.html   虽然现在能通过交叉环境编译程序，并push到Android上...

要在ubuntu终端显示图片或者在板子的LCD显示图片，Framebuffer是一个简单易用的接口，直接写入像素信息即可。但普通的图片带有头部信息或者编码格式不同，直接送入Framebuffer是显示不出来的，需要扣出像素信息，并...

一、FrameBuffer的原理 FrameBuffer 是出现在 2.2.xx 内核当中的一种驱动程序接口。 Linux是工作在保护模式下，所以用户态进程是无法象DOS那样使用显卡BIOS里提供的中断调用来实现直接写屏，Linux抽象出 ...

由于uCLinux是完全免费开放式源代码，为嵌入式设备提供了更多的解决方案.熟悉图形应用程序的用户可以很快就在该系统上编写出自己的图形应用程序，在未来的嵌入式系统设计中，它的作用是无可限量的.

自己写的一个液晶屏测试小程序，直接写frambuffer，总共四幅画面，如下所示： 程序很简单，就是进行内存...代码如下： #include #include #include #include #include #include int main(i

利用遗传算法解决矩形排样问题，具有可视化的界面，输入数据为含有矩形的长和宽的文本文件，输出的结果以可视化的形式显示出来

【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。