Android Matrix (三)矩阵组合和应用变换

在 Android 开发中,Matrix 类不仅提供了 mapPoints 方法来变换点坐标,还提供了多种其他用法,使其成为处理图像和视图变换的强大工具。以下是 Matrix 类的一些关键用法:
在这里插入图片描述

1. 变换方法

  • setTranslate(float dx, float dy): 设置矩阵为平移矩阵。
  • setScale(float sx, float sy, float px, float py): 设置矩阵为缩放矩阵,pxpy 为缩放的轴心。
  • setRotate(float degrees, float px, float py): 设置矩阵为旋转矩阵,degrees 为旋转角度,pxpy 为旋转的轴心。
  • setSkew(float kx, float ky, float px, float py): 设置矩阵为倾斜矩阵,kxky 为倾斜角度,pxpy 为倾斜的轴心。

2. 组合和应用变换

  • postConcat(Matrix other): 后置连接另一个矩阵,可以用于组合多个变换。
  • preConcat(Matrix other): 前置连接另一个矩阵,同样用于组合变换,但顺序与 postConcat 相反。
  • setConcat(Matrix a, Matrix b): 将两个矩阵的变换组合起来。

3. 变换应用

  • mapRect(RectF rect): 变换矩形区域。
  • mapVectors(float[] vecs): 变换向量而不涉及位移。
  • mapRadius(float radius): 变换圆的半径,常用于变换圆形或椭圆。

4. 矩阵操作

  • reset(): 重置矩阵为单位矩阵。
  • set(Matrix src): 设置当前矩阵与指定矩阵相同。
  • invert(Matrix inverse): 计算当前矩阵的逆矩阵。

5. 辅助方法

  • isIdentity(): 检查矩阵是否为单位矩阵。
  • rectStaysRect(): 检查矩阵变换后,矩形是否仍然保持为矩形。

6. 与 Canvas 的结合

Matrix 类在结合 Canvas 使用时尤为强大,可用于实现图像、文本和形状的复杂变换效果。

  • canvas.setMatrix(Matrix matrix): 设置画布的变换矩阵。
  • canvas.concat(Matrix matrix): 将画布当前的变换矩阵与另一个矩阵组合。

这些方法使得 Matrix 成为一个多功能且强大的工具,可以在图形处理、动画制作和视图变换中发挥关键作用。通过这些方法的组合使用,开发者可以实现复杂和精确的图形变换效果。接下来将对第2部分重点介绍一下。
在这里插入图片描述

在 Android 的 Matrix 类中,组合变换是一项非常强大的功能。postConcatpreConcatsetConcat 方法允许开发者以灵活的方式组合不同的图形变换。以下是这些方法的详细说明和例子:

1. postConcat(Matrix other)

postConcat 方法将当前矩阵与另一个矩阵相乘,乘法顺序是先应用当前矩阵的变换,然后应用参数中提供的矩阵的变换。

例子

假设您想先旋转一个图像,然后再对其进行缩放:

val matrix = Matrix()
matrix.setRotate(45f) // 旋转45度

val scaleMatrix = Matrix()
scaleMatrix.setScale(2f, 2f) // 缩放,x和y都放大两倍

matrix.postConcat(scaleMatrix) // 先旋转,再缩放

2. preConcat(Matrix other)

postConcat 相反,preConcat 方法先应用参数中的矩阵变换,然后应用当前矩阵的变换。

例子

假设您想先缩放一个图像,然后再旋转它:

val matrix = Matrix()
matrix.setRotate(45f) // 旋转45度

val scaleMatrix = Matrix()
scaleMatrix.setScale(2f, 2f) // 缩放,x和y都放大两倍

matrix.preConcat(scaleMatrix) // 先缩放,再旋转

3. setConcat(Matrix a, Matrix b)

setConcat 方法结合两个矩阵的变换,先应用第二个参数 b 的变换,然后是第一个参数 a 的变换。

例子

假设您有两个矩阵,一个用于旋转,另一个用于缩放,您想先缩放后旋转:

val rotateMatrix = Matrix()
rotateMatrix.setRotate(45f) // 旋转45度

val scaleMatrix = Matrix()
scaleMatrix.setScale(2f, 2f) // 缩放,x和y都放大两倍

val resultMatrix = Matrix()
resultMatrix.setConcat(rotateMatrix, scaleMatrix) // 先缩放,再旋转

