当前位置: 首页 > article >正文

基于QT(C++)实现绘图程序

绘图程序

1   核心算法

1.1   图元生成

1.1.1   直线

画直线的算法采用了课上讲到的 Bresenhan 算法,采用整数增量运算,精确而有效的光栅设备生成算法。

基本思想是:当直线斜率的绝对值小于 1 时,从左端点开始作为起点,沿 x 方向单位距离取样,并在每个取样位置都选择离直线路径最近的像素作为线段的离散点。逐个处理每个后继取样位置直到右端点。绝对值大于 1 时则沿 y 方向取样,所有操作对称过来即可。

图 1

|m|<1 的 Bresenham 画线算法:

输入线的两个端点,并将左端点存贮在(x0,y0)中;

将(x0,y0)装入帧缓冲器,画第一个点;

计算常量:△x、△y、2△y 和 2△y-2△x,起始位置(x0,y0)的决策参数 p0 计算为:p0=2△y-△x

k=0 开始,在每个离散取样点 xk 处,进行下列检测:

若 pk< 0,画点(xk+1,yk),且:pk+1= pk+2△y;

若 pk 0, 画点(xk+1,yk+1),且:pk+1=pk+2△y-2△x。

k=k+1;

重复步骤 4,共 △x 次。

1.1.2   圆

画圆算法则采用了中点画圆法,这里之所以不采用 Bresenham 算法,是为了避免平方根运算,而中点画圆法可以直接采用像素与远距离的平方作为判决依据,通过检验两候选像素中点与圆周边界的相对位置关系(圆周边界的内或外)来选择像素。基本思想和上面一样,也是通过决策参数来判定下一步的点应该取在哪里。不过这里只画八分之一个圆即可,剩余部分可利用圆的对称性经过对称变换得到。

图 2

具体算法

输入圆半径 r 和圆心(xc,yc),并得到圆心在原点的圆周上的第一点为(x0,y0)=(0,r)。

计算圆周点(0,r)的初始决策参数值为:p0=5/4-r;

从 k=0 开始每个取样位置 xk 位置处完成下列检测:

若 pk<0,选择像素位置:(xk+1,yk),且:pk+1=pk+2xk+1+1;(决策参数增量计算)

若 pk> 0,选择像素位置:(xk+1,yk-1),且:pk+1=pk+2xk+1+1-2yk+1。 (决策参数增量计算)

(其中:2xk+1=2xk+2,且 2yk+1=2yk-2)。

确定在其它七个八分圆中的对称点。

将计算出的像素位置(x,y)移动到中心在(xc,yc)的圆路径上,即:对像素位置进行平移:x=x+xc,y=y+yc;

重复步骤 3 到 5,直至 x≥y。

1.1.3   椭圆

画椭圆的算法也采用了中点画椭圆法,与上面的画圆算法比较类似,不同之处主要在于决策参数计算方法不同以及区域分割方式不同。因为椭圆有长短轴之分,所以在绘制时分成四部分。以中心为原点,画完第一象限再对称变换到其他象限。第一象限中又分为两个区域,以斜率绝对值等于一为分界点。

具体算法

输入 rx、ry 和中心(xc,yc),得到中心在原点的椭圆上的第一个点:(x0,y0)=(0,ry);

计算区域 1 中决策参数的初值为:p10=ry2-rx2ry+ rx2/4

图 3

在区域 1 中每个 xk 位置处,从 k=0 开始,完成下列测试:

若 p1k<0,椭圆的下一个离散点为(xk+1,yk),且 p1k+1=p1k+2ry2xk+1+ry2。

若 p1k>0 ,椭圆的下一个离散点为(xk+1,yk-1),且 p1k+1= p1k+2ry2xk+1-2rx2yk+1+ry2。

(其中:2ry2xk+1=2ry2xk+2ry2;2rx2 yk+1=2rx2yk-2rx2,该过程循环直到:2ry2x≥2rx2y)

使用区域 1 中最后点(x0,y0)来计算区域 2 中参数初值为 p20=ry2(x0+1/2)2+rx2 (y0-1)-rx2ry2

图 4

在区域 2 的每个 yk 位置处,从 k=0 开始,完成下列检测:

