【学Rust写CAD】35 alpha_mul_256(alpha256.rs补充方法)

源码

// Calculates (value * alpha256) / 255 in range [0,256],
// for [0,255] value and [0,256] alpha256.
pub fn alpha_mul_256(self,value: u32) -> Alpha256 {let prod = value * self.0;Alpha256((prod + (prod >> 8)) >> 8)
}

代码分析

这个函数 alpha_mul_256 执行了一个快速的乘法运算,用于计算 (value * alpha256) / 255,其中 value 的范围是 [0, 255],alpha256 的范围是 [0, 256]。这个操作在图形处理和颜色混合中很常见,比如计算带透明度的颜色叠加。

参数:
  • self:一个 Alpha256 类型的值,表示透明度 alpha256,范围是 [0, 256]。

  • value:一个 u32 类型的值,范围是 [0, 255],表示要乘以透明度的值。

返回值:
  • 返回 Alpha256 类型,表示 (value * alpha256) / 255 的结果,范围是 [0, 256]。

计算过程:

  1. 计算乘积:
let prod = value * self.0;
  • prod = value * alpha256,这是一个普通的乘法,范围是 [0, 255 * 256]。

近似除以 255:

(prod + (prod >> 8)) >> 8
  • 这里用了一个技巧来近似计算 prod / 255。

  • prod >> 8 等价于 prod / 256。

  • prod + (prod >> 8) 等价于 prod + prod / 256。

  • 最后 >> 8 等价于除以 256,因此整体是 (prod + prod / 256) / 256。

为什么这是近似 prod / 255?

  • 数学上,(prod + prod / 256) / 256 可以展开为:
(prod + prod / 256) / 256 = prod / 256 + prod / (256 * 256)
= prod * (1/256 + 1/65536)
= prod * (257/65536)
= prod * (257/65536)
  • 而 1 / 255 ≈ 257 / 65536,因为 257 / 65536 ≈ 0.00392156862745098,而 1 / 255 ≈ 0.00392156862745098,两者非常接近。

  • 因此,这个技巧用整数运算高效地近似了除以 255 的操作。

  1. 返回结果:
  • 最终结果是一个 Alpha256 类型,范围是 [0, 256]。

示例:

假设 value = 255(最大值),alpha256 = 128(半透明):

  1. prod = 255 * 128 = 32640。

  2. prod >> 8 = 32640 / 256 = 127。

  3. prod + (prod >> 8) = 32640 + 127 = 32767。

  4. (prod + (prod >> 8)) >> 8 = 32767 / 256 = 127。

  • 精确计算:255 * 128 / 255 = 128,这里结果是 127,误差为 1,在合理范围内。

总结:

这个函数用高效的整数运算(乘法和位移)近似计算了 (value * alpha256) / 255,避免了昂贵的除法操作,适合性能敏感的图形计算场景。虽然结果可能有微小误差,但在大多数情况下可以接受。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/77029.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C# 与 相机连接

一、通过组件连接相机 需要提前在VisionPro里面保存一个CogAcqFifoTool相机工具为 .vpp 定义一个相机工具 CogAcqFifoTool mAcq null;将保存的相机工具放入mAcq中 string path “C:\Acq.vpp”; mAcq (CogAcqFifoTool)CogSerializer.LoadObjectFrommFile(path);给窗口相机…

Java并发编程高频面试题

一、基础概念 1. 并行与并发的区别? 并行:多个任务在多个CPU核心上同时执行(物理上同时)。并发:多个任务在单CPU核心上交替执行(逻辑上同时)。类比:并行是多个窗口同时服务&#x…

LiT and Lean: Distilling Listwise Rerankers intoEncoder-Decoder Models

文章:ECIR 2025会议 一、动机 背景:利用LLMs强大的能力,将一个查询(query)和一组候选段落作为输入,整体考虑这些段落的相关性,并对它们进行排序。 先前的研究基础上进行扩展 [14,15]&#xff0c…

Python高级爬虫之JS逆向+安卓逆向1.2节: 变量与对象

目录 引言: 1.2.1 Python中的变量 1.2.2 变量的命名与可读性 1.2.3 Python中的对象 1.2.4 跟大神学高级爬虫安卓逆向 引言: 大神薯条老师的高级爬虫安卓逆向教程: 这套爬虫教程会系统讲解爬虫的初级,中级,高级知…

可发1区的超级创新思路(python 实现):一种轻量化的动态稀疏门控网络

首先声明,该模型为原创!原创!原创!且该思路还未有成果发表,感兴趣的小伙伴可以借鉴! 一、应用领域 视频异常检测、生成视频检测。 二、模型解析 该模型由1.关键帧动态选择机制、2.关键帧动态选择机制以及3.关键帧动态选择机制三大核心组件构成,形成端到端的视频异常…

