計算機基本演算法圖形

1. 計算機中圖形與圖像的區別，各自有什麼特點

1、特點上的區別

圖形數據量比較大，只保存演算法和特徵點，所以相對於點陣圖（圖像）的大量數據來說，佔用的存儲空間也較小，容易進行移動、壓縮、旋轉和扭曲等變換。

圖像可以表達真實的照片外，也可以表現復雜繪畫的某些細節，並具有靈活和富有創造力等特點。

2、本質上的區別

圖形是矢量圖，它是根據幾何特性來繪制的。圖形的元素是一些點、直線、弧線等。矢量圖常用於框架結構的圖形處理，應用非常廣泛，適用於直線以及其它可以用角度、坐標和距離來表示的圖。圖形任意放大或者縮小後，清晰依舊。

圖像是點陣圖，它所包含的信息是用像素來度量的。像素是組成一幅圖像的最小單元。對圖像的描述與解析度和色彩的顏色種數有關，解析度與色彩位數越高，佔用存儲空間就越大，圖像越清晰。

3、含義上的區別

圖形一般指用計算機繪制的畫面，是人們根據客觀事物製作生成的，它不是客觀存在的。

圖像則是指由輸入設備捕捉的實際場景畫面或以數字化形式存儲的任意畫面。是可以直接通過照相、掃描、攝像得到，也可以通過繪製得到。

2. 計算機圖形縮放的演算法是什麼

關於矢量圖和點陣圖

計算機能以矢量圖(vector)或點陣圖(bitmap)格式顯示圖像.理解兩者的區別能幫助您更好的提高工作效率.Fireworks可以讓您在一個軟體中使用矢量圖或點陣圖工具創作圖像,或者導入和處理其他應用軟體生成的矢量圖和點陣圖文件.Fireworks提供了點陣圖編輯模式和矢量圖編輯模式.

矢量圖

矢量圖使用線段和曲線描述圖像,所以稱為矢量,同時圖形也包含了色彩和位置信息.下面例子中的樹葉,就是利用大量的點連接成曲線來描述樹葉的輪廓線.然後根據輪廓線,在圖像內部填充一定的色彩.

當您進行矢量圖形的編輯時,您定義的是描述圖形形狀的線和曲線的屬性,這些屬性將被記錄下來.對矢量圖形的操作,例如移動,重新定義尺寸,重新定義形狀,或者改變矢量圖形的色彩,都不會改變矢量圖形的顯示品質.您也可以通過矢量對象的交疊,使得圖形的某一部分被隱藏,或者改變對象的透明度.矢量圖形是"解析度獨立"的,這就是說,當您顯示或輸出圖像時,圖像的品質不受設備的解析度的影響.在例子中,右圖是放大後的矢量圖形,我們看見圖像的品質沒有受到影響.

點陣圖

點陣圖使用我們稱為像素的一格一格的小點來描述圖像.您的計算機屏幕其實就是一張包含大量像素點的網格.在點陣圖中,上面我們看到的樹葉圖像將會由每一個網格中的像素點的位置和色彩值來決定.每一點的色彩是固定的,當我們在更高解析度下觀看圖像時,每一個小點看上去就像是一個個馬賽克色塊,如下面例子中的右圖.

當您在進行點陣圖編輯時,其實您是在一點一點的定義圖像中的所有像素點的信息,而不是類似矢量圖只需要定義圖形的輪廓線段和曲線.因為一定尺寸的點陣圖圖像是在一定解析度下被一點一點記錄下來,所以這些點陣圖圖像的品質是和圖像生成時採用的解析度相關的.當圖像放大後,會在圖像邊緣出

他們最簡單的區別就是:
失量圖可以無限放大.而且不會失真.
而點陣圖而不能.
所以有很多朋友的頭像都有失真的情況.
看上去不太舒服...
嘿嘿.....

再有才是點陣圖由像素組成.而失量圖由失量線組成.
這個就比較專業了.

特別是對於那些不懂什麼是像素的朋友.
呵呵.

再有的區別就是.點陣圖可以表現的色彩比較多.
而失量圖則相對較少...

所以.最基本的就是這幾種區別.

失量圖更多的用於工程作圖中.比如說ACD.
而點陣圖更多的應用在作圖中.比如PS.

