字体（不规则多边形）的轮廓填充算法

pqx2002 2003-08-26 08:53:16
字体（不规则多边形）的轮廓信息（N个封闭的多边形）已知，由一系列顶点组成，要求采用轮廓填充的方式填充，即先画出原始轮廓，再画小一号的轮廓，再小一号的轮廓，。。。直到填充完毕。
我的设想是采用多边形伸缩转换算法来求比原始轮廓小一号的轮廓，现在的问题是多边形是不规则的，也就是说每个顶点在伸缩时的原点是不同的，如何确定每个顶点的原点呢？
另外，外部轮廓在缩小到一定程度会和内部轮廓相交，相交后如何处理呢？
敬请赐教！
...全文
367 4 打赏 收藏 举报
写回复
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
xiaoxiao197821 2003-08-28
  • 打赏
  • 举报
 回复
Polygon（p1，p2，p3，p4,...）
pqx2002 2003-08-27
  • 打赏
  • 举报
 回复
UP
pankun 2003-08-27
  • 打赏
  • 举报
 回复
好像有个API就可以填充字体的轮廓，但具体记不得了。
pqx2002 2003-08-26
  • 打赏
  • 举报
 回复
up
机器学习入门：线性回归及梯度下降
本文会讲到： (1)线性回归的定义 (2)单变量线性回归 (3)cost function：评价线性回归是否拟合训练集的方法 (4)梯度下降：解决线性回归的方法之一 (5)feature scaling：加快梯度下降执行速度的方法 (6)多变量线性回归 Linear Regression     注意一句话：多变量线性回归之前必须要Feature Scaling
机器学习入门：从线性回归到梯度下降
本文介绍了机器学习的基本框架与核心方法。首先将机器学习任务分为回归、分类和结构化学习三类，然后详细阐述了机器学习的"三步走"流程：1)定义模型（如线性回归）；2)定义损失函数（如MAE、MSE）评估模型表现；3)通过梯度下降算法优化参数。重点讲解了梯度下降的原理和实现步骤，包括学习率设置、参数更新等，并讨论了局部最小值问题和模型复杂度调整。全文系统性地梳理了监督学习的核心逻辑：建立假设函数→评估模型表现→优化参数求解。
机器学习入门：线性回归与梯度下降实战解析
线性回归作为机器学习的基础算法，通过建立特征与目标值的线性关系模型，展现了监督学习的核心范式。其数学本质是最小二乘法优化，配合梯度下降算法自动调整参数，在房价预测、销售分析等场景广泛应用。理解损失函数和梯度下降原理尤为关键，前者通过均方误差(MSE)量化预测偏差，后者以学习率控制参数更新步长。实践中需注意特征缩放、学习率调整等工程细节，这些技术同样适用于逻辑回归、神经网络等进阶算法。掌握这些基础概念后，可自然过渡到正则化、多项式回归等扩展应用。
如何快速掌握线性回归与梯度下降：机器学习入门终极指南
想要入门机器学习却不知从何开始？🤔 **线性回归**和**梯度下降**是机器学习中最基础也是最重要的两大核心概念！无论你是零基础小白还是有一定经验的开发者，掌握这两个算法将为你的AI学习之路奠定坚实基础。 在这篇完整指南中，我们将带你深入了解线性回归的工作原理和梯度下降的优化过程，让你在最短时间内建立完整的机器学习知识体系！ ## 📊 什么是线性回归？ **线性回归**是机器学习中最简单
GAME，图形处理/多媒体

1,184

社区成员

14,330

社区内容

发帖
与我相关
我的任务
社区描述
Delphi GAME，图形处理/多媒体
社区管理员
  • GAME，图形处理/多媒体社区
加入社区
  • 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