首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

《Cocos2D权威指南》——3.5 CCTexture纹理类「建议收藏」

游戏运行中,所有图像文件(PNG、PVR)都被加载成GPU可以理解的OpenGL ES纹理,而精灵则对应着这些纹理图。Cocos2D内置一个纹理缓存管理器(CCTextureCache)来保存这些纹理图,这样可以极大加速创建新精灵,并充分利用已有的纹理图。不利的是,如果收到内存警报,Cocos2D会将当前未使用的纹理图(即引用计数为1的纹理图)全部从内存中清除。 首先我们了解一下和纹理相关的概念。 3.5.1 纹理和纹理图集 所有游戏角色都是以图像的形式存储在iPhone和iPad设备的内存中,通常使用的格式是PNG或JPEG。这些图像一旦被加载入内存,它们将以一种未压缩的纹理格式来存储。PNG是苹果官方推荐的用于iOS设备的图像存储格式。 1 . 纹理(Texture) 游戏角色的图像文件在使用前必须解压缩,并转换成iPhone和iPad的GPU可以理解的格式,同时要加载进RAM(随机存储器),这样的图像称为纹理。GPU原生支持一系列压缩格式,如PVRTC,其他格式必须存储为未压缩的图像数据。OpenGL ES可以使用这些数据在屏幕上绘制图像,所使用的PNG图像文件虽然在闪存中不占用多少空间,但是因为要解压缩,所以会在内存中占用更大的空间。 2 . 纹理图集(TextureAtlas) 对于iPhone和iPad设备而言,内存是非常宝贵的。而且iOS设备的GPU使用共享显存,而不是独立显存,换句话说,GPU将使用主系统的内存来存储纹理图和几何图形。旧版iOS设备的内存是128MB。 让这种内存限制更捉襟见肘的是,旧版iOS设备中,图像填充到纹理中时,其长度和宽度必须使用2的乘方。虽然iPhone 3GS和iPhone 4、iPad等设备支持非2的乘方大小的纹理图,但在Cocos2D中,为了兼容所有设备,仍然使用2的乘方来填充纹理。当然,也可以在ccConfig.h文件中修改这一点。 为了节省内存空间,并减少纹理中的浪费空间,将把这些纹理拼合成为一个大的纹理图,称为纹理图集。纹理图集只是一个大的纹理图而已,其中包含所有的图像。想象有一大张纸,然后把自己的照片都贴在上面,在需要时从纸上把照片剪下来。如果想把所有照片一次性给别人,只需给这一大张纸就行,而不需一张张地递过去。OpenGL ES处理图像也是类似,如果使用纹理图集或精灵表单(Spritesheet)把所有图像一次性交给OpenGL ES来处理,比把单个图像逐个交给OpenGL ES处理要高效。 下面大致介绍CCTexture2D、CCTextureCache和CCTextureAtlas这三个纹理类。 3.5.2 CCTexture2D、CCTextureCache和CCTextureAtlas 在Cocos2D中,使用CCTexture2D(纹理)从图片、文本或源数据中创建OpenGL 2D纹理,所创建的纹理对象使用2的乘方来填充。根据创建CCTexture2D对象的方法不同,纹理的真实图片大小可能和纹理大小略有差异。另外需要注意的是,纹理内容通常是上下颠倒的!关于该类的更多内容,可以参考CCTexture2D.h。 CCTextureCache(纹理缓存)作为单例使用,用于加载和管理纹理。一旦纹理加载完成,下次使用时可使用它返回之前加载的纹理,从而减少对GPU和CPU内存的占用。关于该类的更多内容,大家可以参考CCTextureCache.h。 CCTextureAtlas(纹理图集)用来实现纹理图集。纹理图文件可以是PVRTC、PNG或任何Texture2D所支持的文件类型。CCTextureAtlas(纹理图集)可以对纹理图集的矩形进行实时的更新、添加、删除或重排序。关于该类的更多内容,大家可以参考CCTextureAtlas.h。 在Cocos2D的开发中,CCTexture2D和CCTextureCache在多个方法中都有体现,以CCSprite类的初始化方法之一为例:

01

极具应用潜力的ECoG电极:基于PDMS的柔性电极,可用于长期体内记录

基于柔性材料的皮层电图(ECoG)电极阵列是一种优秀的选择,特别是聚二甲基硅氧烷(PDMS)材料。这种材料具有更好的保形接触植入能力,并且其物理特性接近生物组织,对组织的不良影响较小。然而,在PDMS上实现微米级的电极是一项挑战。过去的研究提出了使用对二甲苯处理过的PDMS来解决这个问题,并且在急性体内实验中取得了成功。本研究制作了基于对二甲苯处理过的PDMS的ECoG电极阵列,并首次从稳定性和可靠性方面进行了评估,通过长达8个月的时间进行了加速老化研究。实验结果表明,这种电极阵列能够记录体感诱发电位,并且在非人类灵长类动物身上进行长达3个月的慢性记录也是可行的。根据研究结果得出结论,基于PDMS的电极有很大的潜力用于开发各种生物集成电子设备,并具有长期稳健性。