點陣圖和矢量圖是計算機圖形中的兩大概念，這兩種圖形都被廣泛應用到出版，印刷，互聯網[如flash和svg]等各個方面，他們各有優缺點，兩者各自的好處幾乎是無法相互替代的，所以，長久以來，矢量跟點陣圖在應用中一直是平分秋色。

點陣圖[bitmap]，也叫做點陣圖，刪格圖象，像素圖，簡單的說，就是最小單位由象素構成的圖，縮放會失真。構成點陣圖的最小單位是象素，點陣圖就是由象素陣列的排列來實現其顯示效果的，每個象素有自己的顏色信息，在對點陣圖圖像進行編輯操作的時候，可操作的對象是每個象素，我們可以改變圖像的色相、飽和度、明度，從而改變圖像的顯示效果。舉個例子來說，點陣圖圖像就好比在巨大的沙盤上畫好的畫，當你從遠處看的時候，畫面細膩多彩，但是當你靠的非常近的時候，你就能看到組成畫面的每粒沙子以及每個沙粒單純的不可變化顏色。

矢量圖[vector]，也叫做向量圖，簡單的說，就是縮放不失真的圖像格式。矢量圖是通過多個對象的組合生成的，對其中的每一個對象的紀錄方式，都是以數學函數來實現的，也就是說，矢量圖實際上並不是象點陣圖那樣紀錄畫面上每一點的信息，而是紀錄了元素形狀及顏色的演算法，當你打開一付矢量圖的時候，軟體對圖形象對應的函數進行運算，將運算結果[圖形的形狀和顏色]顯示給你看。無論顯示畫面是大還是小，畫面上的對象對應的演算法是不變的，所以，即使對畫面進行倍數相當大的縮放，其顯示效果仍然相同[不失真]。舉例來說，矢量圖就好比畫在質量非常好的橡膠膜上的圖，不管對橡膠膜怎樣的常寬等比成倍拉伸，畫面依然清晰，不管你離得多麼近去看，也不會看到圖形的最小單位。

從下面的圖中，我們很容易可以看出點陣圖和矢量圖的區別。

點陣圖的好處是，色彩變化豐富，編輯上，可以改變任何形狀的區域的色彩顯示效果，相應的，要實現的效果越復雜，需要的象素數越多，圖像文件的大小[長寬]和體積[存儲空間]越大。

矢量的好處是，輪廓的形狀更容易修改和控制，但是對於單獨的對象，色彩上變化的實現不如點陣圖來的方便直接。另外，支持矢量格式的應用程序也遠遠沒有支持點陣圖的多，很多矢量圖形都需要專門設計的程序才能打開瀏覽和編輯。

常用的點陣圖繪制軟體有adobe photoshop、corel painter等，對應的文件格式為[.psd .tif][.rif]等，另外還有[.jpg][.gif][.png][.bmp]等。

常用的矢量繪制軟體有adobe illustrator、coreldraw、freehand、flash等，對應的文件格式為[.ai .eps][.cdr][.fh][.fla/.swf]等，另外還有[.dwg][.wmf][.emf]等。

矢量圖可以很容易的轉化成點陣圖，但是點陣圖轉化為矢量圖卻並不簡單，往往需要比較復雜的運算和手工調節。

矢量和點陣圖在應用上也是可以相互結合的，比如在矢量文件中嵌入點陣圖實現特別的效果，再比如在三維影象中用矢量建模和點陣圖貼圖實現逼真的視覺效果等等。

從圖看差別

3. 計算機中所表示的圖像,主要採用兩種方式是什麼

記錄圖像的方式包括兩種：一種是通過數學方法記錄圖像，即矢量圖；一種是用象素點陣方法記錄，即點陣圖。

用數學演算法將二維或三維圖形轉化為計算機顯示器的柵格形式的科學。簡單地說，計算機圖形學的主要研究內容就是研究如何在計算機中表示圖形、以及利用計算機進行圖形的計算、處理和顯示的相關原理與演算法。

計算機圖形學核心目標(視覺交流)可以分解為三個基本任務：表示、交互、繪制，即如何在計算機中「交互」地「表示」、「繪制」出豐富多彩的主、客觀世界。這里的「表示」是如何將主、客觀世界放到計算機中去——二維、三維對象的表示與建模。

