-
等级
本版专家分：1129结帖率 100% -
怎样将位图的一个圆形区域拉伸成圆角矩形，要能朝各个方向拉伸？展开阅读全文
-
等级
本版专家分：8547勋章
-
- 红花 2005年7月 Delphi大版内专家分月排行榜第一
-
- 蓝花 2005年6月 Delphi大版内专家分月排行榜第三
-
-
幫你頂
-
等级
本版专家分：1647 -
帮顶，顺带学习。
-
等级
本版专家分：7410
-
一些资料，看有用没？
DrawDib函数组的使用
作者：罗隽
Microsoft的针对与设备无关位图（DIB位图），在其WIN32 SDK的Multimedia中提供了一组绘制DIB位图的高性能函数组──DrawDib函数组。DrawDib函数组是一组不依赖于图形设备接口（GDI）函数，而直接操作显存的函数组。它们支持8位、16位、24位和32位图象深度的DIB。总的来说，DrawDib函数组类似于StretchDIBits函数，它们都提供了将图象拉伸和抖动的功能，然而，DrawDib函数组还支持图象的解压、数据流以及更多的显示适配器。在某些情况下，DrawDib函数组还具有更大的优越性。但是，在某些场合下，DrawDib函数组却不能取代StretchDIBits函数。下面就DrawDib函数组和StretchDIBits函数使用的场合加以区别和说明：
颜色信息表格式。DrawDib函数组只支持颜色信息表格式为DIB_RGB_COLORS格式的图象，如果要显示以DIB_PAL_COLORS或DIB_PAL_INDICES格式的图象，则必须用StretchDIBits函数。
光栅操作模式。DrawDib函数组只能使用SRCCOPY光栅操作模式，如果要求不仅仅使用SRCCOPY模式的话，只能用StretchDIBits函数。同样地，如果要使用其他光栅操作，例如XOR，只能用StretchDIBits函数。
视频及动画回放的质量。DrawDib函数组支持数据流应用，诸如视频片和动画序列，它比StretchDIBits函数提供了更高的图象质量以及对回放过程的改进。
显示适配器。DrawDib函数组比StretchDIBits函数支持更多的显示适配器。DrawDib函数组支持使用4位图象深度提供16色调色板的VGA适配器，使用8位图象深度提供256色调色板的SVGA适配器和使用16位、24位和32位图象深度提供成千上万种颜色的真彩色适配器。DrawDib函数组还使用了受限制的潜在能力提高了图象在显示适配器上的速度和质量。例如，当使用8位的显示适配器时，DrawDib函数组有效地将真彩色图象抖动为256色；同样的，使用4位的显示适配器时，它们也将8位深度的图象抖动成4位。
图象拉伸。正如StretchDIBits一样，DrawDib函数组用源矩形和目的矩形来控制一个图象显示的部分。可以通过改变源矩形和目的矩形的位置和大小来裁剪一幅图象不需要的部分和拉伸某部分。如果显示驱动不支持图象拉伸，那么DrawDib函数组提供了比StretchDIBits函数更有效的拉伸能力。
压缩图象。DrawDib函数组支持好几种压缩和解压方法，其中包括游程编码，JPEG,Cinepak,411YUV和Indeo™。
DrawDib的操作
通过使用DrawDibOpen函数初始化DrawDib函数组。DrawDibOpen负责装载动态连接库(DLL)，申请内存资源，DrawDib设备环境(DC)，并且维持初始化相关的设备环境计数。DrawDibOpen同时返回一个其它DrawDib函数所需要使用的新的DC句柄。
当使用完DrawDib DC后，可以用DrawDibClose函数释放它。DrawDibClose同时减少存取DLL的应用的计数。在应用程序中，DrawDibClose函数应是最后的DrawDib操作。
可以创建任意多的DrawDib DC，也可以同时使用多个DrawDib DC来绘制几幅位图。在应用程序中可以创建多个不同性质的DrawDib DC，这样就可以选择最合适的DC设置。例如，在同一应用程序中，创建两个不同的DrawDib DC，一个用来显示图象的正常分辨率，另一个用来显示图象的放大部分。
为了更有效地运行，DrawDib函数组需要知道显示适配器及其驱动的信息。显示配置信息是在第一次使用包含DrawDib函数组的DLL时，对显示适配器通过了一系列的测试之后得到的。DrawDib函数组的所有应用都要用到这个配置信息。可以通过调用DrawDibProfileDisplay函数来强制重新进行这些测试。
