tiles in android webkit

最近整理了一下自己的工作内容,对以前的内容又加深了一些理解。

在android的webkit中,分为DomTree,RenderTree,RenderTree又被划分为RenderLayerTree,GraphicsLayerTree(逻辑上的概念),考虑在刷新网页时的效率,比如一个RenderLayer可能比较大,又将RenderLayer划分为Tile,这篇文章主要介绍在android上webkit当中的tile。



再刷新时,RenderLayerBacking会通知GraphicsLayerAndroid,将画好的SKBitmap传递给GraphicsLayerAndroid,接着LayerAndroid将SKBitmap生成ImageTexture,ImageTexture又划分为多个Tile,一个Tile大小为:(256*256)。

TexturesGenerator是一个线程,他的作用是不断将自身Tile队列当中的Tile生成TileTexture,TileTexture生成后,GL线程会调用DrawGL,将这些Tile显示在屏幕上。


ShaderProgram时GL的封装,浏览器中的反色功能就是通过它来实现的,运用的是图像处理当中的图像灰度化,将FragmentShader的每一个像素值灰度化。


AnativeWindow是一个抽象类,表示一片内存区域,由SurfaceTextureClient来实现它,SurfaceTextureClient是一个图像生产者。SurfaceTexture是一个图像消费者,IsurfaceTexture是连接SurfaceTextureClient和SurfaceTexture的纽带。


其中AweSomePlayer(视频播放器)和TransferQueue是图像生产者。WebCore是图像消费者。

AweSomePlayer在播放视频时生产图像,将每帧图像放在由HTML5VideoInline创建的SurfaceTexture中,在完成后通知WebCore去刷新屏幕。


frameworks/av/media/libstagefright/AwesomePlayer.cpp

init:
status_t AwesomePlayer::setSurfaceTexture(const sp<ISurfaceTexture> &surfaceTexture) {
    anw = new SurfaceTextureClient(surfaceTexture);
    err = native_window_api_connect(anw.get(),
            NATIVE_WINDOW_API_MEDIA);


render:
struct AwesomeNativeWindowRenderer :
    virtual void render(MediaBuffer *buffer)
            status_t err = mNativeWindow->queueBuffer(
                            mNativeWindow.get(), buffer->graphicBuffer().get());


frameworks/base/core/java/android/webkit/HTML5VideoViewProxy.java

public void onFrameAvailable() {

    mWebView.invalidate();  // 通知WebCore去刷新屏幕。

}

分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值