GingkoVG矢量图形库核心代码开放

「已注销」
领域专家: 学术研究与理论基础技术领域
2017-07-07 04:31:43
GingkoVG是遵循OpenVG1.0.1标准,其软件版本是官方版本的效能80倍(当然硬件版本不做比较)。现在开放的代码包含了核心代码的完整源代码: http://blog.csdn.net/tomsoft/article/details/74726684
...全文
462 9 打赏 收藏 转发到动态 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
赵4老师 2017-07-12
  • 打赏
  • 举报
回复
我的意思是: 尺有所短,寸有所长。 矢量图有所短,位图有所长。 自动缩放有所短,手动缩放有所长。 自动驾驶有所短,手动驾驶有所长。 AI有所短,人脑有所长。 能联网有所短,断网有所长。 进即退,得即舍。
「已注销」 2017-07-12
  • 打赏
  • 举报
回复
引用 8 楼 zhao4zhong1 的回复:
我的意思是: 尺有所短,寸有所长。 矢量图有所短,位图有所长。 自动缩放有所短,手动缩放有所长。 自动驾驶有所短,手动驾驶有所长。 AI有所短,人脑有所长。 能联网有所短,断网有所长。 进即退,得即舍。
没错。需求方向不一样。程序开放的目的是给需要的人,并不表示我的代码可以包治百病 ----- 自己写的程序如果有人需要自然是一件很令人高兴的事。给赵老师点赞
赵4老师 2017-07-11
  • 打赏
  • 举报
回复
缩小N倍试试!?
「已注销」 2017-07-11
  • 打赏
  • 举报
回复
引用 6 楼 zhao4zhong1 的回复:
矢量图自动缩小到一定小时,比不上人手动使用PS等软件缩小位图的效果。
赵老师又说笑了,我的程序怎么可能会和数百兆的PS相比了呢? PS的缩小会用差值,实际上和我的超采样做法类似,只是他的算法一定更好,抗锯齿上会用更好的算法(如高斯算法),但这个算法实际上比Windows GDI提供的常规算法要好些(但不能和GDI+比):多数缩放没有使用差值的,在缩小时细线会出现断线的问题,但我的算法没有 ---- 注意缩小后的老虎边沿,其边线并没有出现可察觉的断线,事实上我的超采样算法的显示效果可以根据需要设定,如4 x 4或2 x 2等等,如果更好的效果可以设定更大的超采样值。 这个是给芯片算法厂家用的,已经被芯片厂用于其硬件加速,是针对嵌入系统的。OpenVG是针对嵌入系统独立的标准库,如我们为韩国Sx做的电视芯片:您要考虑不同分辨率的电视机UI,而通常我们只会画一种情况的Icon。此时可以用矢量图形。另外,电视机或机顶盒中广泛使用的矢量字库,这些都不可能用PS产生 ----- 事实上多数情况下PS产生效果一定更好,尤其是边沿抗锯齿处理
「已注销」 2017-07-11
  • 打赏
  • 举报
回复
放大了n倍的老虎,各曲线仍是光滑的,因为使用了超采样技术,因此,即使斜线也不会出现传统绘制斜线函数(如Windows GDI)出现的锯齿
「已注销」 2017-07-11
  • 打赏
  • 举报
回复
好清淡呀,自己顶一下。简单说明一下: 1)这个库是一个矢量图形库,遵循的是标准OpenVG 1.0.1,其效能大约是官方同版本的80倍 2)全部代码是用C/C++写的,因此,除设备相关部分(独立模块)可以移植到多数系统 3)该库这次开放的是全部代码,包括核心代码。因此,如果有兴趣可以直接研究核心运算 关于什么是矢量图形,我之前在我的资源中有个学习文档。简单说,矢量图形就是相对我们常见的点阵图形,其区别是图形不是以像素为单位,而是以完全的数学运算计算出来的,因此,矢量图形相对点整图形最大的特点是数据量很小,画质质量基本不受缩放比例影响,不像传统点整图形,在缩放后会“糊”成马赛克,典型的应用如我们的FreeType/TureType矢量字体等。上两张图解释一下效果:
赵4老师 2017-07-11
  • 打赏
  • 举报
回复
矢量图自动缩小到一定小时,比不上人手动使用PS等软件缩小位图的效果。
「已注销」 2017-07-11
  • 打赏
  • 举报
回复
依赵老师的要求放一个缩小n倍的: 缩小n倍一定会有细节丢失,这是取决于实际的硬件显示的能力:因为矢量图最终一定要光栅化为具体的点阵图,我们的显示器一定是点阵的。矢量图形的最大优点会体现在放大失真上与更小的数据量上;但因为这个程序支持超采样算法,实际即使在缩小时,其显示效果仍好于传统的点阵图形
