特效天地——位图卷轴

2000年07月28日 17:53:00

废话少说,先看看程序运行后的效果:man.gif (26498 bytes)(如果没有出现,请耐心的稍等片刻)

请各位原谅我的时间有限,编程的细节我就不多讲了,只介绍一下大致的实现方法。

在DirectX中,页面(Surface)是最基本的对象,我们用它来装载位图,页面有很多种,有:

  • 主页面(Primary Surface):代表我们可见的显示器屏幕
  • 后台缓存(Back Buffer):换页用的另一个后备页面,不可见
  • 离屏页面(Off Screen Surface):用来储存图象的页面,不可见

这个程序中三种页面都用到了。首先将两幅图象:一幅武士、一幅背景分别载入到两个离屏页面上。请注意,武士的图片上我们使用了源关键色。

  • 源关键色:页面上被假设为透明色的颜色,这种颜色在Blit中作为透明

如果你仔细观察一下武士的图片,就会发现武士图象的背景上是绿色,这就是我所使用的源关键色。

然后的工作就是设置一个定时器,每隔一定的时间让屏幕进行一次换页,在这个过程中,需要分别将两幅离屏页面中的位图Blit到后台缓存上,这个时候,需要计算一些坐标数据,这些逻辑方面的问题我就不多说了,因为这些++--的东西,一说就糊涂,你还是自己去思考吧,总之,你需要控制好Blit的源和目标矩形。因为这个程序我使用的是全屏模式,所以使用了换页操作。

  • 换页:将后台缓存与前台缓存(主页面)的指针进行交换,使屏幕上的画面在瞬间更新(因为换页是硬件完成的,非常快速,所用的时间与刷新率是同样的数量级),所以根本就观察不到闪烁的现象。

好了,这个程序大致就是这样的了,它是在VC 5.0环境下,直接利用DirectDraw编写的,没有使用CDX等包装类库。

这里附带可执行文件和源代码,内有比较详细的注释, 下载MovePic.zip(190k)。如果有问题,请一定告诉我哟。



Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=3073


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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