gpt4 book ai didi

具体1位位图坐标转换算法

转载 作者:塔克拉玛干 更新时间:2023-11-03 06:39:42 24 4
gpt4 key购买 nike

我知道 Stack Overflow 是一个人口稠密的地方,所以我会尽量让自己简短。我是一名业余程序员,在编码世界的小众市场中工作;我在外面的经验非常有限。

我的困境是:我有一个 1 位二维矩阵,由任意数据组成,用于表示屏幕上的开/关像素。想象一个例子:

11110111101111111100
10111111111111111111
11011111111111011111
11111010111111111111
11111111011111111111
11111111111100011111
11111011011110001101

对于我的确切目的来说,这确实是一个糟糕的例子,但它可以解决问题 O.K.作为一名程序员,我查看了这个图像数据矩阵,并考虑了无损压缩的方法,也许可以压缩成更小的一维矩阵。我意识到定义“开”像素的大部分元素(这种区别是相当随意的,“开”像素的显示“关闭”以创建图像与“关闭”像素的显示“打开”相同创建相同的图像)可能会被一个人的眼睛识别为“开”像素的实心矩形。考虑:

11110111101111111100
10111111111111111111
11011111111111011111
xxxxx010111111111111
xxxxx111011111111111
xxxxx111111100011111
xxxxx011011110001101

存储定义“on”像素元素的矩形部分的矩形的坐标(然后将这些坐标顺序存储在一维数组中)似乎是解决此问题的最佳方法,以便稍后重绘相同的图像,我可能只是扫描生成的一维数组并绘制所有矩形。

我的问题是:是否存在执行这种特定类型转换的最有效的方法或算法?为此,请考虑 Bresenham 的线算法,它可以说是最有效的它的作用,以及许多其他算法。

由于我的无知超出了我的专业范围,我想假设存在过多的像这样的小算法挑战,几十年前由疯狂的计算机科学家解决,如今他们周围都是磁带和真空管。这似乎是我经常遇到的许多算法障碍的情况,也就是说,它们在我出现之前就已经解决了。

最佳答案

图像压缩从来都不是精确的。压缩级别在很大程度上取决于图像本身。所以,即使你巧妙地“发现”了一种新算法,它有时会成功,有时它会做得很差。
这是由于每张图片的性质中的一些随机因素造成的。

有一个旧的但仍然有效的站点,其中包含值信息:CFAQ

关于您的“矩形”算法,有一些接近它的东西:PCIF algorithm

关于具体1位位图坐标转换算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52918282/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com