求助!关于GDI+ 的内存绘图中,FromImage()的用法

快乐胖电工 2021-02-14 09:40:43
我想用GDI+做双缓存绘图。思路是这样的。内存中创建两个Bitmap位图,位图A和位图B,用1个Graphics对象gpMem与其中1个关联,需要在A上绘图时关联A,需要在B上绘图时关联B。但是结果却实现不了。
测试代码和运行结果如下。预期结果应该只用一条线,但实际输出2条线,也就是说关联位图B的代码是没有起作用的。请问是我思路的原理就行不通呢,还是其他问题。除了这个方法,我就只能想到“一个Graphics对象关联一个位图”,大神们还有其他方法吗?
		
CClientDC dc(this) ; //DC

Bitmap bmpA(500 , 500 ) ; // 位图A
Bitmap bmpB(100 , 100 ) ;// 位图B

Graphics gpDC(dc) ; // 关联DC

Graphics gpMem(&bmpA) ; //关联位图A

Pen newPen(Color(255,0,0),4) ; //画笔设置

gpMem.Clear(Color(255,255,255)) ; //背景色全白色

gpMem.DrawLine(&newPen , 200, 200 , 400 , 400) ; //画一条斜向下的线段

gpMem.FromImage(&bmpB) ; // 关联位图B(为什么会无效呢)

gpMem.DrawLine(&newPen , 200, 200 , 400 , 0) ;//画一条斜向上的线段

gpDC.DrawImage(&bmpA , 0 , 0) ; //输出到窗口上


...全文
132 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文围绕“基于超局部模型与自抗扰ESO观测器的无模型预测电流控制改进策略”展开研究,提出一种结合超局部模型(ULM)与扩张状态观测器(ESO)的无模型预测电流控制(MFPCC)改进方法,旨在提升永磁同步电机(PMSM)电流环的动态响应性能与抗干扰能力。该策略利用超局部模型对系统行为进行局部逼近,避免依赖精确数学模型,同时引入自抗扰控制的ESO实时观测并补偿系统内外部扰动,有效抑制参数摄动、负载变化及模型不确定性带来的影响。研究通过Simulink搭建完整的控制系统仿真模型,对传统MFPCC与所提改进策略进行对比分析,验证了新方法在电流跟踪精度、响应速度和鲁棒性方面的优越性。; 适合人群:具备电机控制、现代控制理论及Simulink仿真基础的电气工程、自动化及相关专业的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高性能电机驱动系统电流环控制器的设计与优化;②为无模型控制与自抗扰控制的融合应用提供技术参考;③支撑相关课题的仿真验证、论文复现与创新方法研究。; 阅读建议:建议读者结合Simulink仿真模型深入理解控制结构与参数整定过程,重点关注ESO的观测性能与扰动补偿机制,并可通过改变负载条件、参数偏差等工况进行鲁棒性测试,进一步掌握该改进策略的核心优势与适用边界。
内容概要:本文围绕Scratch图形化编程平台,详细阐述了《人体感应灯光系统》这一贴近生活的AI科创作品的设计与教学应用。通过模拟真实智能家居人体感应灯的工作原理,利用Scratch的侦测、逻辑判断、亮度特效调节等功能,实现了人物靠近自动亮灯、延时熄灭及环境亮度自适应等仿真功能。文章系统拆解了从场景搭建、核心逻辑设计、分层编程实现到调试优化的完整开发流程,并提供了基础版与进阶版可直接导入的源码,支持零基础快速上手与高阶创新拓展。同时构建了“基础—进阶—高阶”三层阶梯式教学体系,适配常规课堂、创客社团与赛事培优等多元教学场景,推动小学AI教育的生活化、实践化与创新化发展。 适合人群:小学高年级至初阶段学生,信息技术教师,创客教育从业者,以及参与青少年科创赛事的师生。 使用场景及目标:①作为小学人工智能通识课程的教学案例,帮助学生理解智能感应与控制逻辑;②用于校内创客社团开展项目式学习;③支撑学生参加AI科创类赛事,完成高质量作品创作与答辩准备;④布置为课后综合实践作业,提升动手能力与科技素养。 阅读建议:建议结合提供的Scratch源码进行实践操作,在复现基础上尝试参数调优与功能扩展,如增加音效提示、多区域感应等,深化对编程逻辑与智能系统设计的理解。

24,852

社区成员

发帖
与我相关
我的任务
社区描述
C/C++ 工具平台和程序库
社区管理员
  • 工具平台和程序库社区
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