diff --git a/docs/.vuepress/styles/index.scss b/docs/.vuepress/styles/index.scss index b862d60..847f89c 100644 --- a/docs/.vuepress/styles/index.scss +++ b/docs/.vuepress/styles/index.scss @@ -25,6 +25,7 @@ table.gridtable td { table.invisibletable { border: 0px; + display: table; } table.invisibletable tr { diff --git a/docs/blog/2025/02/JPEG001.md b/docs/blog/2025/02/JPEG001.md index 7131e9f..1af3bdb 100644 --- a/docs/blog/2025/02/JPEG001.md +++ b/docs/blog/2025/02/JPEG001.md @@ -58,21 +58,22 @@ YCbCr模型广泛应用在图片和视频的压缩传输中，比如你可以留 这是有道理的，还记得我们在文章开始时提到的有损压缩的基本原理吗？有损压缩首先要做的事情就是“把重要的信息和不重要的信息分开”，YCbCr恰好能做到这一点。对于人眼来说，图像中明暗的变化更容易被感知到，这是由于人眼的构造引起的。视网膜上有两种感光细胞，能够感知亮度变化的视杆细胞，以及能够感知颜色的视锥细胞，由于视杆细胞在数量上远大于视锥细胞，所以我们更容易感知到明暗细节。比如说下面这张图
- +
- - - - - + + + + +
-
- -
+ +![](/images/2014/08/jpeg_15.jpg) +
Y
Cb
Cr
 +
Y
Cb
Cr
diff --git a/docs/blog/2025/02/JPEG002.md b/docs/blog/2025/02/JPEG002.md index d02e54b..af5ff08 100644 --- a/docs/blog/2025/02/JPEG002.md +++ b/docs/blog/2025/02/JPEG002.md @@ -65,7 +65,8 @@ $$ 奥妙之处在于，经过DCT，数据中隐藏的规律被发掘了出来,杂乱的数据被转换成几个工整变化的数据。DCT转换后的数组中第一个是一个直线数据，因此又被称为“直流数据”，简称DC，后面的数据被称为“交流数据”，简称AC，这个称呼起源于信号分析中的术语。 在JPEG压缩过程中，经过颜色空间的转换，每一个8X8的图像块，在数据上表现为3个8X8的矩阵，紧接着我们对这三个矩阵做一个二维的DCT转换，二维的DCT转换公式为 $$\small{\begin{aligned} -F(u,v)&=\alpha(u)\cdot\alpha(v)\cdot \sum_{x=0}^{7}\sum_{y=0}^{7}f(x,y)\cos\left(\frac{2x+1}{16}u\pi\right)\cos\left(\frac{2y+1}{16}v\pi\right)\quad u,v=0,1,2,\ldots,7\\ +F(u,v)&=\alpha(u)\cdot\alpha(v)\cdot \sum_{x=0}^{7}\sum_{y=0}^{7}f(x,y)\cos\left(\frac{2x+1}{16}u\pi\right)\cos\left(\frac{2y+1}{16}v\pi\right)\\ +u,v &=0,1,2,\ldots,7\\ \alpha(u)&=\begin{cases}1/\sqrt{8}, & \text{when u}=0\\ 1/2, & \text{when u}\neq 0\end{cases} \end{aligned}}\tag{2.4} diff --git a/docs/blog/2025/02/SPH001.md b/docs/blog/2025/02/SPH001.md index 71ae0d5..6162348 100644 --- a/docs/blog/2025/02/SPH001.md +++ b/docs/blog/2025/02/SPH001.md @@ -11,13 +11,21 @@ SPH([Smoothed Particle Hydrodynamics](http://en.wikipedia.org/wiki/Smoothed_Part SPH算法是典型的拉格朗日视角，它的基本原理就是通过粒子模拟流体的运动规律，然后再转换成网格进行流体渲染。
- +
- + - + diff --git a/docs/blog/2025/02/SPH003.md b/docs/blog/2025/02/SPH003.md index 4519060..951efb5 100644 --- a/docs/blog/2025/02/SPH003.md +++ b/docs/blog/2025/02/SPH003.md @@ -3,14 +3,27 @@ title: "SPH算法简介（三）: 光滑核函数" tags: 数学 流体 程序 算法 --- 和其他流体力学中的数学方法类似，SPH算法同样涉及到“光滑核”的概念，可以这样理解这个概念，粒子的属性都会“扩散”到周围，并且随着距离的增加影响逐渐变小，这种随着距离而衰减的函数被称为“光滑核”函数，最大影响半径为“光滑核半径”。 -
-> + +$\rightarrow$ + + -> + +$\rightarrow$ + +
+ +
+
- - + + +

光滑核函数一般具有的形态

 + +![](/images/2014/08/sph_21.gif ) + + + +![](/images/2014/08/sph_22.gif "光滑核函数一般具有的形态") + +
+
+ 反过来不难理解，尽管我们将流体视为一个个分散的粒子，但流体毕竟是连续充满整个空间的，流体中每个位置参与运算的值都是由周围一组粒子累加起来的。 ![](/images/2014/08/sph_26.gif)