有没有做过测井软件双缓存滚屏绘图的?

yym86202 2021-04-08 08:54:30
测井软件滚屏绘图是一个什么思路?没做个这种,自己想的思路有下面3种,不知道主流的做法是怎么实现的?
1、是一次性创建一个非常大的内存DC把所有深度线背景网格画好,然后通过测量数据慢慢画曲线,定时一屏一屏往显示区域拷贝。通过滚动条的位置选择内存位图的位置粘贴到屏幕。
2、固定每屏幕显示30米深度的图形,创建一个与屏幕满屏大小的内存dc,然后刷新一次就重新在这个dc上全部重绘,绘制完成后显示到屏幕,滚动条位置控制数据在数组中的位置选择所显示的数据绘图。
3、每屏显示30米,但是只创建一个10米大小的内存dc,每次只粘贴10米到屏幕,按深度顺序显示。
我自己想到的思路,麻烦做过测井曲线的帮忙指点一下?
...全文
463 5 打赏 收藏 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
gz_qmc 2021-11-19
  • 打赏
  • 举报
回复

假设你的屏幕分辨率是1920X1080
如果你是垂直滚动,那么你一屏幕数据就是1080行
那么有两屏幕的数据屏幕是直接显示的,另外一屏幕数据是用来缓冲数据的
int starty=0;
显示第starty行到第starty+1080行数据
当starty=0时,显示的是第1屏数据 第2第3屏数据不用显示
当starty>0&&starty<1080时候, 第1屏数据和第2屏数据各显示一部分
当starty=1080时,显示的是第2屏幕 第1第3屏幕数据不用显示

依此类推,最多需要同时显示两屏幕数据,
所以有两屏数据是用来显示的,另一屏数据是用来缓冲的

如果考虑水平滚动,那自然就是横3竖3=9屏

也就是正中间显示1屏,上,下,左,右, 左上,左下,右上和右下共有8屏数据缓冲
往那个方向滚超过1屏的数据,就读取磁盘文件数据填充反方向最后的那个缓冲
并把它排到准备滚动的前面

yym86202 2021-05-09
  • 打赏
  • 举报
回复
引用 2 楼 gz_qmc 的回复:
9屏比较简单,占内存大
4屏比较适中,稍有难度

其实这还和存储格式有关系,如果自定义合适的存储格式,那1屏就可以了
9屏什么意思?假如一屏幕30米,那最多也就270米啊,4屏跟一屏有啥区别,都是隔一会就得新建dc啊
yym86202 2021-05-09
  • 打赏
  • 举报
回复
引用 1 楼 zjq9931 的回复:
没做过测井曲线。
但做过其他的显示的滚屏的。
基本上是第一种思路。
缩放之类的方便。

但是如果确实特别大的图片,可以考虑创建3屏大小的DC,然后根据用户的操作刷新DC。
40屏的dc,一秒刷新一次?会不会卡??
gz_qmc 2021-04-20
  • 打赏
  • 举报
回复
9屏比较简单,占内存大
4屏比较适中,稍有难度

其实这还和存储格式有关系,如果自定义合适的存储格式,那1屏就可以了
  • 打赏
  • 举报
回复
没做过测井曲线。 但做过其他的显示的滚屏的。 基本上是第一种思路。 缩放之类的方便。 但是如果确实特别大的图片,可以考虑创建3屏大小的DC,然后根据用户的操作刷新DC。
内容概要:本文针对传统彩色数字图像加密算法存在的密钥空间有限、随机性不足及抗干扰能力弱等问题,提出一种结合混沌系统与DNA编码的复合型彩色图像加密解密方案。通过混沌系统生成伪随机序列,对图像RGB三通道像素进行置乱与混淆,并利用DNA编码规则实现信息的高维扩散与并行处理,从而提升加密强度与安全性。文章重点对该方案的抗噪声与抗裁剪性能进行了系统性分析,实验结果表明该算法具备大密钥空间、强加密随机性,且在面对高斯噪声、椒盐噪声干扰及不同程度裁剪攻击时仍能较好恢复图像内容,展现出优良的鲁棒性与实用性。; 适合人群:具备一定图像处理、密码学基础知识的科研人员及研究生,或从事信息安全、多媒体通信领域的技术人员。; 使用场景及目标:①应用于网络环境下的彩色图像安全传输与私密存储,防范信息窃取与篡改;②为高鲁棒性图像加密技术的研究提供理论支持与实验验证,推动复合加密算法在实际工程中的落地应用。; 阅读建议:建议读者结合文中提出的加密流程与实验设计,自行复现算法并对不同类型的图像数据进行测试,重点关注混沌参数敏感性、DNA编码规则选择及不同干扰场景下的解密效果,以深入理解算法的抗干扰机制与优化空间。
【不讲道理,只给数据】网上讲 JS 性能的文章大多只给结论不给数据。这个包把 8 个常见优化手法真的跑了一遍,把耗时与提速倍数写出来——包括 3 项「优化后反而更慢」的结果。 ■ 实测(本机 node 实跑,见包内 04 文件) · 按 id 查找:Map 代替 find → 680 倍 · 数组去重:Set 代替双重循环 → 90 倍 · 记忆化递归:加缓存 → 800 倍 · 深拷贝:structuredClone 反而比 JSON 慢(0.44x) · 字符串拼接:现代 V8 下 += 与 join 几乎无差别(0.9x) ■ 资源内容 · 01_优化实战/:bench.js + run_all.js,8 项 before/after 基准,可直接跑,也能改成测你自己的代码 · 02_单元测试示例/:6 个工具函数 + Node 内置测试器写的测试(零依赖,不用装 Jest) · 03_工程化配置模板/:ESLint 9 扁平配置、Prettier、Vite 手动分包、Webpack 5 持久化缓存、package.json 脚本 + 逐项说明 · 04/05 真实运行结果:程序实跑输出,非手写示例 · 06_优化清单30条.md:每条标注实测结论 · 07_自检脚本:一键重跑测试与基准 ■ 使用方法 1)只需 Node 18+,不用 npm install:node 01_优化实战/run_all.js 即可看对比表 2)单元测试:cd 02_单元测试示例 && node --test 3)用 bench.js 量你项目里最慢的函数,先记基线再动手改 4)工程化配置直接拷进项目,重点看 03 里「为什么这么配」 ■ 说明 全部代码原创,可直接用于你的项目。基准数字因 CPU 与 Node 版本略有差异,趋势一致。

15,976

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 界面
社区管理员
  • 界面
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