热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

ActionScript3游戏中的图像编程(连载九十三,第4章完)

总目录:http:blog.csdn.netiloveas2014articledetails383044774.5.7 卷积矩阵的高级技巧及其原理     很多图形学教程

总目录:http://blog.csdn.net/iloveas2014/article/details/38304477

4.5.7 卷积矩阵的高级技巧及其原理

      很多图形学教程或者书籍都习惯于在给出矩阵公式以后就直接列出几个常用的,并且看起来比较有趣的滤镜效果,这是“授之以鱼”的做法,而笔者更倾向于“授之以渔”,所以,我不打算沿用他们的套路,而是打算通过介绍算法技巧使笔者在阅读完本节之后可以学以致用,举一反三。

      网上那些老掉牙的例子都比较倾向于用方阵,所以此处笔者打算先制作一个行数和列数不等的阵来制作效果,比如下面的代码就创建了一个15*1的模糊矩阵:

var con:COnvolutionFilter= new ConvolutionFilter(15, 1, [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1], 15, 0, false);


 

      这个卷积滤镜的运行结果如图 4.73所示,它只在x方向上模糊。可以看到比较明显的振铃现象。

,

图 4.73 15*1的矩阵

      虽然它对于模糊来说并不友好,但这并不代表它一无是处,而且有时我们还更加希望振铃的感觉更加明显。

      我们已经知道,振铃是模糊区域过大,轮廓出现交叉所致,那么,我们可以利用这一点加强这种振荡的效果:

var con:COnvolutionFilter= new ConvolutionFilter(15, 1, [1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1], 8, 0, false);

      交叉读取周边像素,会使像素的交互产生跳跃式的融合,振铃现象得到进一步的增强,就像弹簧片或者橡皮条在振动一样(图 4.74)。

 ,

图 4.74 交叉融合的矩阵


      这样的图虽然没啥美观度可言,但您可以把它放到一些趣味百科的专题网站,论坛或者微薄上给网民们普及振铃方面的知识,因为这张静态图可以使肉眼产生振动的错觉,有一定的奇妙之处。

      言归正传,振动只引起x方向的模糊显得有点不自然,我们希望y方向也有一定程度的模糊,比如上下1像素,这时候我们就可以在现有基础上将其扩展为15*3的矩阵:

var con:COnvolutionFilter= new ConvolutionFilter(45, 1, 
[1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 
1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 
1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1], 
24, 0, false);


 

      但可惜我们并没有如愿实现y方向模糊的效果,取而代之的是色彩的变淡(图 4.75)。

 ,

图 4.75 y方向扩展到3

      原因很好找,就是因为中间像素点与左上方,右下方等位置的像素也进行了融合,所以结果显示出来会比原来模糊,但不设置上下方的像素,又无法在y方向上进行模糊,怎么办?

      遇到这种两者相互冲突的情况,笔者最喜欢做的事情就是尽可能地把两个行为进行分离,避免让它们之间直接接触,此处我继续沿用此法,具体的实现自然就是多定义一个纵向的卷积滤镜了。

var con:COnvolutionFilter= new ConvolutionFilter(15, 1, [1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1], 9, 0, false); 
var con2:COnvolutionFilter= new ConvolutionFilter(1, 3, [1, 1, 1], 3, 0, false);
main_txt.filters = [bev, con, con2];


 

      得到的结果非常干净,如图 4.76所示。

,

图 4.76 将纵横两方向分离

      如果觉得纵向模糊幅度太小,就可以将第二个卷积滤镜的高度调大一些,比如9:

var con2:COnvolutionFilter= new ConvolutionFilter(1, 5, [1, 1, 1, 1, 1], 5, 0, false);

      得到的效果如图 4.77所示。

,

图 4.77 y方向继续拉长

      矩阵的乘法将单像素通道间的数据有机结合在一起,而卷积更是充分调度了像素间的数据交互,增强了程序对色彩的可控性,给设计者提供了更广阔的发展空间,矩阵数学的艺术性再次得到了充分的体现。

ActionScript3游戏中的图像编程(连载九十三,第4章完)


