问题标签 [rasterizing]

我正在尝试渲染圆角三角形以提高性能。为了说明我的意思，请看下图：

我在 CPU 中尝试过，现在有没有办法以某种方式将此算法移动到 GPU 上？我可以更改调用片段着色器的方法代码吗？

顺便说一句，如果我能做到，那么我需要重新制作成哪种编程语言？

我正在使用只有 20GB-30GB 内存带宽的 OpenGL 2.1 GPU。

我需要将曲线光栅化为像素的算法

例如 http://i54.tinypic.com/ffc0n9.png

我尝试对控制点应用 DDA 线算法，但没有给出好的结果。我也尝试放大曲线（例如 3 次），然后将其近似为 3x3 矩形，但结果仍然不太好。

对于一篇文章，我正在生成变形的有限元网格图，我使用 matplotlib 的 polycollection 对其进行可视化。图像保存为 pdf。

高密度网格会出现问题，天真的方法会导致文件太大并且渲染过于密集而无法实用。

对于这些网格，将每个元素绘制为多边形确实没有意义；它可以很容易地被光栅化，就像将图像保存为 jpg 或 png 一样。但是，对于打印，我想保留一个清晰的框架、标签和注释。

有谁知道是否有可能在 matplotlib 中实现这种混合光栅化？

我可以想到涉及 imshow 和绕过 polycollection 的解决方案，但我更喜欢使用 matplotlib 的内置组件。

谢谢你的建议。

已经提出了类似的问题，并且问题的原因很好理解，我要求的是替代方案或解决方法：

我想做的是从画布上获取一个数据 URL，该画布上绘制了一个 SVG 文档。我已经尝试了各种方法，但只要 SVG 靠近画布，IE9 和 Chrome 就不会让我拥有那个 URL。

我试过了：

• Canvg（不支持我需要的一切）
• 将 svg 文件直接绘制到画布上 (content.drawImage(svg, 0 0))
• 创建整个 svg 文档的 base64 字符串，使其成为 an 的源，然后将该图像绘制到画布上。
• 将 svg 保存到文件，设置 src 属性以指向文件（在同一域上），然后将其绘制到画布上

我的想法不多了。

是否有类似的库可以尝试将 svg 栅格化？在绘制之前我是否可以将 SVG 转换为其他东西，这样画布就永远不会知道 SVG 参与其中？是否有一种非常简单的方法可以使用 PHP 或类似的东西在服务器端进行转换？

我从 worldwildlife.org 下载了世界陆地生态区的 shapefile。该文件可以在这里加载：http ://worldwildlife.org/publications/terrestrial-ecoregions-of-the-world 。

它是一个标准的形状文件，我想用它做两件事。首先：从我的本地目录中获取 shapefile 并将其剪辑到北美东部的范围内（ext= extent (-95, -50, 24, 63)）

我确信我必须使用“raster”包中的 rasterize 函数，但我仍然无法让它正常工作。我将不胜感激有关如何执行此操作的任何建议。

我正在研究透视投影，我偶然发现了这个概念：

基本上它说如果我有一个点（x，y，z），我可以通过这样做将它投影到我的透视屏幕（相机空间）中

我不明白为什么 x' = x/z 或 y' = y/z

我正在尝试使用透视相机将世界空间坐标转换为屏幕坐标。基本上我有这种情况：

我在 z=0 处有近平面，在 z=1 处有远平面，现在我试图从 xyz 坐标中获取 x' y' 和 z' 坐标。因为我可以使用相似的三角形属性，所以我可以写

红色方块是我不明白的东西。z' 怎么会用这样的表达式编码呢？

而上面写的变换怎么写在下面的矩阵中呢？我看到一个 z-scale 术语和一个 z-translation 术语，但我不明白它们

任何人都可以解释渲染与光栅化有何不同，特别是在字体渲染的上下文中（为什么不是字体光栅化）？

在光栅化器对图像进行光栅化之前，渲染可以称为特殊技术（如灰度渲染和亚像素渲染）吗？

我有一个UITableView包含图层阴影的单元格，它们的子视图也有。总而言之，每个单元格大约有 5 个阴影。我重用了我的单元格，但是当内容超过某个高度时它们偶尔会改变它们的高度（我这么说是因为这可能会导致更多的绘制调用以及我在下面列出的“优化”）。

现在，我添加了以下优化：

我对性能非常满意——滚动就像婴儿皮肤一样光滑——但该shouldRasterize属性也有缺点。当我向下滚动时，单元格需要一点时间来加载位图。有没有办法预渲染这些单元格？没有重用标识符的表会解决这个问题吗？

我绝对需要阴影，但我不会为它们牺牲性能。我希望有人能提供帮助。

我正在研究扫描线算法是如何工作的，我想知道是否像光线追踪算法一样确定每个像素的最近命中，并且在这种情况下，是否使用边界框来确定是否存在交叉点