赵4老师 2017-07-07
  • 打赏
  • 举报
回复
内容概要:本文介绍了基于低秩逼近代理模型的N-1安全约束经济调度快速计算方法,并提供了完整的Matlab代码实现。该方法针对电力系统中N-1故障场景下的安全约束经济调度(SCED)问题,提出采用低秩逼近技术构建高效代理模型,有效降低高维优化问题的计算维度与复杂度,显著提升多场景下调度方案的求解效率。文中系统阐述了数学建模过程、代理模型构造原理、低秩近似算法推导及其实现流程,特别适用于含高比例可再生能源接入、存在大量不确定性因素的现代电力系统优化调度,能够在保障计算精度的同时满足实时性与准实时性应用需求。; 适合人群:具备电力系统分析、优化理论基础及Matlab编程能力的研究生、科研人员和工程技术人员,尤其适合从事电力系统经济调度、安全稳定分析、不确定性建模与高性能计算等相关领域的专业人士。; 使用场景及目标:①应用于大规模电力系统在N-1故障条件下的快速安全校核与经济调度决策支持;②为高渗透率新能源接入的电力系统提供高效的多场景优化求解方案;③支撑日前调度、实时调度等对计算速度与精度均有较高要求的工程应用场景。; 阅读建议:读者应结合所提供的Matlab代码深入理解算法实现细节,建议在标准测试系统上复现并调试程序,以掌握低秩逼近方法在电力系统优化中的具体应用技巧,并可根据实际研究方向进行模型拓展、性能对比与算法改进。
内容概要:本文档聚焦于电力系统黑启动与负荷恢复的研究,结合Matlab代码实现,系统探讨了电力系统在发生大面积停电事故后的恢复策略。研究内容涵盖了黑启动过程中的关键环节,如发电机组的启动顺序、恢复路径规划、负荷逐步投入等,并通过Matlab仿真对恢复流程进行建模与验证,旨在优化恢复时序与资源配置。文档还关联了智能优化算法、机器学习、路径规划、电力系统故障分析与调度优化等多种技术方向,展现了其在科研与工程实践中的广泛应用前景。配套代码和资料可通过提供的网盘链接下载,便于读者复现与拓展研究。; 适合人群:具备电力系统基本理论知识和Matlab编程能力的研究生、高校科研人员及从事电力系统运行、调度与控制相关工作的工程技术与研究人员。; 使用场景及目标:①用于电力系统恢复策略的教学演示与科研仿真分析;②支撑黑启动方案的设计、评估与优化决策;③为复杂电网故障后快速恢复供电提供算法模型与技术参考; 阅读建议:建议读者结合网盘中的完整代码资源,按照文档所述技术路线逐步实践,重点关注黑启动过程中机组启动逻辑与负荷恢复的协调机制,并可进一步拓展至多能源协同恢复、智能算法优化等前沿研究方向。
源码直接下载地址: https://pan.quark.cn/s/1eceaa56687c Chrome 开发者工具中文手册 =============== Chrome DevTools 是公认的优秀的前端调试工具,由于功能强大,所以使用起来有一定的学习门槛,与此同时 Chrome DevTools 暂时没有中文手册,对于不太熟悉英文的同学会比较吃力。 本项目的初衷是为想使用或者正在使用 Chrome DevTools 的同学提供一个中文手册,方便大家学习使用这个优秀的工具,提高前端开发效率和质量! 翻译流程 第一阶段 先将 Chrome DevTools 的内容按现有的目录结构翻译成中文,其中: 文章正文内容均放在 目录下,采用 格式。 文章中所用到的图片资源暂时先用现有英文手册的原始链接,后续图片资源会统一托管到七牛云存储 文件命名规则 文件名为 Chrome DevTools 对应文章超链接中 后的部分。 所有的空格和 用 代替。 例如: 这篇文档,对应 这个文件。 对于下级子页面文档,将其放在以父级文档名称命名的文件夹下面。 例如: 属于 那么将放置在 。 第二阶段 根据翻译文档,制作成类似在线手册或者与官方文档类似的网站,方便大家参阅。 参与项目 欢迎你参与翻译本项目,在翻译的过程中,可以锻炼你的英语能力和 Chrome DevTools 的实际应用能力,同时还为他人提供方便,何乐而不为? 一个个 commit 堆积起来就是一个了不起的 repo,欢迎你 Fork 并提交 Pull Request 或者 Issue ,哪怕是改正一个错别字、修正一个病句,我们都会很高兴。 参与方法和步骤如下: 登录 https://.com Fork 创建您的特性分支 (gi...

15,446

社区成员

发帖
与我相关
我的任务
社区描述
C/C++ 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