通常，取得和保存显示配置是一次性的事件。如果配置信息发现在这个系统中安装了另一个显示驱动时，DrawDib则重新进行测试。
-
等级
本版专家分：7410
-
图象再现
创建了DrawDib DC后，就可以用DrawDibDraw函数将DIB绘至屏幕。当在8位深度的显示适配器上显示真彩色图象时，DrawDib将自动地抖动图象。
DrawDib也透明地支持视频压缩器。当显示压缩位图时，可通过DrawDibGetBuffer函数得到包含了解压图象数据的缓冲区。如果位图是未压缩的，则DrawDibGetBuffer返回NULL。在应用程序中应自己区分位图是否压缩。
可用DrawDibUpdate宏来刷新一幅图象的整体或一部分的显示。
图象序列
当DrawDibDraw函数同DrawDibBegin函数一起运用时，可以显示相同尺寸和格式的位图序列。DrawDib通过DrawDibBegin准备绘图的DrawDib DC来提高DrawDibDraw的效率。如果，应用程序没有调用DrawDibBegin，那么DrawDibDraw会在绘图前隐含地执行DrawDibBegin。
DrawDibBegin给DrawDibDraw提供了DrawDib的DC，DC的句柄，BITMAPINFOHEADER结构的地址和源矩形及目的矩形的尺寸。当要显示一个位图序列时，DrawDibDraw要检查序列中的每幅图象的这些值。如果DrawDibDraw检测到这些值有任何变化，它将隐含地再次调用DrawDibBegin来调整DrawDib DC的设置。
当调用完DrawDibBegin后，就可以指定一个或多个适当的标志来调用DrawDibDraw绘制图象序列。只要DC句柄未改变，就可指定DDF_SAME_HDC标志；下列参数未改变，就可指定DDF_SAME_DRAW标志：BITMAPINFOHEADER结构的地址和源矩形及目的矩形的尺寸。
可以通过在DrawDibEnd后跟另一个DrawDibBegin调用来更新前一个DrawDibBegin设置的标志。DrawDibEnd清除了当前的DrawDib DC的标志和设置。后续的调用DrawDibBegin将重新初始化DrawDib DC，并重新设置适当的标志和设置。然而，只要至少改变了以下任一个当前的标志设置：BITMAPINFOHEADER结构的地址或是源矩形或目的矩形的尺寸，也可不使用DrawDibEnd而直接调用DrawDibBegin来更新一个DrawDib DC。
通过使用DrawDibStart和DrawDibStop函数，可以提高使用压缩图象的数据流操作（如回放一个视频片）的DrawDibDraw的效率。DrawDibStart通过发送一个消息告诉视频管理器（VCM）准备DrawDib DC来接受一个图象流。当流结束时，DrawDibStop发送一个消息给VCM来指示它释放申请的资源。
需要注意的是，在应用程序中必须确定源矩形和目的矩形的宽度和高度；然而却并不需要确定这些矩形的起点。应用程序可以重新DrawDibDraw中的起点坐标来使用图象的不同部分或更新显示的不同部分。
调色板
DrawDib函数组需要响应两条调色板消息：WM_QUERYNEWPALETTE和WM_PALETTECHANGED。如果应用程序未注意到调色板，就需要对这些消息都增加一个各自的消息处理。
通过使用DrawDibRealize函数可在当前DC中实现当前DrawDib的调色板。应当在响应WM_QUERYNEWPALETTE和WM_PALETTECHANGED消息时，或在用DrawDibDraw函数显示一个图象序列的准备过程中实现调色板。
可以用DrawDibSetPallette函数用另一个调色板的映射来绘一幅图象。DrawDibSetPallette强迫DrawDib DC使用指定的调色板，而这会影响到图象的质量。例如，一个注意调色板的应用程序，可能已经实现了一个调色板并需要阻止DrawDib实现它自己的调色板。应用程序可以通过DrawDibSetPalette来通知DrawDib调色板的使用。
通过使用DrawDibGetPallette函数可以获得当前前景调色板的一个句柄。如果应用程序使用了当前前景调色板，它并没有对调色板的完全使用权，另一个应用程序能够使这个调色板句柄无效。当使用完毕后，应用程序不应该释放调色板，那样会使另一个应用程序不能使用调色板。