而「繪制」是指如何將計算機中的對象用一種直觀形象的圖形圖像方式表現出來——二維、三維對象的繪制：「交互」是指通過計算機輸入、輸出設備，以有效的方式實現「表示」與「繪制」的技術。

(3)計算機基本演算法圖形擴展閱讀：

在這個領域中，圖形是一個重要的表達手段，它可以使教學過程形象、直觀、生動，激發學生的學習興趣，極大地提高了教學效果。隨著微機的不斷普及，計算機輔助教學系統已深入到家庭。

計算機圖形學在管理和辦公自動化領域中應用最多的是繪制各種圖形，如統計數據的二維和三維圖形、餅圖、折線圖、直分圖等，還可繪制工作進程圖、生產調度圖、庫存圖等。所有這些圖形均以簡明形式呈現出數據的模型和趨勢，加快了決策的制定和執行。

傳統的動畫片都是手工繪制的。由於動畫放映一秒鍾需要24幅畫面，故手工繪制的工作量相當大。而通過計算機製作動畫，只需生成幾幅被稱作「關鍵幀」的畫面，然後由計算機對兩幅關鍵幀進行插值生成若干「中間幀」，連續播放時兩個關鍵幀被有機地結合起來。這樣可以大大節省時間，提高動畫製作的效率。

4. 計算機圖形學所涉及的演算法有哪些

圖論嗎?數據結構書上有啊，比如迪傑斯特拉演算法，普里姆演算法，弗洛伊德演算法等等

5. 計算機演算法的三種基本結構

演算法有順序結構、條件分支結構、循環結構三種基本邏輯結構。

1、順序結構

序貫結構是最簡單的演算法結構，在語句之間、框之間自上而下進行。它由依次執行的幾個處理步驟組成。

它是任何演算法都不能缺少的基本演算法結構。方框圖中的順序結構是將程序框從上到下與流水線連接，按順序執行演算法步驟。

2、條件分支結構

條件結構是指通過判斷演算法中的條件，根據條件是否為真來選擇不同流向的演算法結構。

如果條件P為真，則選擇執行框A或框B。無論P條件是否為真，只能執行A盒或B盒中的一個。不可能同時執行盒子A和B，盒子A和B不執行也是不可能的。一個判斷結構可以有多個判斷框。

3、循環結構

在某些演算法中，經常會出現某一處理步驟按照某一條件從某一地點重復執行的情況。這就是循環結構。重復執行的處理步驟是循環體，顯然，循環結構必須包含條件結構。循環結構又稱重復結構，可分為兩類：

一種是當循環結構，功能是P時形成時給定的條件下，執行一個盒子，一個盒子在執行後，確定條件P，如果仍然設置和執行一個盒子，等等來執行一個盒子，直到一個條件P並不不再執行一個盒子，這個時候離開循環結構。

另一種類型是直到型循環結構，作用是先執行，然後判斷給定條件P是否為真。如果P仍然不為真，將繼續執行盒子A，直到給定條件P為真一段時間。

(5)計算機基本演算法圖形擴展閱讀：

共同特徵

1、只有一個入口和出口

2、結構的每個部分都有執行的機會，即對於每個盒子，應該有一個從入口到出口的路徑。如圖A所示，從入口到出口沒有經過它的路徑，這是不符合要求的演算法結構。

3、結構中不存在死循環，即沒有結束循環。

6. 在計算機中圖形和圖像分別是如何獲取的呢常見的圖片格式有哪些

圖形與圖像的區別
一、存儲方式的區別：圖形存儲的是畫圖的函數；圖像存儲的則是像素的位置信息和顏色信息以及灰度信息。

二、縮放的區別：圖形在進行縮放時不會失真，可以適應不同的解析度；圖像放大時會失真，可以看到整個圖像是由很多像素組合而成的。

三、處理方式的區別：對圖形，我們可以旋轉、扭曲、拉伸等等；而對圖像，我們可以進行對比度增強、邊緣檢測等等。

四、演算法的區別：對圖形，我們可以用幾何演算法來處理；對圖像，我們可以用濾波、統計的演算法。

五、其他：圖形不是主觀存在的，是我們根據客觀事物而主觀形成的；圖像則是對客觀事物的真實描述。

圖象"一般是指數學中圖,如函數圖象一類的東西;
而"圖像"則泛指2D\3D圖片,照片等一類的平面或數字圖形.