01

Nucleic Acids Res. | 一种灵活的、可解释的、精确的插补未测量基因表达的方法

今天给大家介绍密歇根州立大学Arjun Krishnan教授等人发表在Nucleic Acids Research上的一篇文章 “A flexible, interpretable, and accurate approach for imputing the expression of unmeasured genes”。虽然生物学领域中有超过200万个公开可用的人类微阵列基因表达谱,但这些谱是通过各种平台进行测量的,每个平台都覆盖一组预先定义的、有限的基因。因此,重新分析和整合这一海量数据收集的关键是通过插补未测量基因的表达,在部分测量的微阵列样品中重组整个转录组的方法。目前最先进的插补方法是针对特定平台的样本进行定制的,并依赖于基因-基因关系,不考虑目标样本的生物学背景。本文表明,为每个新的目标样本实时构建的捕获样本-样本关系 (称为样本弹性) 的稀疏回归模型,优于基于固定基因关系的模型。基于三种机器学习算法 (LASSO、k近邻和深度神经网络)、两个基因子集 (GPL96-570和LINCS) 和多个插补任务 (微阵列/RNA-seq数据集内和跨数据集) 的广泛评估表明SampleLASSO是最精确的模型。此外,本文证明了该方法的生物学可解释性:为了插补来自特定组织的一个目标样本,SampleLASSO自动利用了来自同一组织的训练样本。因此,SampleLASSO是一种简单,但强大而灵活的协调大规模基因表达数据的方法。

01

EmguCV 常用函数功能说明「建议收藏」

大家好,又见面了,我是你们的朋友全栈君。AbsDiff,计算两个数组之间的绝对差。 dst(I)c = abs(src1(I)c-src2(I)c)。所有数组必须具有相同的数据类型和相同的大小(或ROI大小)。 累加,将整个图像或其所选区域添加到累加器和。 累积产品,将2张图像或其选定区域的产品添加到累加器中。 AccumulateSquare,将输入src或其选定的区域,增加到功率2,添加到累加器sqsum。 累积权重,计算输入src和累加器的加权和,以使acc成为帧序列的运行平均值:acc(x,y)=(1-alpha)* acc(x,y)+ alpha * image(x,y )如果mask(x,y)!= 0,其中alpha调节更新速度(累加器对于先前帧的多少速度).. 自适应阈值,将灰度图像转换为二进制图像。每个像素单独计算的阈值。对于方法CV_ADAPTIVE_THRESH_MEAN_C,它是blockSize x blockSize像素邻域的平均值,由param1减去。对于方法CV_ADAPTIVE_THRESH_GAUSSIAN_C,它是blockSize x blockSize像素邻域的加权和(高斯),由param1减去。 添加,将一个数组添加到另一个数组:dst(I)= src1(I)+ src2(I)if mask(I)!= 0所有数组必须具有相同的类型,除了掩码和大小(或ROI)尺寸)。 AddWeighted,计算的两个数组的加权和如下:dst(I)= src1(I)* alpha + src2(I)* beta + gamma所有的数组必须具有相同的类型和相同的大小(或ROI大小)。 ApplyColorMap,将颜色映射应用于图像。 ApproxPolyDP,近似具有指定精度的多边形曲线。 ArcLength,计算轮廓周长或曲线长度。 ArrowedLine,绘制从第一个点指向第二个点的箭头段。 BilateralFilter,将双边滤镜应用于图像。 BitwiseAnd,并计算两个数组的每元素的逐位逻辑连接:dst(I)= src1(I)&src2(I)if mask(I)!= 0在浮点数组的情况下,使用它们的位表示为了操作。所有阵列必须具有相同的类型,除了掩码和大小相同。 BitwiseNot,反转每个数组元素的每一位:。 BitwiseOr,计算两个数组的每元素逐位分离:dst(I)= src1(I)| src2(I)在浮点数组的情况下,它们的位表示用于操作。所有阵列必须具有相同的类型,除了掩码和大小相同。 BitwiseXor,计算两个数组的每元素的逐位逻辑连接:dst(I)= src1(I)^ src2(I)if mask(I)!= 0在浮点数组的情况下,使用它们的位表示为了操作。所有阵列必须具有相同的类型,除了掩码和大小相同。 模糊,使用归一化的盒式过滤器模糊图像。 BoundingRectangle,返回2d点集的右上角矩形。 BoxFilter,使用框过滤器模糊图像 BoxPoints(RotatedRect),计算输入2d框的顶点。 BoxPoints(RotatedRect,IOutputArray),计算输入2d框的顶点。 CalcBackProject,计算直方图的反投影。 CalcCovar矩阵,计算一组向量的协方差矩阵。 CalcGlobalOrientation,计算所选区域中的一般运动方向,并返回0到360之间的角度。首先,函数构建方向直方图,并将基本方向作为直方图最大值的坐标。之后,该函数计算相对于基本方向的移位,作为所有方向向量的加权和:运动越近,权重越大。得到的角度是基本方向和偏移的圆和。 CalcHist,计算一组数组的直方图 CalcMotionGradient,计算mhi的导数Dx和Dy,然后计算梯度取向为:方向(x,y)= arctan(Dy(x,y)/ Dx(x,y)),其中Dx(x,y)考虑Dy(x,y)“符号(如cvCartToPolar函数)。填写面罩后,指出方向有效(见delta1和delta2说明).. CalcOpticalFlowFarneback(IInputArray,IInputArray,IInputOutputArray,Double,Int32,Int32,Int32,Int32,Double,OpticalflowFarnebackFlag),使用Gunnar Farneback算法计算密集的光流。 CalcOpticalFlowFarneback(Image <Gray,Byte>,Image <Gray,Byte>,Image <Gray,Single>,Image <Gray,Single>,Double

02
领券