实现图形局部放大的简单有效方法

在一些CAD(如建筑结构CAD)程序的设计中,经常要对屏幕上显示的图形进行局部放大,使用户能够更清楚地观察图形的一些细部。 一般的图形局部放大实现流程是这样的: 1、确定图形局部放大的范围。 2、图形裁剪,以从整体图形中取得需放大的局部图形。 3、坐标变化,把图形从局部裁剪范围内的坐标系中变换到屏幕坐标系,从而实现图形的局部放大。     

用VB实现曲线的缩放

本文介绍了在大陆科学钻探数据库开发过程中绘制图形和图形分析时遇到的问题，重点讨论了在数据库绘图时如何用VisualBasic编程实现曲线的整体缩放及局部放大，并附上了关键程序代码。     

Windows环境下图形的局部放大

本文介绍了在ＷＩＮＤＯＷＳ环境下如何实现对图形某个局部进行的放大操作，并给出了一个应用实例     

幻灯片关键细节放大看

平常制作各种报告演示中常常要用到大量表格、曲线图、柱状图、图形之类的对象，但由于屏幕显示的页面有限，在需要完整显示整张图表时往往会有一些局部细节看不清楚。有没有方法可以在放映中对幻灯片的局部细节进行放大显示呢？下面为大家介绍三种实现的方法。     

2~п倍Screen-clip-scale算法及其实现

2~п倍screen-clip-scale算法为普通微型机对显示图形进行放大提供了一个有效的途径。该算法只须键入一键即可确定放大区(screen),并由此而求出所有在放大区内线段与边界的交点(clip),最后作出放大的图形(scale)。该算法作出放大图形的线条不会变粗,并且每放大一次就能更进一步看清图形中的细节。 本算法已成功地在CSDT彩色图形软件包中实现,并能广泛应用于地图、海图、工程图的计算机图形显示系统中。     

有点不同的“形状相同的图形”一课

本节内容选于《数学》(北师大版)八年级(下)第四章第三节，本章在已学习“全等图形”和“线段的比”的基础上，以认识形状相同的图形(相似图形)为核心内容，为下一节课学习“相似多边形”做好准备。在本节课的学习过程中，利用坐标的变化放大(或缩小)图形，进一步发展学生数形结合意识；利用橡皮筋近似放大图形，让学生体会相     

image图形的快速放大

在编写图形处理程序过程中,会遇到图形放大操作,下面介绍一种将image图形通过内存的数据变换放大的方法。放大图形格式为Turbo C中image格式,它的构成为前四个字节为图形的宽和高,后面为屏幕图形数据。图形的放大通过调用enimage()实现。调用enimage()时,buf指向未放大的原图形。调用enimage()后,返回ebuf指向放大后的图形。ebuf所指的图形格式符合image格式,所以可以用putimage()库函数直接进行操     

基于AutoCAD的冲裁排样优化设计几个关键问题的解决

叙述利用AutoCAD及共内嵌的高级结构语言VBA巧妙地解决冲裁排样优化设计中的几个关键问题；图形等距放大、图形相切、图形数据的提取等。所提出的程序实现方法充分利用了AutoCAD的图形数据库的信息以及VBA的方法，并给出了示例代码。     

图形变换技术在工程制图课件中的应用

引入了计算机图形学中基本变换的基本理论，探讨了ToolBook中图形对象的移动和放大的方法，并通过一些具体的实例阐述了图形变换技术在开发CAI课件中的应用。     

如何新建一个单文档实现两视图之间的通信

在数字图像处理过程中，为了便于同时观察图像的局部和整体，经常要用到图像的局部放大功能，要实现这样的功能一般都要用两个视图来分别显示图像的整体部分和局部放大部分。如图1所示左边显示图像整体的基于CFormView的视图CBaseView的一个区域，右边的用于局部放大的是一个基于CView视图CZoomView，其中CBaseView中的红色框为要放大的区域。这里所有的pDoc都是指向CZoomDoc指针。     

Turbo pascal图形数组及应用

本文主要分析Turbo Pascal图形数组的结构并进行其变换,以实现人面肖像、动画图片、汉字字模、广告牌等块图的多种显示方式、打印机制图、图形放大、超显示屏图形和图形的快速存取等功能。     

CLAHE和细节放大相结合的档案图像增强方法

图像增强可提高扫描档案图像的质量,关系到档案图像信息系统的生命。运用CLAHE可以进行全局对比度拉伸,运用Lee滤波器可进行局部细节放大,将两者结合可形成放大细节的CLAHE方法。对结合的方法从两方面进行改进,一是引入噪声抑制措施,使得Lee滤波器只放大图像细节而不放大噪声;二是制定柔性细节放大机制,使得细节放大更加符合人类视觉习惯。改进后的方法既能提高全局对比度,又能有效放大局部细节。实验表明,提出的方法对包含文本、图形和图像的扫描档案具有较好的增强效果,且能够满足国家行业规范要求和实际应用需要。     

用C语言实现图形屏幕的放大硬拷贝

用Ｃ语言实现图形屏幕的放大硬拷贝（１０１４０７北京怀柔３３８０信箱５６号）胡斌一、问题的提出由于彩色图形适配器的广泛使用，各种语言的图形功能的增强，越来越多的程序介面采用了图形模式，而且对于科学计算、统计、管理中获得的许多数据也常用图形在计算机屏幕上...     