常見的圖片格式有
一、BMP格式
二、GIF格式
三、JPEG格式
四、JPEG2000格式
五、TIFF格式
六、PSD格式
七、PNG格式
八、SWF格式
九、SVG格式

7. 計算機常用演算法有哪些

貪心演算法，蟻群演算法，遺傳演算法，進化演算法，基於文化的遺傳演算法，禁忌演算法，蒙特卡洛演算法，混沌隨機演算法，序貫數論演算法，粒子群演算法，模擬退火演算法。
模擬退火+遺傳演算法混合編程例子：
http://..com/question/43266691.html
自適應序貫數論演算法例子：
http://..com/question/60173220.html

8. 計算機專業學演算法的都學些什麼演算法，有什麼書可以看的學的話需要些什麼基礎的

計算機演算法非常多的
A*搜尋演算法
俗稱A星演算法。這是一種在圖形平面上，有多個節點的路徑，求出最低通過成本的演算法。常用於游戲中的NPC的移動計算，或線上游戲的BOT的移動計算上。該演算法像Dijkstra演算法一樣，可以找到一條最短路徑；也像BFS一樣，進行啟發式的搜索。
Beam Search
束搜索(beam search)方法是解決優化問題的一種啟發式方法，它是在分枝定界方法基礎上發展起來的，它使用啟發式方法估計k個最好的路徑，僅從這k個路徑出發向下搜索，即每一層只有滿意的結點會被保留，其它的結點則被永久拋棄，從而比分枝定界法能大大節省運行時間。束搜索於20 世紀70年代中期首先被應用於人工智慧領域,1976 年Lowerre在其稱為HARPY的語音識別系統中第一次使用了束搜索方法。他的目標是並行地搜索幾個潛在的最優決策路徑以減少回溯，並快速地獲得一個解。
二分取中查找演算法
一種在有序數組中查找某一特定元素的搜索演算法。搜索過程從數組的中間元素開始，如果中間元素正好是要查找的元素，則搜索過程結束；如果某一特定元素大於或者小於中間元素，則在數組大於或小於中間元素的那一半中查找，而且跟開始一樣從中間元素開始比較。這種搜索演算法每一次比較都使搜索范圍縮小一半。
Branch and bound
分支定界(branch and bound)演算法是一種在問題的解空間樹上搜索問題的解的方法。但與回溯演算法不同，分支定界演算法採用廣度優先或最小耗費優先的方法搜索解空間樹，並且，在分支定界演算法中，每一個活結點只有一次機會成為擴展結點。
數據壓縮
數據壓縮是通過減少計算機中所存儲數據或者通信傳播中數據的冗餘度，達到增大數據密度，最終使數據的存儲空間減少的技術。數據壓縮在文件存儲和分布式系統領域有著十分廣泛的應用。數據壓縮也代表著尺寸媒介容量的增大和網路帶寬的擴展。
Diffie–Hellman密鑰協商
Diffie–Hellman key exchange，簡稱「D–H」，是一種安全協議。它可以讓雙方在完全沒有對方任何預先信息的條件下通過不安全信道建立起一個密鑰。這個密鑰可以在後續的通訊中作為對稱密鑰來加密通訊內容。
Dijkstra』s 演算法
迪科斯徹演算法（Dijkstra）是由荷蘭計算機科學家艾茲格·迪科斯徹（Edsger Wybe Dijkstra）發明的。演算法解決的是有向圖中單個源點到其他頂點的最短路徑問題。舉例來說，如果圖中的頂點表示城市，而邊上的權重表示著城市間開車行經的距離，迪科斯徹演算法可以用來找到兩個城市之間的最短路徑。
動態規劃
動態規劃是一種在數學和計算機科學中使用的，用於求解包含重疊子問題的最優化問題的方法。其基本思想是，將原問題分解為相似的子問題，在求解的過程中通過子問題的解求出原問題的解。動態規劃的思想是多種演算法的基礎，被廣泛應用於計算機科學和工程領域。比較著名的應用實例有：求解最短路徑問題，背包問題，項目管理，網路流優化等。這里也有一篇文章說得比較詳細。
歐幾里得演算法
在數學中，輾轉相除法，又稱歐幾里得演算法，是求最大公約數的演算法。輾轉相除法首次出現於歐幾里得的《幾何原本》（第VII卷，命題i和ii）中，而在中國則可以追溯至東漢出現的《九章算術》。
