社区
API
帖子详情
关于GDI+中曲线画法函数问题
jhjinpei
2013-09-15 10:15:56
GDI+中画曲线有几个函数。一个是GdipDrawCurve,一个是GdipDrawClosedCurve。后者是画闭合曲线。默认张力值为0.5。但绘图以后发现有一个问题,闭合曲线绘制完以后,起始点和结束点之间的曲线基本等同于直线,这是不是本身函数算法的问题?我用三次样条函数和贝塞尔函数做出来的跟直接调用这个API函数差不多。
...全文
238
4
打赏
收藏
关于GDI+中曲线画法函数问题
GDI+中画曲线有几个函数。一个是GdipDrawCurve,一个是GdipDrawClosedCurve。后者是画闭合曲线。默认张力值为0.5。但绘图以后发现有一个问题,闭合曲线绘制完以后,起始点和结束点之间的曲线基本等同于直线,这是不是本身函数算法的问题?我用三次样条函数和贝塞尔函数做出来的跟直接调用这个API函数差不多。
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
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
打赏红包
贝隆
2013-09-16
打赏
举报
回复
http://download.csdn.net/detail/veron_04/4814790
Tiger_Zhao
2013-09-16
打赏
举报
回复
这和首尾点没关系。
比如右上包含数字13的闭合曲线,大概是 (140,100)->(50,0)->(0,40)->(75,50)-> 四个点,无论选哪里做首尾点,都不影响曲线。
jhjinpei
2013-09-16
打赏
举报
回复
楼上说的,我也知道。不过看图中最上面的闭合曲线,就是包含15、18这两个点的那根闭合曲线,下面的尖角特别明显。就是说用GdipDrawClosedCurve做曲线平滑的时候,是不是只考虑对前面的点进行样条平滑,而不考虑后面的点,所以最后连接而成的闭合曲线,初始曲线和最后曲线连接时候就显得夹角特别尖锐。如果是这样,有没有其他更好的函数使得整根曲线更加圆滑?
Tiger_Zhao
2013-09-16
打赏
举报
回复
是你头尾两点的距离比其他的大而已。
不信你给出正方形的4个顶点,闭合曲线就是对称的。
实验-三、数据库安全性(目的、要求和模板).doc
实验-三、数据库安全性(目的、要求和模板).doc
基于Docker搭建K8s集群离线包
基于Docker搭建K8s集群离线包,包含部署时所需的全部文件,可在内网环境
中
使用,K8s为1.23.0版本,docker为20.10.9-3版本
基于springboot+vue实现的求职招聘类型网站源代码+数据库(优质毕设项目).zip
基于springboot+vue实现的求职招聘类型网站源代码+数据库(优质毕设项目).zip个人经导师指导并认可通过的98分毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试,确保可以运行! 基于springboot+vue实现的求职招聘类型网站源代码+数据库(优质毕设项目).zip个人经导师指导并认可通过的98分毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试,确保可以运行! 基于springboot+vue实现的求职招聘类型网站源代码+数据库(优质毕设项目).zip个人经导师指导并认可通过的98分毕业设计项目,主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为毕设使用。项目都经过严格调试,确保可以运行!基于springboot+vue实现的求
基于Android系统Api封装常用工具类.zip
基于Android系统Api封装常用工具类.zip
基于PCA和SVM的人脸识别
svm 基于PCA(主成分分析)和SVM(支持向量机)的人脸识别是一种常见的方法。这里是一个简要说明: PCA(主成分分析): PCA是一种降维技术,它通过线性变换将高维数据转换为低维数据,同时保留最大的数据方差。 在人脸识别
中
,PCA被用来提取人脸图像
中
的主要特征,从而减少数据的维度,并保留最重要的信息。 SVM(支持向量机): SVM是一种监督学习算法,用于分类和回归分析。 在人脸识别
中
,SVM被用来构建一个分类器,以将提取的人脸特征映射到相应的人脸身份标签。 基于PCA和SVM的人脸识别流程: 训练阶段: 收集训练数据集,包括多个人的人脸图像和相应的标签。 对每个人脸图像应用PCA,将其转换为低维特征向量。 使用这些特征向量训练一个SVM分类器,使其能够将人脸特征向量与相应的人脸标签关联起来。 测试阶段: 对待识别的人脸图像应用相同的PCA转换,将其转换为与训练数据相同的低维特征向量。 使用训练好的SVM分类器,将待识别的人脸特征向量与已知的人脸标签进行比较,从而确定其身份。 优点: PCA可以有效地降低数据的维度,减少计算复杂度,并提取最相关的特征。 SVM在处理
API
1,486
社区成员
23,279
社区内容
发帖
与我相关
我的任务
API
VB API
复制链接
扫一扫
分享
社区描述
VB API
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章