基于改进复扩散自适应耦合非局部变换域模型的图像放大

针对二阶偏微分方程（PDE）放大算法丢失弱边缘和纹理细节的不足,提出一种改进复扩散自适应耦合非局部变换域模型的图像放大算法。利用复扩散具有边缘定位准确的特点耦合冲击滤波器,改进复扩散模型能够较好地增强强边缘;而通过对相似图像块构成图像组的三维变换系数的稀疏特性进行建模,非局部变换域模型能够很好地利用图像中相似图像块的非局部信息,对弱边缘和纹理细节有较好的处理效果;最后利用复扩散得到图像的二阶导数作为参数实现改进复扩散模型和非局部变换域模型自适应耦合。所提算法与偏微分方程放大算法、非局部变换域放大算法和偏微分方程耦合空域非局部模型放大算法进行仿真实验比较,在强边缘、弱边缘和细节纹理具有较好的放大效果,弱边缘和纹理细节图像在平均结构相似性测度上高于改进复扩散放大算法、非局部变换域放大算法。所提算法验证了空域模型和变换域模型、局部模型和非局部模型耦合结合的有效性。     

彩色图形平滑的一个算法

随着微型计算机的迅速发展与普及,友好的用户界面,彩色图形显示越来越受到人们的青睐.在进行友好的用户界面的设计中,常常遇到诸如汉字放大、图形放大之类的问题.在图形模式下,无论是汉字还是其它图象,都是由点阵组成的,一旦放大,就会出现台阶,使放大后的字体或图象质量变差,这就需要采取平滑处理才能使汉字及图象保真、清晰.在286及兼容机上,用Turbo C语言编制了一段简单程序,对放大的汉字或图象进行平滑处理,效果非常好.其突出特点是平滑速度快,对放大3×3倍的汉字,人眼感觉不到平滑时间,平滑效果好,图形放大偶数倍形成的阶梯,可以平滑成光滑直线.     

一种平滑放大汉字的新方法

本文介绍了一种放大失真少并且字形美观的平滑放大汉字的方法，并提供了一个ＴｕｒｂｏＣ程序。这种方法不但能平滑地放大汉字，实际上还平滑地放大任何点图形。     

基于内容重要性的Storyline可视化局部变形框架

针对Storyline可视化局部放大问题,提出一种基于内容重要性的局部变形框架.首先对可视化领域中局部变形技术进行对比和分析;然后给出了Storyline可视化可视元素及其重要性计算方法,并对重要性较大的实体元素进行放大显示,在高斯函数的指导下对重要会话元素进行局部放大和过渡平滑处理,根据不同位置的权重对线条进行重新定位;最后以Inception交互会话数据为实验数据,将该方法应用到Storyline可视化视图中.实验结果表明,文中方法能够在有限的显示空间中对Storyline可视化视图的整体结构和局部详细信息同时进行协调、友好的可视化.     

基于VML的矢量图形动态生成过程的研究

Web数据库应用系统中，有时需要有一些统计数据图形给用户传达准确、直观的数据信息。利用HTML来添加图形的传统做法，由于受存储形式限制，其下载速度慢，且不能进行放大、缩小等功能。单纯采用HTML不能很好地表示矢地图形，不能解决这方面的问题。采用VML能够为这一问题提供合理的解决方案。利用VML结合ASP访问数据库，动态生成客户端脚本，绘制出矢量图形。结果表明采用这种方式能够充分发挥ASP的优势，并能表示出形象生动、可放大缩小而不影响图像质量的矢量图形。最后结合一个实例，绘制了数据项统计比较走势图，具有较强的表现力。充分表明采用VML绘制矢量图形具有极大的优势。     

区域级通道注意力融合高频损失的图像超分辨率重建

目的 通道注意力机制在图像超分辨率中已经得到了广泛应用,但是当前多数算法只能在通道层面选择感兴趣的特征图而忽略了空间层面的信息,使得特征图中局部空间层面上的信息不能合理利用。针对此问题,提出了区域级通道注意力下的图像超分辨率算法。方法 设计了非局部残差密集网络作为网络的主体结构,包括非局部模块和残差密集注意力模块。非局部模块提取非局部相似信息并传到后续网络中,残差密集注意力模块在残差密集块结构的基础上添加了区域级通道注意力机制,可以给不同空间区域上的通道分配不同的注意力,使空间上的信息也能得到充分利用。同时针对当前普遍使用的L1和L2损失函数容易造成生成结果平滑的问题,提出了高频关注损失,该损失函数提高了图像高频细节位置上损失的权重,从而在后期微调过程中使网络更好地关注到图像的高频细节部分。结果 在4个标准测试集Set5、Set14、BSD100（Berkeley segmentation dataset）和Urban100上进行4倍放大实验,相比较于插值方法和SRCNN（image super-resolution using deep convolutional networks）算法,本文方法的PSNR（peak signal to noise ratio）均值分别提升约3.15 dB和1.58 dB。结论 区域级通道注意力下的图像超分辨率算法通过使用区域级通道注意力机制自适应调整网络对不同空间区域上通道的关注程度,同时结合高频关注损失加强对图像高频细节部分的关注程度,使生成的高分辨率图像具有更好的视觉效果。     

一种多级图形调用方法

本文提出了一种实用多级图形调用方法，它主要是对一张地图图在屏幕上显示不清楚时，把地图图形分成若干个小图，分级调用。其特点是图形自动放大，显示清楚，图形不变形，可用鼠标器，键盘定点选图，及定区域自地选图，并可对一定条件下不规则图形进行处理。