若 p2k>0,椭圆下一点选为(xk,yk-1),且 p2k+1=p2k-2rx2yk+1+rx2,

否则,沿椭圆的下一个点为(xk+1,yk-1),且 p2k+1=p2k+2ry2 xk+1-2rx2 yk+1+rx2,

使用与区域 1 中相同的 x 和 y 增量计算,该过程循环直到(rx,0)

确定其它三个象限中对称的点。

将每个计算出的像素位置(x,y)平移到中心在(xc,yc)的椭圆轨迹上,并按坐标值画点: x=x+xc,y=y+yc

1.1.4   多边形

多边形就是随着鼠标的点击,不断采集新的端点并把新的点和上一个点连起来。连的方法还是 Bresenham 画直线法,此处不再赘述。

1.1.5   曲线

这里的曲线绘制的是三阶 Bézier 曲线,共有四个控制点。设它们分别为 P0~P3。

则当参数 u 从 0 变化到 1 时,

由公式:P(u)=(1-u)3P0+3u(1-u)2P1+3u2(1-u)P2+u3P3 可得到 P0~P3 所有点。控制 u 每次的增量来调整曲线的连续程度。

具体算法

for from to 1:(每次增加 0.001)

定义四个 double 值:a=(1-u)3、b=3u(1-u)2、c=3u2(1-u)、d=u3

定义点 P,使其 x=aP0x+bP1x+cP2x+dP3x;y=aP0y+bP1y+cP2y+dP3y

添加点 P 到曲线的点集

1.2   图元填充

图元填充算法有圆、椭圆、多边形三种可供填充。这里它们都使用的是扫描线算法。

1.2.1   圆

圆的填充算法较为简单,首先根据圆心的位置和端点的位置得到半径,从而计算出 miny 和 maxy。然后对 y from miny to maxy 进行遍历。根据圆的公式计算出圆与扫描线的两个交点。把两个交点中间的部分设为应该填充的点。

1.2.2   椭圆

椭圆的填充算法与圆基本相同,略微的差别在于计算 miny 与 maxy 时要根据半轴长计算。以及求交点时要根据椭圆的公式来计算。

1.2.3   多边形

多边形的填充算法采用了扫描线算法。大概思想是,找到多边形的最小 y 值和最大 y 值,然后用这个范围内的每一条水平线与多边形相交,通过得到的交点画线段,由此填充整个多边形。

具体通过交点画线段的方法是:

对存储交点的数组进行排序(从小到大)

.数组中数据两两一对,填充每对交点间的线段

于是我们所要做的只有两件事,一是求出扫描线与多边形边的交点,二是对交点数组进行排序。

对于求扫描线与多边形的交点,需要考虑到以下几个特殊情况:

扫描线与边重合

扫描线与边的交点为顶点

该顶点是局部极值,则需要被记录两次

该顶点不是局部极值的顶点,只需要被记录一次

v 判断一个顶点是否为局部极值,可以通过与顶点关联的两条边的另外两个顶点来判断,如果它们在顶点交点的同一侧,则说明是极值,否则不是极值。

1.3   图元编辑变换

1.3.1   寻找图元中点

图元中点在缩放和旋转中都体现了作用。对于直线、圆、椭圆来说,中点很好找。对于多边形和曲线,它们的中点被设为外接矩形的中点。

1.3.2   缩放

对于点(x,y),绕中点 mid 按比例 ratio 变化:

X’=xmid+(x-xmid)*ratio

Y’=ymid+(y-ymid)*ratio

如果直接把每个点进行旋转的话会产生不连续/圆滑的线条,所以应当把图元的关键点按中心缩放后,重新生成需要绘画的点集。

1.3.3   旋转

对于点(x,y)绕(xmid,ymid)旋转得到(x’,y’),基本方法是:

X’=xmid+(x-xmid)cosθ-(y-ymid)sinθ

Y’=ymid+(x-xmid)sinθ+(y-ymid)cosθ

同样地,对于每个图元,把它们的关键点绕中心旋转。然后重新生成点集。需要注意的是,椭圆每次只能旋转 90°,否则旋转后的椭圆将与之前的椭圆定义方式产生差别从而产生问题。

