翼遥君的博客

也可以使用锂电池给板子供电，实测壳体的液晶屏和PCB之间的间距足够放下一个3.7v的锂电池。UI界面分为两层，底层是game的界面，上浮的一层显示的是game手柄的8个触摸按键。为了方便的确定触摸按键的位置，特地在solidworks中绘制了一个草图，用草图的尺寸来方便确定每个按键的屏幕像素坐标。在完成每一行的解码后，在这个task中会及时的去渲染屏幕中的对应行。额外需要说明的是显示是使用的横向的坐标系，但是触摸驱动使用的是纵向的坐标系。他们的坐标原点是不一样的，需要进行坐标的变换。

在这一部分中，我将处理像素处理的前半部分:dispatch和实际的像素着色。事实上，这是大多数图形程序员在谈到PS stage时想到的. 我们将在下一部分中谈到的alpha blend和Late-Z。在硬件上，情况有点复杂，我们之后会看到——这也是我将像素处理分成两部分的原因。在我们进入这个阶段的时候，阴影的像素坐标(实际上是四边形)，加上相关的覆盖遮罩，从光栅化器/早期z单元到达——三角形的顺序与应用程序提交的完全相同，正如我上次指出的那样。我们在这里需要做的是将线性的，连续的工作流输出到数百个着色器单元

在这一篇中，我们来讨论Z-pipline的前端部分(简称它为early-Z), 以及它是在光栅化中怎么起作用的。和上一篇一样，本篇也不会按实际的管道顺序进行讨论；我将首先描述基础算法，然后再补充管线中的各个阶段（以相反的顺序可以更简单的解释这些内容）。1.插值Z通过三角形进行插值，因为三角形顶点的属性是由vertex shader输出的。 让我先花点时间解释一下它是如何工作的。 在这一点上，我最初有一节介绍如何推导插值背后的数学运算，以及为何透视插值以这种方式起作用。 我花了几个小时苦苦挣扎，因为我试图

首先抛出一个问题，给定一系列二维平面上的的点，这些点是可以组成一个封闭的二维图形。因为这些点是矩形区域拍摄图像后识别得到的图形的边界点，所以我们要抽象出来这个矩形，也就是我们要反映出这个矩形。问题是在拍照的时候摄像头可能不是正对着图形的，那么矩形就必然在图像上反映为一个四边形, 如下图所示。那怎么得到这个四边形的四个顶点呢？使用经典图像处理的算法的话可以使用OpenCV提供了几个和矩形相关的函数接口。另一类就是使用机器学习类算法检测定位四个角点。首先来看看使用经典图像处理的算法来进行解决。1.最小包络

系列文章原发布在自己搭建的博客上：https://binean.top/欢迎回来。这次我们去看看三角形的光栅化。但在光栅化三角形之前，我们需要执行三角形设置，并且在设置三角形之前，我还要解释一下我们做的准备是为了什么，最后我们来聊聊三角形硬件光栅化算法。1.如何画一个三角形首先，给很熟悉这部分并自己写过软纹理映射的人一点小提示：三角形光栅器一次要处理一堆东西：跟踪三角形的形状，插值出坐标uuu和vvv（对于透视矫正映射，是u/zu/zu/z，v/zv/zv/z和1/z1/z1/z），执行Z缓冲测试.

系列文章原发布在自己搭建的博客上：https://binean.top/上一篇中我们讨论了关于“纹理和采样”，这一篇我们回到3D管线的前端。在执行完顶点着色之后，就可以实际的渲染东西了，对吗？暂时还不行， 因为在我们实际开始光栅化图元之前，仍然还有很多事要做。所以在本篇里我们不会看到任何光栅化内容——还得等到下次再讲。1. 图元装载当我们离开顶点处理流水线时，从着色器单元中得到了一个包含已经着色完成的顶点数据内存块，该内存块中包含一些完整的图元。我们不会让三角形，直线或者补块(pathces)之类.

上一篇讨论了顶点着色器,涵盖了GPU通用着色器处理单元的一些内容。它们都仅仅是向量处理单元, 但是当我们在访问Resource的时候,通常都不是这种向量的形式,所以GPU中还需要另一个专门用来在Pipeline中处理整数的单元：Texture Sampler. 这个单元内部相对比较复杂,复杂(也很有趣)到我们需要用单独的一篇文章来讨论它们。1.纹理阶段在我们开始了解真正的纹理操作之前,让我们先对API阶段的纹理操作有个完整的认识。在D3D11中,这主要由三个部分组成：采样阶段。设置滤波模式,设置寻址

通过前面几篇的内容，我们知道，应用程序中的Draw API调用会经过D3D Runtime, 用户态驱动等等各个层级，最终将命令传到GPU的命令解释器，GPU就会根据命令的内容来进行图形的计算和处理。那么这一篇我们就来看看顶点的处理流程。1. 开胃菜在介绍GPU的顶点处理之前，我们先看看3D渲染管线。3D渲染管线是由一系列的stage构成的，每个stage都完成一些特定的工作。下图是D3D 1...