通过使用DrawDibChangPallete函数可以为它的调色板DrawDib来接收新的颜色值。在紧跟DrawDibChangPallete的后面的代码里，可以为调色板颜色表指定新的值。当调用DrawDibChangPalette时，在DrawDib DC中未设置DDF_ANIMATE标志的话，可以通过使用DrawDibRealize来实现调色板和DrawDibDraw重绘图象来实现调色板的改变。如果DDF_ANIMATE标志在DrawDib DC中设置了，就可以通过DrawDibDraw或DrawDibRealize来实现调色板和显示着的位图颜色的动画。通过DrawDibEnd和DrawDibBegin可以DDF_ANIMATE标志。
如果释放了被选入DC的DrawDib调色板，DC使用调色板时会报告一个GDI错误。相反，应该使用DrawDibSetPalette改变DrawDib DC来使用省缺调色板后另一调色板。
由于以下函数会释放DrawDib调色板，所以，除非调色板不被DC选中不应使用：DrawDibEnd,DrawDibClose和DrawDibBegin。同样的，当使用了相同的DrawDib DC，但指定了不同的绘制参数（lpbi,dxDst,dyDst,dxSrc或dySrc）或不同格式时，DrawDibDraw也会释放调色板。
时间计算
作为调试应用程序的一部分，调用DrawDibTime函数可以得到一些关于完全重复特定次数DrawDib操作所需时间。DrawDibTime返回以下操作的时间：
绘制一幅位图
解压一幅位图
抖动一幅位图
拉伸一幅位图
使用BitBlt函数变换一幅位图
使用StrecthDIBits函数变换一幅位图
得到返回值后，DrawDibTime重新设置每项操作的计数和值。
注意，DrawDibTime只在DrawDib函数的调试版中可用。
DrawDib的使用
增加调色板消息处理
下面的例子说明了WM_PALETTECHANGED和WM_QUERYNEWPALETTE消息的处理。这个例子用了DrawDibRealize函数来进行WM_QUERYNEWPALETTE消息的处理。
应用程序应通过使目标窗口无效来让DrawDibDraw函数重绘图象来响应WM_QUERYNEWPALETTE消息。应用DrawDibRealize函数实现调色板来响应WM_PALETTECHANGED消息。
case WM_PALETTECHANGED:
if ((HWND) wParam == hwnd)
break;
case WM_QUERYNEWPALETTE:
hdc = GetDC(hwnd);
f = DrawDibRealize (hdd,hdc,FALSE) > 0;
ReleaseDC (hwnd,hdc);
if (f)
InvalidateRect ( hwnd,NULL,TRUE);
break;
显示设备绘制
下面例子用DrawDibrealize函数在显示一个位图序列之前准备DrawDib DC.
hdc = GetDC(hwnd);
DrawDibBegin(hdd,hdc,dxDest,dyDest,lpbi,dxSrc,dySrc,NULL);
DrawDibRealize(hdd,hdc,fBackground);
DrawDibDraw(hdd,hdc,xDst,yDst,dxDst,dyDst,lpbi,lpBits,
xSrc,ySrc,dxSrc,dySrc,DDF_SAME_DRAW|DDF_SAME_HDC);
DrawDibDraw(hdd,hdc,xDst,yDst,dxDst,dyDst,lpbi,lpBits,
xSrc,ySrc,dxSrc,dySrc,DDF_SAME_DRAW|DDF_SAME_HDC);
DrawDibDraw(hdd,hdc,xDst,yDst,dxDst,dyDst,lpbi,lpBits,
xSrc,ySrc,dxSrc,dySrc,DDF_SAME_DRAW|DDF_SAME_HDC);
ReleaseDC(hwnd,hdc);
-
等级
本版专家分：624 -
帮你顶下，大哥给我5分，我要求不高
-
等级
本版专家分：137勋章
-
- 签到新秀
-
-
能力有限顶
- WPF开发教程
------WPF开发教程 目录 WPF基础入门....... 1. WPF基础之体系结构......2. WPF基础之XAML....3. WPF基础之基元素......4. WPF基础之属性系统......5. WPF基础之路由事件......6. WPF基础之布局系统......7. WPF基础之样式设置和模板...