1.3.4   平移

平移较为简单,定义 Offset=(a,y),则:

X’=x+a;

Y’=y+b;

这里可以直接把点集加上 Offset,因为 Offset 的横纵偏移量都为整数。即使多次变换也不会积累误差。

1.3.5   裁剪

这里只实现了对于直线的裁剪。采用了梁友栋算法。

设待裁剪的线段为 AB,其中 A(x1,y1),B(x2,y2)

设变量 pi 表示第 i 侧 AB 向量从内到外/从外到内。i∈0~3,分别表示左、右、上、下边界。则:

	p0=-Δx	p1=Δx	p2=-Δy	p3=Δy

定义变量 qi 如下:

q0=x1-xwmin

q1=xwmax-x1

q2=y1-ywmin

q3=ywmax-y1

设 r=qi/pi,则 r 为直线与第 i 个边界交点对应的参数值。

设直线参数为 u,线段裁剪后的端点对应参数为 u1 与 u2,其中 u1 更小。

遍历四个方向的 p 和 q 的值

若 pi=0,说明线段与该边界平行。

若 qi<0,说明线段整个都在外部,可以直接 returfalse

否则不做处理,continue。

若 pi<0,说明 AB 从外到内穿过边界,u1 取 u1 和 r 中的较大值

若 pi>0,说明 AB 从内到外穿过边界,u2 取 u2 和 r 中的较小值

遍历结束后若 u1>u2,则说明整个线段都不在窗口内。可以直接舍弃。否则保留该区间之内的线段。

1.4   三维 off 模型载入

直接调用了 qt 的 QGLWidget 的相关库函数,重写了 initializeGL、ResizeGL 等函数。没有用到需要自己实现的算法。

2   系统设计

2.1   环境构建

项目的开发环境如下所示:

操作系统

Windows 10 家庭中文版

编程语言

C++ 11

外部库

Qt 5.4,OpenG2.7

编译器

MinGW 4.9.1 32bit

IDE

Qt Creator 3.3.0

2.2   整体结构概述

系统主要分为两个版块,图形板块与操作板块。其中图形板块主要负责图元的定义与编辑/平移等功能的实现。操作板块则负责对图元进行显示、对一些操作进行触发等。

2.2.1   图形版块

图形版块定义了基本图形类 figure,其余各个图形都继承自 figure。

figure 存储了图元的形状、顶点集合、所有点集合、颜色、中心点、是否在编辑状态、是否填充等信息。

figure 里定义了平移、旋转、编辑等公共操作的虚函数,具体到每个图元会再由图元自身的类对这些功能进行实现。

2.2.2   操作版块

操作板块对应了一个继承自 QLWindow 的类:window。

window 里的主要成员变量如下,包括了所需的画布、画笔、绘画过程中的一些关键点、当前颜色、所有图形的集合、当前绘制图形、当前绘图模式等信息。

window 里主要的成员函数如下,分别用来画某个图形的点集、顶点集、中心点。

window 里的消息处理函数分为两类

菜单消息处理函数,每当点击菜单的某个按钮后,切换当前绘图模式,也就是改变 mode 的值。

鼠标事件处理函数

鼠标事件处理函数包括了按键的点击、移动释放等。每当发生相应事件后,根据当前的模式(mode 的值),进行相应操作。

3   性能测试

性能测试主要指的是各个功能是否顺利实现,而具体功能的测试已经在使用说明中给出。此处不再赘述。

4   结束语

经过本学期的学习,最终实现了一个完整的可执行的图形绘制系统。实践过程中对各种算法有了更深的理解,同时 qt 的 gui 编程也遇到了一些问题,最终解决问题后对 qt 的消息处理机制、三维绘制也有了了解。总的来说还是通过这个作业学到了很多知识。

相关文章:

基于QT(C++)实现绘图程序

绘图程序 1 核心算法 1.1 图元生成 1.1.1 直线 画直线的算法采用了课上讲到的 Bresenhan 算法&#xff0c;采用整数增量运算&#xff0c;精确而有效的光栅设备生成算法。 基本思想是&#xff1a;当直线斜率的绝对值小于 1 时&#xff0c;从左端点开始作为起点&#…...