系列文章原发布在自己搭建的博客上：https://binean.top/上一篇中主要介绍了3D渲染命令到达GPU之前经历过的各个阶段。用下图可以概括上一篇中所讲的内容，当然其中很多细节没有出现在图中。之前我们说KMD将命令送给了硬件，这个简单的“送”的过程实际上并不是那么简单的。我们知道显卡都是通过信号线连在主板上的，所以我们送命令都是需要走这些信号线的。还有就是我们把命令送给显卡，那显卡总...

0. 介绍从App到硬件各个层级 （Introduction: the Software stack）我在这里发布了东西已经有一段时间了，我可能会用这个地方来解释一些关于2011年图形硬件和软件的一般观点。通常你可以找到你电脑中显卡调用栈的相关描述，但是这些调用关系是如何工作？它们又是为什么要这样呢？这些问题就不那么容易找到答案了。我会尽量填补空白，而不会对特定的硬件进行具体的描述。我将主要讨论...

from bs4 import BeautifulSoupimport matplotlib.pyplot as pltfrom sklearn.preprocessing import PolynomialFeaturesfrom sklearn.pipeline import make_pipelinefrom sklearn.linear_model import Ridgefro

转载请注明出处：https://www.jianshu.com/p/ca51012db547C++内存管理（1）——分配和释放的四个层面 上一篇中从整体上来看系统中四个层面上内存的分配和释放，这样我们就对内存分配有了一个整体的认识。这一节则详细的来写写这四个层面中的操作符或函数的使用方法，以及他们背后的调用关系。首先我们从我们使用最多的new和delete来说起。1. new 和 dele...

转载请注明出处 https://www.jianshu.com/p/8f5e4d215d971. 站在高处思考从一个比较高的角度来看，内存管理说到底就是使用OS提供的API或是使用运行在OS之上的Runtime或者更为上层的SDK对内存进行申请和释放。C/C++中内存管理是个经久不衰的话题，因为C/C++不像其它语言那样拥有自己的GC机制。这也是C/C++为人诟病的地方，特别对于使用C/C...

人工智能一词越来越频繁的出现在日常生活中。一种事物的时髦，必然有其背后的原因。而对于这样一个大的话题，从整体上来叙述总显得有些不接地气。作为跟AI沾过一些边的博主将以自己接触的方面来发表一点看法。 首先介绍一下，博主在研究生期间从事医疗数字影像研究和医疗系统开发，期间跟临床医生也有过一些交流，研究生课题也是智能辅助诊断的研究。因此，文章可能会实际工程使用为主要的着眼点，来表述一下对是否加入AI这一浪

绘制流水线（pipline）是图形学编程中属于各种图形学框架的骨架。Windows平台下3D游戏开发几乎都会用到D3D来进行游戏引擎的设计。D3D 9是使用比较广泛的一个版本，D3D 9 中比较核心的就是固定渲染管线（Fixed Function Pipline）。下图是从官方的SDK中翻译的，从这个图中就可以比较清晰的看到D3D 9的绘制流水线。 D3D 9 的绘制流水线 从图中标有颜

1. Java NIO简介NIO(Non-Block I/O)是在JDK1.4之后引入的。NIO弥补了同步阻塞I/O的缺点。提供了高速、面向块的I/O。 在NIO库中，所有的数据都是用缓冲区来处理的，在读取数据的时候，他是直接读到缓冲区中的：在写数据时，写到缓冲区中。任何时候访问NIO中的数据都是通过缓冲区进行操作。 Java NIO由三个核心部分组成，Buffers, Channel和Sele

由于项目需要使用Java开发后台服务器程序，C/C++程序员就要学学Java了。Unix/Linux下的几种网络IO模型在之前的博客中已经提及到，但是使用的大多数都是Unix/Linux下的系统调用。 博客内容大多数来自网络资料以及书籍《Netty权威指南》，转载请注明出处，谢谢！如果想了解Unix/Linux下网络IO模型的可以看如下的几篇相关博客，里面大多都是代码段，原理性的讲解比较少。

转载请注明出处，谢谢.图像分割系列的博客连续写了两篇了，这次继续写写利用最大熵模型来进行图像的阈值分割。如果对其他相关博客感兴趣可进入下面的链接查看： 1. OpenCV - 区域生长算法 2. OpenCV - 均值迭代分割 3. OpenCV - 最大间方差(OTUS)分割1. 最大熵是什么？这里所说的熵是指信息熵，信息熵是来自于信息论的一个词，它是对系统所含信息的一种度量。通俗的讲，系