首页 > 其他分享 >屏幕缩放比例原理

屏幕缩放比例原理

时间:2023-07-19 15:22:05浏览次数:33  
标签:缩放 tw bh 宽度 bw th 原理 屏幕

情景一:

基准宽度:bw = 1920

基准高度:bh = 1080

变换后宽度:tw = 1920

变换后高度:th = 600

基准比例: br = bw/bh

bw/bh > tw/th

表示宽度大,

将高度最终显示为th(即高度直接显示,按同比例显示情况下计算宽度需要显示为多少), 故高度缩放比例计算为:scaleHeight = th / bh,

计算最终显示的宽度假设为x:bw/bh = x / th => x = th * br

所以最终的宽度缩放比例计算为: scaleWidth = (th * br) / bw

情景二:

基准宽度:bw = 1920

基准高度:bh = 1080

变换后宽度:tw = 600

变换后高度:th = 1080

基准比例: br = bw/bh

bw/bh < tw/th

表示高度大,

将宽度最终显示为tw(即宽度直接显示,按同比例显示情况下计算高度需要显示为多少),  故宽度缩放比例计算为:scaleWidth = tw / bw,

计算最终显示的高度假设为y:bw/bh = tw / y => y  = tw / br

所以最终的宽度缩放比例计算为: scaleHeight = (tw / br) / bh

 

原理:以最小显示为准,同比例下设置另外一方为变量。

标签:缩放,tw,bh,宽度,bw,th,原理,屏幕
From: https://www.cnblogs.com/Nyan-Workflow-FC/p/17565698.html

相关文章

  • android设置弹框高为屏幕宽得2/3
    Android设置弹框高为屏幕宽的2/3Android开发中,经常需要在应用中使用弹框来展示一些重要的信息或者进行用户交互。设置弹框的高度为屏幕宽的2/3是一个常见的需求。本文将介绍如何通过代码实现这一功能。获取屏幕宽度在Android中,我们可以通过以下代码来获取屏幕的宽度:DisplayMetr......
  • 大语言模型的预训练[5]:语境学习、上下文学习In-Context Learning:精调LLM、Prompt设计
    大语言模型的预训练[5]:语境学习、上下文学习In-ContextLearning:精调LLM、Prompt设计和打分函数(ScoringFunction)设计以及ICL底层机制等原理详解1.In-ContextLearning背景与定义背景大规模预训练语言模型(LLM)如GPT-3是在大规模的互联网文本数据上训练,以给定的前缀来预测生......
  • SQL Sever AlwaysOn的数据同步原理
    1.SQLServerAlwaysOn数据同步基本工作AlwaysOn副本同步需要完成三件事:1.把主副本上发生的数据变化记录下来。2.把这些记录传输到各个辅助副本。3.把数据变化在辅助副本上同样完成一遍。这3件工作主要由以下4个线程完成LogWriter线程:当任何一个SQL用户提交一个数据修改事务......
  • 牛客网-手机屏幕解锁模式
    1.题目读题[编程题]手机屏幕解锁模式  手机屏幕解锁模式现有一个3x3规格的Android智能手机锁屏程序和两个正整数m和n,请计算出使用最少m个键和最多n个键可以解锁该屏幕的所有有效模式总数。其中有效模式是指:1、每个模式必须连接至少m个键和最多n个键;2、所有的......
  • 加速github访问、git使用及其原理、错误error: remote origin already exists,error: s
    访问GithubGithub:https://github.com修改hosts1.在C:\Windows\System32\drivers\etc找到hosts2.将hosts文件复制到其他位置(D盘等等),再复制一份备份3.将#github20.205.243.166github.com185.199.108.153assets-cdn.github.com添加到hosts最后面保存(最新2023/07/1......
  • 分布式系统原理
    参考:《数据库系统内幕》《数据密集型应用系统》及DDIA逐章精读分布式系统的8个谬误下图来自戌米的论文笔记,本文就以下图所示脉络组织CAPCAP:一致性,可用性,分区容错性一致性(Consistency)指的是在分布式系统中进行数据更新操作后,系统能够保证所有节点的数据是一致的。换句话......
  • 大语言模型的预训练[1]:基本概念原理、神经网络的语言模型、Transformer模型原理详解
    大语言模型的预训练[1]:基本概念原理、神经网络的语言模型、Transformer模型原理详解、Bert模型原理介绍1.大语言模型的预训练1.LLM预训练的基本概念预训练属于迁移学习的范畴。现有的神经网络在进行训练时,一般基于反向传播(BackPropagation,BP)算法,先对网络中的参数进行随机初始......
  • OpenStack原理及在华为云中的应用
    1、云与操作系统虚拟化与云计算的区别虚拟化是将物理资源分配给多个虚拟机,提高硬件资源利用率,重点在于分配物理资源的能力云计算通过管理众多云虚拟机对外提供服务,重点在于提供服务。并且能够多租户之间隔离,按需使用、按量计费操作系统功能云也被当成操作系统,因为它也提供了:......
  • React、Vue框架如何实现组件更新,原理是什么?
    原文合集地址如下,有需要的朋友可以关注本文地址合集地址引言React和Vue都是当今最流行的前端框架,它们都实现了组件化开发模式。为了优化性能,两者都采用了虚拟DOM技术。当组件状态发生改变时,它们会使用虚拟DOM进行局部渲染比对,只更新必要的DOM节点,从而避免重新渲染整个......
  • 并查集和带权并查集原理分析
    并查集是算法竞赛中常用的一种数据结构。它可以高效地处理集合之间的操作与询问。其主要功能是查询两个元素是否在同一个集合以及将两个集合合并。第一部分并查集的基本操作算法思想我们将所有元素建成很多棵树(森林),每一棵树就是一个集合。因为并查集是一个树结构,那么每......