使用NVM下载Node.js管理多版本

提示:我解决这个bug跟别人思路可能不太一样,因为我是之前好用,换个项目就不好使了,倦了 文章目录 前言项目场景一项目场景二解决方案:下载 nvm安装 nvm重新下载所需Node 版本nvm常用命令 项目结构说明 前言 提示&…

MySQL数据库经典面试题解析

1. MySQL 索引使用有哪些注意事项呢? 可以从三个维度回答这个问题:索引哪些情况会失效,索引不适合哪些场景,索引规则 索引哪些情况会失效 查询条件包含or,可能导致索引失效如何字段类型是字符串,where时一定用引号括起来,否则索引失效like通配符可能导致索引失效。联合…

C#结合SQLite数据库使用方法

一、关于SQLite SQLite 是一个轻量级的嵌入式关系型数据库管理系统(RDBMS)。与传统的数据库管理系统(如 MySQL、PostgreSQL 或 SQL Server)不同,SQLite 并不需要运行单独的服务器进程,它的数据库存储在一个…

深入解析 MySQL 中的日期时间函数:DATE_FORMAT 与时间查询优化

深入解析 MySQL 中的日期时间函数:DATE_FORMAT 与时间查询优化 在数据库管理和应用开发中,日期和时间的处理是不可或缺的一部分。MySQL 提供了多种日期和时间函数来满足不同的需求,其中DATE_FORMAT函数以其强大的日期格式化能力,…

如何深刻理解Reactor和Proactor

前言: 网络框架的设计离不开 I/O 线程模型,线程模型的优劣直接决定了系统的吞吐量、可扩展性、安全性等。目前主流的网络框架,在网络 IO 处理层面几乎都采用了I/O 多路复用方案(又以epoll为主),这是服务端应对高并发的性能利器。 …

笔试专题(七)

文章目录 乒乓球筐(哈希)题解代码 组队竞赛题解代码 删除相邻数字的最大分数(线性dp)题解代码 乒乓球筐(哈希) 题目链接 题解 1. 两个哈希表 先统计第一个字符串中的字符个数,再统计第二个字…

清晰易懂的 Flutter 卸载和清理教程

以下是为 Flutter 彻底卸载与清理教程,覆盖 Windows、macOS、Linux 系统,步骤清晰无残留,确保完全删除 Flutter SDK、依赖工具及 IDE 配置。 一、通用步骤:确认 Flutter 安装方式 Flutter 通常通过以下方式安装: 手动…

关于反卷积

🧠 什么是反卷积? 反卷积(Deconvolution),通常也称为转置卷积(Transpose Convolution),是一种用于扩展输入特征图的操作,通常用于生成图像或上采样任务中。与标准卷积操…

【机器学习】ROC 曲线与 PR 曲线

目录 一、混淆矩阵:分类评估的基础 二. ROC 曲线 (Receiver Operating Characteristic Curve) 三. PR 曲线 (Precision-Recall Curve) 3.1 核心思想 4. 何时使用 ROC 曲线和 PR 曲线? 实验结果 6. 总结 在机器学习的分类任务中,我们训…

Python高阶函数-map

map() 是 Python 内置的一个高阶函数,它接收一个函数和一个可迭代对象作为参数,将函数依次作用在可迭代对象的每个元素上,并返回一个迭代器(Python 3.x 中)。 基本语法 map(function, iterable, ...)function: 应用于…

上海餐饮市场数据分析与可视化

上海作为中国的经济中心和国际化大都市,其餐饮市场具有高度的多样性和竞争性。随着消费者需求的不断变化,餐饮行业的从业者和投资者需要深入了解市场现状和趋势,以便制定更有效的商业策略。本文将通过数据分析和可视化技术,深入探讨上海餐饮市场的现状和趋势,为餐饮从业者…

MySQL基础 [五] - 表的增删查改

目录 Create(insert) Retrieve(select) where条件 ​编辑 NULL的查询 结果排序(order by) 筛选分页结果 (limit) Update Delete 删除表 截断表(truncate) 插入查询结果(insertselect&…

SQL:Primary Key(主键)和Foreign Key(外键)

目录 1. Key(键) 2. Index(索引) 3.Key和Index的区别 4. Primary Key(主键) 5. Foreign Key(外键) 6.主键和外键的关系 温馨提示: 闪电按钮不同的执行功能 首先&…

2025年- H1-Lc109-160. 相交列表--java版

1.题目描述 2.思路 “双指针切换链表头” 思路一:双指针路径对齐 while (pA ! pB) { pA (pA null) ? headB : pA.next; pB (pB null) ? headA : pB.next; } 让两个指针走相同的总路径长度! 设: 链表 A 独有部分长度是 lenA 链表 B …

PyTorch 深度学习 || 6. Transformer | Ch6.3 Transformer 简单案例

1. 简单案例 这个代码是一个简单的 Transformer 模型的实现,这个例子展示了一个基本的序列到序列(seq2seq)任务,比如将一个数字序列转换为另一个数字序列。可以用于学习和理解 Transformer 的基本结构和工作原理。 import torch import torch.nn as nn import math# 位置…