- iOS端矢量图解决方案汇总
Python实战社群Java实战社群长按识别下方二维码，按需求添加扫码关注添加客服进Python社群▲扫码关注添加客服进Java社群▲作者 | 小猪来源 | 小猪的博客https://...
- android安卓源码海量项目合集打包-1
下载地址 最后更新共计113个分类5177套源码29.2 GB。 卷 新加卷 的文件夹 PATH 列表 卷序列号为 00000200 5E7A:7F30 F:. ├─前台界面 │ ├─3D标签云卡片热门 │ │ Android TagCloudView云标签的灵活运用.rar ...
- 前端面试问题答案汇总--基础版
一、HTML、HTTP、web综合问题 1 前端需要注意哪些SEO 合理的title、description、keywords：搜索对着三项的权重逐个减小，title值强调重点即可，重要关键词出现不要超过2次，而且要靠前，不同页...
- 我的C语言学习历程：GUI篇
此 CSDN 博客不再更新，如需了解 GUI 项目开发状况，可前往项目主页：https://lcui.lc-soft.io ... 编写自己的GUI图形库 游戏的编写已经在数月前暂停，因为我又有了个想法：自己写个GUI库，这样，以后写图形界...
- OpenGL纹理映射总结
大概步骤: 1.创建纹理对象,并为他指定一个纹理. 2.确定纹理如何应用到每个像素上. ...过滤:由于我们提供的纹理图像很少能和最终的屏幕坐标形成对应,大小不同,所以需要设置过滤项目.允许我们进行插值或者匀和,...
- MATLAB图像处理（包括图像类型转换）
第一章 绪论 图形图像处理起源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片，用来改善图像的质量。此后由于遥感等领域的应用，使得图形图像处理技术逐步得到...
- Tssd2019最新版下载地址和更新说明
★★ 下载地址 1. 百度网盘提取码j48p 2. 官网下载 ★★ Tssd 2019版 更新说明(2019.4.24)1....2.软件安装的默认路径改成了操作系统当前登录用户的用户目录下；...，cad06下批注设置中的选项不能操作的问题...
- 前端面试题目（都是一些总结的，从各处摘抄的题目）
前端遇到哪些兼容性问题，怎么解决？ 答：（1）不同浏览器margin和padding不同，解决方法：*{margin:0;padding:0}统一格式 （2）ie6中，父级元素浮动以后，内部元素内容撑不开宽度。解决方法：元素内部的块级元素也...
- 《windows程序设计(C语言版)》笔记
《1》的笔记 ...这代表了Windows的三个主要子系统，它们被称作Kernel、User和GDI。当子系统的数目在Windows最近版本中增多时，大多数典型的Windows程序产生的函数呼叫仍对应到这三个模块之一。...
- HTML及css疑问解答题前端面试题
1. 什么是盒模型 盒模型 margin(外边距)- 清除边框外的区域，外边距是透明的。 border(边框)- 围绕在内边距和内容外的边框。 padding(内边距)- 清除内容周围的区域，内边距是透明的。 content(内容)- 盒子的内容，...
- 孙鑫 VC++深入详解——学习笔记
原文地址：... ...1.MFC生成的C++ 源文件中都有 StdAfx.h，此文件包含了常用的AFX函数的声明，其中有 afxwin.h,此文件包含了CRECT,CPoint， CWnd等许多类及其方
- 利用VC实现图像的特殊显示效果
经常看电视的朋友们不知注意到没有，最近的电视连续剧在每集片头或片尾部分都有显示一些特殊效果的图像，比如前一阵子中央一套放的《长征》、目前中央八套正在播放的《康熙王朝》，这些特效称为"图像的浮雕效果"和...