深入剖析ReLU激活函数:特性、优势与梯度消失问题的解决之道,以及Leaky ReLU 和 Parametric ReLU

深入剖析ReLU激活函数&#xff1a;特性、优势与梯度消失问题的解决之道 在深度学习领域&#xff0c;激活函数的选择直接影响神经网络的训练效果和性能。整流线性单元&#xff08;Rectified Linear Unit&#xff0c;简称ReLU&#xff09;因其简单性、高效性以及对梯度消失问题的…...

vscode设置console.log的快捷输出方式

vscode设置console.log的快捷输出方式 编辑器中输入clg回车&#xff0c;可以直接输出console.log&#xff0c;并且同步输出变量的字符串和值 1、打开vscode点击左上角的文件 2、找到首选项 3、点击用户代码配置 4、在顶部输入框种输入javas&#xff0c;选择JavaScript选项 5、…...

服务注册/服务发现-Eureka

目录 1.引言&#xff1a;如果一个父项目中有多个子项目&#xff0c;但是这些子项目如何如何相互调用彼此的业务呢&#xff1f; 2.什么是注册中心 3.CAP理论 4.EureKa 5.服务注册 6.服务发现 7.负载均衡 1.引言&#xff1a;如果一个父项目中有多个子项目&#xff0c;但是…...

【机器学习】什么是随机森林?

什么是随机森林&#xff1f; 随机森林&#xff08;Random Forest&#xff09;是一种集成学习方法&#xff0c;它通过组合多个决策树来提高预测的准确性和鲁棒性。可以把随机森林看作是“森林”&#xff0c;而森林中的每棵树就是一个决策树。每棵树独立地做出预测&#xff0c;最…...

【Rust】一文掌握 Rust 的详细用法(Rust 备忘清单)

文章目录 入门配置 vscode 调试Hello_World.rs原始类型格式化打印风格变量注释函数声明宏元变量结构体元组结构体单元结构体 语句与表达式语句表达式 区间表达式 Rust 类型类型别名整数浮点数布尔值字符字符串字面量数组切片元组 Rust 字符串字符串字面量字符串对象.capacity()…...

为什么后端接口返回数字类型1.00前端会取到1?

这得从axios中得默认值说起&#xff1a; Axios 的 transformResponse axios 在接收到服务器的响应后&#xff0c;会通过一系列的转换函数&#xff08;transformResponse&#xff09;来处理响应数据&#xff0c;使其适合在应用程序中使用。默认情况下&#xff0c;axios 的 tran…...

单片机串口打印调试信息②

在STM32开发中&#xff0c;使用串口&#xff08;UART&#xff09;打印调试信息是调试嵌入式程序的核心手段。以下是基于STM32 HAL库的详细实现步骤和调试策略&#xff1a; 一、硬件准备 硬件连接&#xff1a; STM32开发板&#xff1a;以STM32F4系列为例&#xff0c;选择任意UAR…...

Windows下安装常用软件--MySQL篇

Windows下安装常用软件--MySQL篇 文章说明安装指导安装MySQL脚本 资料下载 文章说明 记录一下Windows下安装zip版的MySQL&#xff0c;采用简洁的方式安装&#xff0c;便于学习使用&#xff1b;作为对该篇文章的修正与完善&#xff08;MySQL 关于 zip安装&#xff09; 安装指导 …...

Qt 高效读写JSON文件,玩转QJsonDocument与QJsonObject

一、前言 JSON作为轻量级的数据交换格式&#xff0c;已成为开发者必备技能。Qt框架为JSON处理提供了完整的解决方案&#xff0c;通过QJsonDocument、QJsonObject和QJsonArray三大核心类&#xff0c;轻松实现数据的序列化与反序列化。 JSON vs INI 特性JSONINI数据结构支持嵌…...