最大期望（EM）演算法
在統計計算中，最大期望（EM）演算法是在概率（probabilistic）模型中尋找參數最大似然估計的演算法，其中概率模型依賴於無法觀測的隱藏變數（Latent Variable）。最大期望經常用在機器學習和計算機視覺的數據聚類（Data Clustering）領域。最大期望演算法經過兩個步驟交替進行計算，第一步是計算期望（E），利用對隱藏變數的現有估計值，計算其最大似然估計值；第二步是最大化（M），最大化在 E 步上求得的最大似然值來計算參數的值。M 步上找到的參數估計值被用於下一個 E 步計算中，這個過程不斷交替進行。
快速傅里葉變換(FFT)
快速傅里葉變換（Fast Fourier Transform，FFT），是離散傅里葉變換的快速演算法，也可用於計算離散傅里葉變換的逆變換。快速傅里葉變換有廣泛的應用，如數字信號處理、計算大整數乘法、求解偏微分方程等等。
哈希函數
HashFunction是一種從任何一種數據中創建小的數字「指紋」的方法。該函數將數據打亂混合，重新創建一個叫做散列值的指紋。散列值通常用來代表一個短的隨機字母和數字組成的字元串。好的散列函數在輸入域中很少出現散列沖突。在散列表和數據處理中，不抑制沖突來區別數據，會使得資料庫記錄更難找到。
堆排序
Heapsort是指利用堆積樹（堆）這種數據結構所設計的一種排序演算法。堆積樹是一個近似完全二叉樹的結構，並同時滿足堆積屬性：即子結點的鍵值或索引總是小於（或者大於）它的父結點。
歸並排序
Merge sort是建立在歸並操作上的一種有效的排序演算法。該演算法是採用分治法（Divide and Conquer）的一個非常典型的應用。
RANSAC 演算法
RANSAC 是」RANdom SAmpleConsensus」的縮寫。該演算法是用於從一組觀測數據中估計數學模型參數的迭代方法，由Fischler and Bolles在1981提出，它是一種非確定性演算法，因為它只能以一定的概率得到合理的結果，隨著迭代次數的增加，這種概率是增加的。該演算法的基本假設是觀測數據集中存在」inliers」（那些對模型參數估計起到支持作用的點）和」outliers」（不符合模型的點），並且這組觀測數據受到雜訊影響。RANSAC 假設給定一組」inliers」數據就能夠得到最優的符合這組點的模型。
RSA加密演演算法
這是一個公鑰加密演算法，也是世界上第一個適合用來做簽名的演算法。今天的RSA已經專利失效，其被廣泛地用於電子商務加密，大家都相信，只要密鑰足夠長，這個演算法就會是安全的。
並查集Union-find
並查集是一種樹型的數據結構，用於處理一些不相交集合（Disjoint Sets）的合並及查詢問題。常常在使用中以森林來表示。
Viterbi algorithm
尋找最可能的隱藏狀態序列(Finding most probable sequence of hidden states)。

9. 演算法的描述方式有幾種分別是什麼

描述演算法的方法有多種，常用的有自然語言、結構化流程圖、偽代碼和PAD圖等，其中最普遍的是流程圖，分思法。

流程圖（Flow Chart）使用圖形表示演算法的思路是一種極好的方法，因為千言萬語不如一張圖。流程圖在匯編語言和早期的BASIC語言環境中得到應用。相關的還有一種PAD圖，對PASCAL或C語言都極適用。

要素：

數據對象的運算和操作：計算機可以執行的基本操作是以指令的形式描述的。一個計算機系統能執行的所有指令的集合，成為該計算機系統的指令系統。一個計算機的基本運算和操作有如下四類：

1、算術運算：加減乘除等運算。

2、邏輯運算：或、且、非等運算。

3、關系運算：大於、小於、等於、不等於等運算。

4、數據傳輸：輸入、輸出、賦值等運算。

以上內容參考：網路-演算法