SDL предоставляет простой доступ к видео и аудио оборудованию, а также к устройствам ввода. Эта библиотека реализует уровень абстракции от аппаратного обеспечения, что обеспечивает ее кроссплатформенность. SDL реализована для многих операционных систем, например, таких как Linux, MacOSX, Windows, FreeBSD, Solaris, QNX, также ее средства доступны и для менее распространенных систем. Функции SDL написаны на языке C, но ее программные интерфейсы (API) доступны и для других языков.

Состав SDL

Библиотека SDL состоит из таких компонентов, как SDL_video, реализующий функции обработки видео (сжатие, вывод на экран, и другие): SDL_audio, позволяющий работать с аудиоданными; SDL_cdrom, обеспечивающий доступ к устройству чтения и записи дисков; SDL_keyboard – набор функций, позволяющий обрабатывать сигналы с клавиатуры; SDL_joystick – модуль, позволяющий работать с различными устройствами ввода (например, джойстик); SDL_timer дает возможность организации всевозможных таймеров в программе. Кроме перечисленных модулей существуют еще и другие, менее значимые.

Дополнительных модулей для этой библиотеки существует много, и так как она открыта, то любой желающий может легко расширить ее возможности. Также существуют официальные дополнения, среди которых: SDL_image – модуль для работы с двумерной графикой; SDL_mixer – средство обработки многоканального звука; SDL_net – добавляет возможности для создания сетевых приложений; SDL_ttf, SDL_rtf – функции работы со шрифтами.

Место библиотеки SDL в системе взаимодействия приложения и операционной системы показано на рисунке:

У библиотеки SDL помимо того, что она кроссплатформенна, есть еще одно большое преимущество – ее функциями достаточно легко пользоваться благодаря исчерпывающей документации. Кроме руководств на официальном сайте, можно найти хорошее описание всех функций в самих исходных кодах программы. Так как они распространяются свободно, это позволяет программистам легко использовать функции библиотеки SDL в своих приложениях.

Применяем SDL

Чтобы использовать в своих программах библиотеку SDL требуется подключить файл SDL.h. Перед использованием каких-либо функций следует провести инициализацию SDL, после чего создать поверхность для вывода на нее графических объектов. Данные задачи выполняются с помощью функций, описанных ниже.

Функция SDL_Init(SDL_INIT_VIDEO|SDL_INIT_AUDIO) производит инициализацию библиотеки SDL (в качестве параметра принимает список библиотек, представляющий собой флаги). Строкой SDL_Surface *screen производится объявление поверхности. Все видео объекты выводятся на специально созданную для них поверхность.

Функция SDL_SetVideoMode(640,480,32,SDL_HWSURFACE|SDL_DOUBLEBUF) отвечает за создание поверхности – в данном примере создается поверхность размером 640×480 пикселей, глубина цвета – 32 бита, к тому же включается двойная буферизация, обеспечивающая более плавный и быстрый вывод на экран. Функция возвращает указатель на SDL_Surface.

SDL широко используется при программировании различных приложений. Чаще всего с ее помощью пишутся игры, но ее возможности используются также плеерами, и другими программами. Ниже приведен список некоторых наиболее известных приложений, созданных с помощью средств библиотеки SDL, либо использующих некоторые ее возможности:

• Quake 4;
• The Battle for Wesnoth;
• OpenTTD;
• Freeciv;
• SuperTux;
• XMoto;
• Mplayer;
• VLC;
• DOSBox;
• и другие.

SDL и OpenGL

При разработке игр SDL часто используется в связке с библиотекой OpenGL, потому что SDL обеспечивает эффективную работу с аппаратным обеспечением, а OpenGL обладает широким набором функций по обработке и построению графических объектов. В результате получается мощный инструмент программирования интерактивной графики. Так как обе библиотеки открыты и кроссплатформенны, приложения, созданные на их основе, легко переносимы на различные операционные системы, что расширяет аудиторию пользователей этих приложений.

Библиотека SDL обладает широким набором функций, ее API доступны для многих языков программирования, она кроссплатформенна и открыта. Эти свойства делают SDL мощным средством создания приложений.

set (0, 'defaulttextfontname', 'Terminus,16');

QUALITY = 20;
N = 512 ; % Максимальное значение времени t
minfreq=100/(N-1);
maxfreq = 257/(N-1); % максимальная частота волны
dfreq = 2 * maxfreq; % Частота дискретизации (замеров)
disp('Частота волны freq = '), disp(maxfreq)

t = 0:1/(QUALITY*dfreq):N;

% Уравнение волны
F = N*log(N+1)/(N^2-1)*sin((2*pi*100/N)*t+N/10) + \
(N+3)*log(N/3)/(N^2-1)*sin((2*pi*157/N)*t+N/3) + \
(N+4)*log(N/4)/(N^2-1)*cos((2*pi*257/(N-1))*t+N/4);