计算机网络——数据链路层的功能

目录 物理链路 逻辑链路 封装成帧&#xff08;组帧&#xff09; 帧定界 透明传输 SDU 差错控制 可靠传输 流量控制 介质访问控制 主机需要实现第一层到第五层的功能&#xff0c;而路由器这种节点只需要实现第一层到第三层的这些功能 假设左边用户需要给右边用户发送…...

第60天:Web攻防-XSS跨站文件类型功能逻辑SVGPDFSWFPMessageLocalStorage

#知识点 1、Web攻防-XSS跨站-文件类型-html&pdf&swf&svg 2、Web攻防-XSS跨站-功能逻辑-postMessage&localStorage 术语&#xff1a;上传xss->其实就是将有恶意js代码的各类文件&#xff08;swf,pdf,svg,html.xml等&#xff09;上传->访问该文件->让浏…...

C/C++都有哪些开源的Web框架?

CppCMS CppCMS是一个采用C语言开发的高性能Web框架&#xff0c;通过模版元编程方式实现了在编译期检查RESTful路由系统&#xff0c;支持传统的MVC模式和多种语言混合开发模式。 CppCMS最厉害的功能是WebSocket&#xff0c;10万连接在内存中长期保存占用的大小不超过600MB&…...

RISC-V AIA学习2---IMSIC

我在学习文档这章时&#xff0c;对技术术语不太理解&#xff0c;所以用比较恰当的比喻来让自己更好的理解。 比较通俗的理解&#xff1a; 将 RISC-V 系统比作一个工厂&#xff1a; hart → 工厂的一条独立生产线IMSIC → 每条生产线配备的「订单接收员」MSI 中断 → 客户通过…...

2024年MathorCup数学建模B题甲骨文智能识别中原始拓片单字自动分割与识别研究解题全过程文档加程序

2024年第十四届MathorCup高校数学建模挑战赛 B题 甲骨文智能识别中原始拓片单字自动分割与识别研究 原题再现&#xff1a; 甲骨文是我国目前已知的最早成熟的文字系统&#xff0c;它是一种刻在龟甲或兽骨上的古老文字。甲骨文具有极其重要的研究价值&#xff0c;不仅对中国文…...

Python----计算机视觉处理(Opencv:霍夫变换)

一、霍夫变换 霍夫变换是图像处理中的一种技术&#xff0c;主要用于检测图像中的直线、圆或其他形状。其基本思想就是将图像空间中的点映射到参数空间中&#xff0c;通过在参数空间中寻找累计最大值来实现对特定形状的检测。 二、 霍夫直线变换 那么对于一个二值化后的图形来说…...

多语言生成语言模型的少样本学习

摘要 大规模生成语言模型&#xff0c;如GPT-3&#xff0c;是极具竞争力的少样本学习模型。尽管这些模型能够共同表示多种语言&#xff0c;但其训练数据以英语为主&#xff0c;这可能限制了它们的跨语言泛化能力。在本研究中&#xff0c;我们在一个涵盖多种语言的语料库上训练了…...

k8s存储介绍(二)Secret

Kubernetes&#xff08;K8s&#xff09;提供了一种安全的方式来存储和管理敏感信息&#xff0c;如密码、OAuth 令牌和 SSH 密钥&#xff0c;这就是 Secret。使用 Secret 可以避免将敏感数据硬编码到 Pod 规范或容器镜像中&#xff0c;从而提高安全性和可管理性。 1. Secret 的…...

代理IP与AI的碰撞:网络安全新防线解码

目录 一、代理IP&#xff1a;网络世界的“隐形斗篷” 二、AI加持&#xff1a;代理IP的“智能升级包” 三、协同作战&#xff1a;五大核心应用场景 场景1&#xff1a;智能风控系统 场景2&#xff1a;跨境电商竞品分析 场景3&#xff1a;智能汽车安全测试 场景4&#xff1a…...

QT开发(4)--各种方式实现HelloWorld

目录 1. 编辑框实现 2. 按钮实现 前面已经写过通过标签实现的了&#xff0c;所以这里就不写了&#xff0c;通过这两个例子&#xff0c;其他的也是同理 1. 编辑框实现 编辑框分为单行编辑框&#xff08;QLineEdit&#xff09;双行编辑框&#xff08;QTextEdit&#xff09;&am…...