综合理解

  • 这三种方法提供了不同的组合变换策略,允许开发者根据需要灵活地控制变换顺序。
  • 变换的顺序对最终结果有着决定性影响。比如,先缩放后旋转与先旋转后缩放会产生截然不同的结果。
  • 理解这些方法的关键在于理解矩阵乘法的顺序以及它如何影响最终的变换效果。

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:/a/303280.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Qt/QML编程学习之心得:一个音频播放器的实现(29)

在window下,打开音乐播放器,然后打开一个.mp3文件,就可以实现播放了,那么在Qt/QML中如何实现呢?首先所有的设计都是基于音乐播放器的,嵌入式linux下同样也有音乐播放器,比如mplayer。其调用方法…

用通俗易懂的方式讲解:2024 检索增强生成技术(RAG)研究进展

本篇内容1w字左右,稍微有点长,相对不容易理解,喜欢可以收藏、关注、点赞。 一、前言 在过去的一两年里,人工智能领域目睹了检索增强生成技术(RAG)的迅猛发展,这种技术结合了强大的语言模型与信…

Tracert 与 Ping 程序设计与实现(2024)

1.题目描述 了解 Tracert 程序的实现原理,并调试通过。然后参考 Tracert 程序和计算机网络教材 4.4.2 节, 计算机网络 课程设计指导书 2 编写一个 Ping 程序,并能测试本局域网的所有机器是否在线,运行界面如下图所示的 QuickPing …

基于深度学习的PCB板缺陷检测系统(含UI界面、yolov5、Python代码、数据集)

项目介绍 项目中所用到的算法模型和数据集等信息如下: 算法模型:     yolov5 yolov5主要包含以下几种创新:         1. 添加注意力机制(SE、CBAM、CA等)         2. 修改可变形卷积(DySnake-主…

linux执行.sh文件出现问题--排查以及解决

阿丹问题描述: 今天在运行.sh文件的时候出现 现象1: 现象2: 现象3: 出现这三种问题 问题解释以及问题排查: 现象1: 排查: 1、判断文件是否存在 2、判断权限是否足够 解决&#xff1…

【AI视野·今日Sound 声学论文速览 第四十二期】Fri, 5 Jan 2024

AI视野今日CS.Sound 声学论文速览 Fri, 5 Jan 2024 Totally 10 papers 👉上期速览✈更多精彩请移步主页 Daily Sound Papers PosCUDA: Position based Convolution for Unlearnable Audio Datasets Authors Vignesh Gokul, Shlomo Dubnov深度学习模型需要大量干净的…

1.8 day6 IO进程线程

使用有名管道实现两个进程之间的通信 进程A #include <myhead.h> int main(int argc, const char *argv[]) {//创建两个文件描述符用于打开两个管道int fd1-1;int fd2-1;//创建一个子进程int pid-1;if((fd1open("./mkfifo1",O_RDWR))-1){perror("open er…

java中常见的一些小知识(1)

1.数组转List 1.1. Arrays.asList public class Tesr {public static void main(String[] args) {String[] ary new String[]{ "1", "a"};List<String> list Arrays.asList((ary));list.add("ddsdsa");System.out.println(list);}}但是…

SCI一区级 | Matlab实现RIME-CNN-LSTM-Mutilhead-Attention多变量多步时序预测

SCI一区级 | Matlab实现RIME-CNN-LSTM-Mutilhead-Attention多变量多步时序预测 目录 SCI一区级 | Matlab实现RIME-CNN-LSTM-Mutilhead-Attention多变量多步时序预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.Matlab实现RIME-CNN-LSTM-Mutilhead-Attention霜冰算法…

简单几步,实现餐厅扫码点餐

越来越多的人选择外出就餐&#xff0c;而餐厅的点餐方式也随着科技的发展而不断进步。其中&#xff0c;扫码点餐是最为常见的一种方式&#xff0c;它不仅方便快捷&#xff0c;还能节省人力成本。本文将介绍一种简单易行的餐厅扫码点餐解决方案。 打开乔拓云平台&#xff0c;登录…

华为认证 | 这门HCIE认证正式发布!