推荐阅读
  • 本文介绍了lua语言中闭包的特性及其在模式匹配、日期处理、编译和模块化等方面的应用。lua中的闭包是严格遵循词法定界的第一类值,函数可以作为变量自由传递,也可以作为参数传递给其他函数。这些特性使得lua语言具有极大的灵活性,为程序开发带来了便利。 ... [详细]
  • 本文介绍了使用Java实现大数乘法的分治算法,包括输入数据的处理、普通大数乘法的结果和Karatsuba大数乘法的结果。通过改变long类型可以适应不同范围的大数乘法计算。 ... [详细]
  • HDU 2372 El Dorado(DP)的最长上升子序列长度求解方法
    本文介绍了解决HDU 2372 El Dorado问题的一种动态规划方法,通过循环k的方式求解最长上升子序列的长度。具体实现过程包括初始化dp数组、读取数列、计算最长上升子序列长度等步骤。 ... [详细]
  • 本文介绍了C#中数据集DataSet对象的使用及相关方法详解,包括DataSet对象的概述、与数据关系对象的互联、Rows集合和Columns集合的组成,以及DataSet对象常用的方法之一——Merge方法的使用。通过本文的阅读,读者可以了解到DataSet对象在C#中的重要性和使用方法。 ... [详细]
  • 本文介绍了OC学习笔记中的@property和@synthesize,包括属性的定义和合成的使用方法。通过示例代码详细讲解了@property和@synthesize的作用和用法。 ... [详细]
  • 本文介绍了在SpringBoot中集成thymeleaf前端模版的配置步骤,包括在application.properties配置文件中添加thymeleaf的配置信息,引入thymeleaf的jar包,以及创建PageController并添加index方法。 ... [详细]
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
  • 本文详细介绍了Linux中进程控制块PCBtask_struct结构体的结构和作用,包括进程状态、进程号、待处理信号、进程地址空间、调度标志、锁深度、基本时间片、调度策略以及内存管理信息等方面的内容。阅读本文可以更加深入地了解Linux进程管理的原理和机制。 ... [详细]
  • 后台获取视图对应的字符串
    1.帮助类后台获取视图对应的字符串publicclassViewHelper{将View输出为字符串(注:不会执行对应的ac ... [详细]
  • 《数据结构》学习笔记3——串匹配算法性能评估
    本文主要讨论串匹配算法的性能评估,包括模式匹配、字符种类数量、算法复杂度等内容。通过借助C++中的头文件和库,可以实现对串的匹配操作。其中蛮力算法的复杂度为O(m*n),通过随机取出长度为m的子串作为模式P,在文本T中进行匹配,统计平均复杂度。对于成功和失败的匹配分别进行测试,分析其平均复杂度。详情请参考相关学习资源。 ... [详细]
  • 高质量SQL书写的30条建议
    本文提供了30条关于优化SQL的建议,包括避免使用select *,使用具体字段,以及使用limit 1等。这些建议是基于实际开发经验总结出来的,旨在帮助读者优化SQL查询。 ... [详细]
  • 本文讨论了Alink回归预测的不完善问题,指出目前主要针对Python做案例,对其他语言支持不足。同时介绍了pom.xml文件的基本结构和使用方法,以及Maven的相关知识。最后,对Alink回归预测的未来发展提出了期待。 ... [详细]
  • 本文讨论了如何优化解决hdu 1003 java题目的动态规划方法,通过分析加法规则和最大和的性质,提出了一种优化的思路。具体方法是,当从1加到n为负时,即sum(1,n)sum(n,s),可以继续加法计算。同时,还考虑了两种特殊情况:都是负数的情况和有0的情况。最后,通过使用Scanner类来获取输入数据。 ... [详细]
  • 动态规划算法的基本步骤及最长递增子序列问题详解
    本文详细介绍了动态规划算法的基本步骤,包括划分阶段、选择状态、决策和状态转移方程,并以最长递增子序列问题为例进行了详细解析。动态规划算法的有效性依赖于问题本身所具有的最优子结构性质和子问题重叠性质。通过将子问题的解保存在一个表中,在以后尽可能多地利用这些子问题的解,从而提高算法的效率。 ... [详细]
  • Java验证码——kaptcha的使用配置及样式
    本文介绍了如何使用kaptcha库来实现Java验证码的配置和样式设置,包括pom.xml的依赖配置和web.xml中servlet的配置。 ... [详细]
author-avatar
syingjin
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有