十大正规体育平台app如何将矩形变为正方形像素-十大正规体育平台

老二次元 / 科技宅倒背如流的Bad Apple 动画，网友 Nolen Royalty 用Vim 文本裁剪器复现出来了！

何况仅耗时8小时、用了6500个正则抒发式！

先来一说念瞅瞅恶果：

可以看到，动画基本复原了东说念主物的悉数四肢，全体视频也很通顺，画风很有经典像素风游戏的滋味。

继末端、游戏引擎、ASCII 码多样 Bad Apple 整活之后，Vim 裁剪器也前程了一趟！

难怪有网友说，这便是咱们心爱 Bad Apple 的原因，它老是能带给咱们更多惊喜。

PS：如果你还不知说念 Bad Apple，它是来自《东方 Project》中的一个音乐 MV，仍是成为动画界和科技界的一个梗。不仅有多样二创视频，全球还会在多样硬件和软件上复现它，可以说"有屏幕的场地就有 Bad Apple "。

怎么作念到的

网友 Nolen Royalty 还暖和共享了用 Vim 制作 Bad Apple 的经过，主要分为以下 4 步：

1. 提真金不怕火画面帧调度成数组

第一步额外概况，使用 GitHub 用户 Felixoofed 的库就可以赢得 Bad Apple 每一帧的数据。

这个仓库内部包含了原始的视频以及一个 ffmpeg 高歌，可以将视频调度为约 6500 张 PNG 图片，每张代表一帧。

然后 Nolen 编写了一小段 Python 代码，将每个 PNG 文献调度为 0 和 1 的二维数组（其中 1 代表玄色像素）。

视频伊始是 480x360 分辩率，在测量了末端后 Nolen 将其减弱到 120x90。

from PIL import Imageimport numpy as np

def process_image ( path, target_width=120, target_height=90 ) : img = Image.open ( path ) img = img.resize ( ( target_width, target_height ) , Image.Resampling.LANCZOS ) if img.mode != "L": img = img.convert ( "L" ) pixels = np.array ( img ) binary_pixels = ( pixels

def text_preview ( binary_pixels ) : chars = {0: ".", 1: "#"} return "n".join ( "".join ( chars [ px ] for px in row ) for row in binary_pixels )

2. 用 Vim 的高亮匹配功能绘制随便矩形

那么如安在 Vim 中绘制图形呢？

假定你在文本中创建了一个主要由 A 构成的网格，并在其中镶嵌一个由 B 构成的绘图，这么如果你搜索 B，就会看到一个小的棍状东说念主物图形：

使用这个次第就可以绘图了，关联词还存在 2 个问题：

a. 蓝色高亮（Vim 默许）看起来不太显著。

Vim 允许用户自行树立高亮功能，调用 hi Search cterm=NONE ctermfg=grey ctermbg=grey ，就可以让它用疏导的神采高亮匹配字符的远景和配景，这么就能得到漂亮的方块：

b. 第二个问题是，如何将矩形变为正方形像素。

Nolen 最终找到了Square 字体，这是一个正方形的字体，它伊始是为了让用户在末端中玩 roguelike 游戏而联想的，在 Vim 中使用它可以绘制一个额外漂亮的网格：

接下来便是分析每帧画面的信息，生成一个针对主要图形的正则抒发式优化文献。

然后作家发现，用 Vim 自带的搜索功能就可以生成连气儿的矩形。

/%l /%>l /#l Matches below a specific line ( higher line number ) .%.l Matches at the cursor line.%.l Matches below the cursor line.

Vim 搜索可以匹配特定的行号（和列号），你可以将多个这么的搜索组合在一说念。

举例， %>5c%4l%

何况，这种匹配容貌还可以和其他 Vim 搜索进行 OR 操作，比如将上头的式子和 - %>5c%4lcl%

这么，使用单个搜索式就可以放肆地在屏幕上绘制许多矩形。

3. 将动画帧的图形调度成矩形

接下来，就得把图像的网格（90x120，约 10000 个像素）拆成一个个矩形。

Nolen 伊始尝试找出悉数不同样的矩形并生成长搜索字符串、或者把网格拆成最少可填满的矩形，但两种尝试均以失败告终。

最终他思出了一个很概况的算法，它是这么使命的：先在图像的第一转里，把悉数连气儿的" 1 "的部分找出来。找完第一转，再看第二行，找出和第二行找到的部分有相通的场地。

淌若把这个相通部分和第一转合起来酿成的矩形的面积，比单独这两行酿成的矩形的面积都大的话，就把它们同一成一个矩形。然后就一直抓续下去，尽量把新找到的部分同一到之前的矩形里。

这个算法常常情况下施展得可以。但当搜索字符串跳跃 10000 个字符，就会严重拉低每秒的帧数。

Nolen 于是又写了两个处治有打算（从左到右构建矩形的算法版块和仅检讨各个行的概况 RLE），然后通过三种算法动手每个帧并选拔最短搜索容貌，这个组划算法最终恶果可以。

# Number of times each approach was pickedoriginal approach ( top to bottom merging ) - 1110left to right merging - 2239single-row RLE - 3300

4. 建设好 Vim 宏就可以在裁剪器中播放动画了

剖析好了图形，临了的一个问题便是：如安在 Vim 中播放视频。具体设施如下：

1.Vim 建设：顶部中心窗口播放视频，是一个包含 90 行每行 120 个空格的文献，驾驭两侧是用于图像居中的空缓冲区，底部窗口是约 6500 个搜索容貌列表。

2. 使用 Vim 宏播放视频：Vim 宏可以纪录一系列击键操作，浅薄重播。宏高歌为"" ay$:let @/=@a^M+ "，具体来说，便是对寄存器 a 操作，拉动到行尾，将寄存器 / 的推行建设为寄存器 a 的推行，实行高歌，然后转移到下一转着手。这么建设宏可以让光标归来到正确位置，反复迭代即可达成重播。

3. 优化：最意旨的优化操作是" let @/=@a "，比拟" /^Ra^M "操作，它幸免了过长的查询操作导致搜索窗口精明严重和帧率裁汰的问题。

4. 动手宏：可以动手" 1500@q "（假定宏纪录在寄存器 q 中）播放宏 1500 次，快速动手 1500 帧。