华为认证openEuler专家HCIE-openEuler V1.0&#xff08;中文版&#xff09;自2023年12月29日起&#xff0c;正式在中国区发布。 01 发布概述 基于“平台生态”战略&#xff0c;围绕“云-管-端”协同的新ICT技术架构&#xff0c;华为公司打造了覆盖ICT领域的认证体系&#xff0…

【JavaSE】Java中的反射动态代理

本篇文章整理的内容来源于: 反射原理 文章目录 一. 动态代理1. 优点2. 动态代理三要素3. 创建代理对象并使用 二. 反射1. 什么是反射2. 获取字节码文件对象的三种方式(1) Class.forName()获取 (源代码阶段)(2) 通过class属性获取(3) 通过对象获取字节码文件对象 3. 获取构造方…

基于深度学习的停车位关键点检测系统(代码+原理)

摘要&#xff1a; DMPR-PS是一种基于深度学习的停车位检测系统&#xff0c;旨在实时监测和识别停车场中的停车位。该系统利用图像处理和分析技术&#xff0c;通过摄像头获取停车场的实时图像&#xff0c;并自动检测停车位的位置和状态。本文详细介绍了DMPR-PS系统的算法原理、…

django websocket实现聊天室功能

注意事项channel版本 django2.x 需要匹配安装 channels 2 django3.x 需要匹配安装 channels 3 Django3.2.4 channels3.0.3 Django3.2.* channels3.0.2 Django4.2 channles3.0.5 是因为最新版channels默认不带daphne服务器 直接用命令 python manage.py runsever 默认运行的是w…

数据库系统-甘晴void学习笔记

数据库系统笔记 计科210X 甘晴void 202108010XXX 教材&#xff1a;《数据库系统概论》第6版 &#xff08;图片来源于网络&#xff0c;侵删&#xff09; 文章目录 数据库系统<br>笔记第一篇 基础篇1 绪论1.1数据库系统概述1.2数据模型1.3数据库系统的结构(三级模式结构…

JSP内置对象:forward动作标记和sendRedirect()方法实现页面跳转的区别

1.forward为服务器跳转&#xff0c;浏览器的地址栏不变&#xff1b; sendRedirect&#xff08;&#xff09;为客户端跳转&#xff0c;浏览器的地址栏改变变新页面的URL。 2.执行到forward标记出现处停止当前JSP页面的继续执行&#xff0c;而转向标记中的page属性指定的页面&am…

k8s的三种发布方式

三种常见的发布方式 应用程序升级面临最大挑战是新旧业务切换&#xff0c;将软件从测试的最后阶段带到生产环境&#xff0c;同时要保证系统不间断提供服务。而最为常见三种发布方式分别为&#xff1a;蓝绿发布&#xff0c;灰度发布和滚动发布。 三种发布方式的最终目的都是为了…

12 月 NFT 市场动态:强劲增长塑造年终趋势

作者&#xff1a;stellafootprint.network 数据来源&#xff1a;NFT Research 12 月加密货币和 NFT 领域出现了显著的上涨趋势&#xff0c;比特币和以太坊价格的大幅上涨标志着市场的复苏。与此同时&#xff0c;NFT 领域的交易量飙升&#xff0c;独立用户&#xff08;钱包&am…

508基于51单片机的火灾检测与报警系统设计

基于51单片机的火灾检测与报警系统设计[proteus仿真] 火灾检测与报警系统这个题目算是课程设计和毕业设计中常见的题目了&#xff0c;本期是一个基于51单片机的火灾检测与报警系统设计 需要的源文件和程序的小伙伴可以关注公众号【阿目分享嵌入式】&#xff0c;赞赏任意文章 …

【开源硬件篇】STM32F103C8T6核心板

STM32F103C8T6核心板 文章目录 STM32F103C8T6核心板一、STM32F103C8T6芯片1.1 STM32F103C8T6简介1.2 芯片引脚说明 二、去耦电路2.1 原理图设计2.2 原理分析2.2.1 结论2.2.2 去耦效果图2.2.3 放置距离问题2.2.3 放置位置问题 2.3 PCB设计示例 三、晶振电路3.1 原理图设计3.2 原…