UniApp 生命周期钩子的应用场景

UniApp 生命周期钩子的应用场景 应用生命周期钩子的应用场景 onLaunch 应用初始化&#xff1a;在应用第一次启动时进行全局数据的初始化&#xff0c;比如设置全局配置信息、初始化用户登录状态等。例如&#xff0c;在应用启动时检查本地存储中是否有用户的登录信息&#xff0…...

macOS 安装 Miniconda

macOS 安装 Miniconda 1. Quickstart install instructions2. 执行3. shell 上初始化 conda4. 关闭 终端登录用户名前的 base参考 1. Quickstart install instructions mkdir -p ~/miniconda3 curl https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh -o…...

可发1区的超级创新思路(python\matlab实现):基于周期注意力机制的TCN-Informer时间序列预测模型

首先声明,该模型为原创!原创!原创!且该思路还未有成果发表,感兴趣的小伙伴可以借鉴! 一、应用场景 该模型主要用于时间序列数据预测问题,包含功率预测、电池寿命预测、电机故障检测等等 二、模型整体介绍(本文以光伏功率预测为例) 1.1 核心创新点 本模型通过三阶段…...

Nordic Semiconductor 芯片(如 nRF52/nRF53 系列)的 VSCode 开发环境的步骤

目录 概述 1. 安装必要工具链 2. 安装 VSCode 扩展 3. 配置环境变量 4. 克隆/配置 Nordic SDK 5. 创建 VSCode 项目 6. 配置调试 7. 构建与烧录 8. 其他工具 总结 概述 本文主要介绍Nordic Semiconductor 芯片&#xff08;如 nRF52/nRF53 系列&#xff09;的 VSCode…...

Flutter 输入组件 Radio 详解

1. 引言 在 Flutter 中&#xff0c;Radio 是用于单选的按钮组件&#xff0c;适用于需要用户在多个选项中选择一个的场景&#xff0c;如表单、设置选项等。Radio 通过 value 和 groupValue 进行状态管理&#xff0c;并结合 onChanged 监听选中状态的变化。本文将介绍 Radio 的基…...

3.23学习总结

完成了组合Ⅲ&#xff0c;和电话号码的字母组合两道算法题&#xff0c;都是和回溯有关的&#xff0c;很类似。 学习了static的关键字和继承有关知识...

Spring Boot整合Activiti工作流详解

1. 概述 Spring Boot与Activiti的整合可以大大简化工作流应用的开发。Spring Boot提供了自动配置和依赖管理,而Activiti则提供了强大的工作流功能。通过整合,我们可以快速构建基于工作流的业务系统。 本文将详细介绍Spring Boot与Activiti的整合方法,并通过一个请假流程的…...

C# System.Text.Encoding 使用详解

总目录 前言 在C#编程中&#xff0c;处理字符串和字节数组之间的转换是一个常见的任务。System.Text.Encoding类及其派生类提供了丰富的功能&#xff0c;帮助开发者实现不同字符编码之间的转换。本文将详细讲解System.Text.Encoding类的使用方法&#xff0c;包括常用编码的介绍…...

力扣刷题-热题100题-第23题(c++、python)

206. 反转链表 - 力扣&#xff08;LeetCode&#xff09;https://leetcode.cn/problems/reverse-linked-list/solutions/551596/fan-zhuan-lian-biao-by-leetcode-solution-d1k2/?envTypestudy-plan-v2&envIdtop-100-liked 常规法 记录前一个指针&#xff0c;当前指针&am…...

机器学习-基于KNN算法手动实现kd树

目录 一、概括 二、KD树的构建流程 1.循环选轴 2.选择分裂点 三、kd树的查询 1.输入我们要搜索的点 2.递归向下遍历&#xff1a; 3.记录最近点 4.回溯父节点&#xff1a; 四、KD树的优化与变种&#xff1a; 五、KD树代码&#xff1a; 上一章我们将了机器学习-手搓KN…...