CGContext

 CGContextRef context = UIGraphicsGetCurrentContext(); 设置上下文  
 CGContextMoveToPoint 开始画线  
 CGContextAddLineToPoint 画直线  

 CGContextAddEllipseInRect 画一椭圆  
 CGContextSetLineCap 设置线条终点形状  
 CGContextSetLineDash 画虚线  
 CGContextAddRect 画一方框  
 CGContextStrokeRect 指定矩形  
 CGContextStrokeRectWithWidth 指定矩形线宽度  
 CGContextStrokeLineSegments 一些直线  

 CGContextAddArc 画已曲线 前俩店为中心 中间俩店为起始弧度 最后一数据为0则顺时针画 1则逆时针  
 CGContextAddArcToPoint(context,0,0, 2, 9, 40); 先画俩条线从point 到 弟1点,从弟1点到弟2点的线  切割里面的圆  
 CGContextSetShadowWithColor 设置阴影  
 CGContextSetRGBFillColor 这只填充颜色  
 CGContextSetRGBStrokeColor 画笔颜色设置  
 CGContextSetFillColorSpace 颜色空间填充  
 CGConextSetStrokeColorSpace 颜色空间画笔设置  
 CGContextFillRect 补充当前填充颜色的rect  
 CGContextSetAlaha 透明度  

 CGContextTranslateCTM 改变画布位置  
 CGContextSetLineWidth 设置线的宽度  
 CGContextAddRects 画多个线  
 CGContextAddQuadCurveToPoint 画曲线  
 CGContextStrokePath 开始绘制图片  
 CGContextDrawPath 设置绘制模式  
 CGContextClosePath 封闭当前线路  
 CGContextTranslateCTM(context, 0, rect.size.height); CGContextScaleCTM(context, 1.0, -1.0);反转画布  
 CGContextSetInterpolationQuality 背景内置颜色质量等级  
 CGImageCreateWithImageInRect 从原图片中取小图  

//字符串的 写入可用  nsstring本身的画图方法   
 -(CGSize)drawInRect:(CGRect)rect   
            withFont:(UIFont *)font   
       lineBreakMode:(UILineBreakMode)lineBreakMode   
           alignment:(UITextAlignment)alignment;来写进去即可  

//对图片放大缩小的功能就是慢了点  
 UIGraphicsBeginImageContext(newSize);  
 UIImage* newImage = UIGraphicsGetImageFromCurrentImageContext();  
 UIGraphicsEndImageContext();  

 CGColorGetComponents() 返回颜色的各个直 以及透明度 可用只读const float 来接收  是个数组  

//画图片   
 CGImageRef image=CGImageRetain(img.CGImage);  
 CGContextDrawImage(context, CGRectMake(10.0, height - 100.0, 90.0, 90.0), image);  

//实现逐变颜色填充方法 CGContextClip(context);  
 CGColorSpaceRef rgb = CGColorSpaceCreateDeviceRGB();  
 CGFloat colors[] =  
    {  
        204.0 / 255.0, 224.0 / 255.0, 244.0 / 255.0, 1.00,  
        29.0 / 255.0, 156.0 / 255.0, 215.0 / 255.0, 1.00,  
        0.0 / 255.0,  50.0 / 255.0, 126.0 / 255.0, 1.00,  
    };  
 CGGradientRef gradient = CGGradientCreateWithColorComponents(rgb, colors, NULL, sizeof(colors)/(sizeof(colors[0])*4));  
 CGColorSpaceRelease(rgb);      
 CGContextDrawLinearGradient(context, gradient,CGPointMake(0.0,0.0) ,CGPointMake(0.0,self.frame.size.height),                      
    kCGGradientDrawsBeforeStartLocation);  

//注:  画完图后,必须  
    先用CGContextStrokePath来描线,即形状  
    后用CGContextFillPath来填充形状内的颜色.  

//填充一个路径的时候,路径里面的子路径都是独立填充的。  
//假如是重叠的路径,决定一个点是否被填充,有两种规则  
 1,nonzero winding number rule:非零绕数规则,假如一个点被从左到右跨过,计数器+1,从右到左跨过,计数器-1,最后,如果结果是0,那么不填充,如果是非零,那么填充。  
 2,even-odd rule: 奇偶规则,假如一个点被跨过,那么+1,最后是奇数,那么要被填充,偶数则不填充,和方向没有关系。  


 CGContextEOFillPath //使用奇偶规则填充当前路径  
 CGContextFillPath //使用非零绕数规则填充当前路径  
 CGContextFillRect //填充指定的矩形  
 CGContextFillRects //填充指定的一些矩形  
 CGContextFillEllipseInRect //填充指定矩形中的椭圆  
 CGContextDrawPath //两个参数决定填充规则,kCGPathFill表示用非零绕数规则,kCGPathEOFill表示用奇偶规则,kCGPathFillStroke表示填充,kCGPathEOFillStroke表示描线,不是填充  


//设置当一个颜色覆盖上另外一个颜色,两个颜色怎么混合  
//默认方式是  
 result = (alpha * foreground) + (1 - alpha) * background  

 CGContextSetBlendMode :设置blend mode.  
 CGContextSaveGState :保存blend mode.  
 CGContextRestoreGState:在没有保存之前,用这个函数还原blend mode.  
 CGContextSetBlendMode 混合俩种颜色  
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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