- VC图像编程
VC图像编程 分类： MFC编程 2013-09-15 13:08 114人阅读 评论(0) ... 图象拼接是在全景视频系统、地理信息系统等应用中经常遇到的一个问题，本文基于网格匹配的方法对边界部分有重叠的图象提出了一
- 前端面试-基础篇
#一、HTML、HTTP、web综合问题 #1 前端需要注意哪些SEO 合理的title、description、keywords：搜索对着三项的权重逐个减小，title值强调重点即可，重要关键词出现不要超过2次，而且要靠前，不同页面title要有所...
- 基于C#的波形显示控件的实现[附完整源码下载]
2019独角兽企业重金招聘Python工程师标准>>> ...
- 第一部分：基础篇（一）
HTML、HTTP、web综合问题 1.前端需要注意哪些SEO 合理的title、description、keywords：搜索对着三项的权重逐个减小，title值强调重点即可，重要关键词出现不要超过2次，而且要靠前，不同页面title要有所不同；...
- ArcGIS教程 - 6 空间数据获取
第6章 空间数据获取 空间数据获取是指利用CAD数据、遥感影像、纸质地图、外业观测数据等不同来源的数据进行处理，转换成为GIS软件能够识别和分析的数据格式。随着测绘技术的进步，尽管遥感和数字化地形图的成果...
- VC多媒体编程
admin -- 发布时间：2006-8-11 16:05:00 -- Visual C++中基于多文档视窗模型的重叠图象拼接技术摘要 图象拼接是在全景视频系统、地理信息系统等应用中经常遇到的一个问题，本文基于网格匹配的方法对边
- 基于 HTML5 结合互联网 的电力接线图
前言 “互联网+”思维让数据的搜集和获取更加便捷，并且随着大数据的深度开发和应用，数据分析预测对于提升用户体验有非常重要的价值，同时也为不同行业、不同领域的合作提供了更广阔的空间。传统的发电企业是一个.....
- 基于 HTML5 的电力接线图 SCADA 应用
2019独角兽企业重金招聘Python工程师标准>>> ...
- 前端面试题大全
1、什么是盒子模型？ 由margin、padding、border、content 四部分组成 2、分别说出行内元素、块级元素、 空(void)元素有那些？ (1)、行内元素：a、span、img、input、strong、select、label、em、button、textarea等...
- 图像处理
图像处理 分类： VC++ C++语言 C语言 2013-10-18 10:27 ...经常看电视的朋友们不知注意到没有，最近的电视连续剧在每集片头或片尾部分都有显示一些特殊效果的图像，比如前一阵子中央一套放的《长征》、目前...
- [转] 基于C#的波形显示控件的实现
转自 基于C#的波形显示控件的实现[附完整源码下载] 编者记： 09年暑假正好在学院实验室呆了一段时间，做了个完整的上位机软件（具体实现：根据下位机的指令，实现通过串口来操纵下位机进行实验，并将采集的...
- 垃圾分类数据集及代码
资源说明： 数据集主要包括6类图片：硬纸板、纸、塑料瓶、玻璃瓶、铜制品、不可回收垃圾 代码运行说明： 1、 安装运行项目所需的python模块，包括tensorflow | numpy | keras | cv2 2、 train.py用于训练垃圾分类模型，由于训练的数据量过于庞大，因此不一并上传 3、 predict.py用于预测垃圾的类别，首先运行predict.py，然后输入需要预测的文件路径，即可得到结果。
- 大唐杯资料+题库（移动通信）
大唐杯资料+题库（移动通信）
- 计算机设计大赛作品开发文档
参加的是2020年的计算机设计大赛，软件应用与开发赛道。我们的开发文档仅供参考。（20页）
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。
- OpenGL-实现视频播放(FFMpeg)
课程采用FFMpeg作视频解码，采用OpenGL实现视频的渲染，从RGB数据的绘制，到直接渲染YUV数据，实现三路YUV数据单纹理的输入，提升系统性能，接着采用PBO方式优化内存到显存的传输，实现DMA传输，解放CPU,将解码和渲染分离到不同的线程中，极大的提升了系统的性能。后介绍视频特效的实现。 介绍如何采用OpenGL渲染视频帧数据，从固定管线到可编程管线一次实现，采用PBO实现DMA数据传输处理，以及简单的视频特效的实现。
- VSCode launch.json配置详细教程
主要介绍了vscode 的node.js debugger 的 launch.json 配置详情,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下