%%============================================================================%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% NOISE (ШУМ) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%============================================================================%%

figure(1)
NoiseKoef = 100;
noise=randn([1, length(F)])/NoiseKoef;
FN=F + noise; % signal with noise
subplot(3,1,1);
plot(t, F,'b', t, FN, 'r');
title('signal with noise');
axis([0, 50])
subplot(3,2,3); 

% Expected value (математическое ожидание)
ExpVal = mean(FN)

% Variance (дисперсия)
Var = var(FN)

% Correlation (корреляция)
Cor = xcorr(FN);
subplot(3,2,6)
plot(Cor,'r')
title('Correlation')
grid on

% Probability density (плотность рапределения)
subplot(3,2,3)
ProbDens = hist(FN);
hist(FN)
title('Probability density')
grid on

% Probability distribution (закон распрделения)
subplot(3,2,4)
ProbDist = 0;
for i=1:length(ProbDens)
    ProbDist(i+1)=ProbDens(i)+ProbDist(i);
end
ProbDist=ProbDist/length(FN);
plot(ProbDist);
title('Probability distribution')
grid on

% Spectrum (спектр)
subplot(3,2,5)
spectrum = abs(fft(FN));
plot(spectrum,'r')
title('Spectrum')
grid on

%%============================================================================%%
%%%%%%%%%%%%%%%%%%% Low-pass filter (фильтр низких частот) %%%%%%%%%%%%%%%%%%%%%
%%============================================================================%%
figure(2);
% зашумленный сигнал
subplot(4,1,1);
plot(t, F,'b', t, FN, 'r');
title('signal with noise');
axis([0, 50])

% исходный сигнал
subplot(4,1,2);
plot(t, F,'m');
title('original signal');
axis([0, 50])

% low-pass filter (фильтр Баттерворта)
%Wp = minfreq*0.3; Ws = maxfreq;
%[n,Wn] = buttord(Wp,Ws,3,60)
%[b,a] = butter(n,Wn);
%FLP = filter(b,a,FN);

%subplot(3,1,3)
%plot(t, FLP, 'b')
%title('low-pass filter');
%axis([0, 50])

Np=3;%	Порядок фильтра
fc=minfreq*0.3;	% cutoff frequency (частота среза)
[b,a]=butter(Np,fc);
FLP = filter(b,a,FN);

subplot(4,1,3)
plot(t, FLP, 'b')
title('low-pass filter');
axis([0, 50])

% выделение гармоники
%figure(3)
subplot(4,1,4);
spectrum = abs(fft(FLP));
plot(spectrum,'r');
title('harmonic');
axis([0, 50, 0, 5])

• математическое ожидание;
• дисперсия;
• корреляция;
• плотность распределения;
• закон распределения;
• спектр сигнала.

Измеряются характеристики оригинального и зашумлённого сигнала.

set (0, 'defaulttextfontname', 'Terminus,16');

%% 

QUALITY = 20;

N = 512 ; % Максимальное значение времени t
freq = 257/(N-1); % Частота волны
dfreq = 2 * freq; % Частота дискретизации (замеров)
disp('Частота волны freq = '), disp(freq)

t = 0:1/(QUALITY*dfreq):N;

% Уравнение волны
F = N*log(N+1)/(N^2-1)*sin((2*pi*100/N)*t+N/10) + \
(N+3)*log(N/3)/(N^2-1)*sin((2*pi*157/N)*t+N/3) + \
(N+4)*log(N/4)/(N^2-1)*cos((2*pi*257/(N-1))*t+N/4);

figure(1)
subplot(3,1,1)
plot(t,F,'r')
axis([0, 50])
title('Original signal')
grid on

% Expected value (математическое ожидание)
ExpVal = mean(F)

% Variance (дисперсия)
Var = var(F)

% Correlation (корреляция)
Cor = xcorr(F);
subplot(3,2,6)
plot(Cor,'r')
title('Correlation')
grid on

% Probability density (плотность рапределения)
subplot(3,2,3)
ProbDens = hist(F);
hist(F)
title('Probability density')
grid on

% Probability distribution (закон распрделения)
subplot(3,2,4)
ProbDist = 0;
for i=1:length(ProbDens)
    ProbDist(i+1)=ProbDens(i)+ProbDist(i);
end
ProbDist=ProbDist/length(F);
plot(ProbDist);
title('Probability distribution')
grid on

% Spectrum (спектр)
subplot(3,2,5)
spectrum = abs(fft(F));
plot(spectrum,'r')
title('Spectrum')
grid on

%%============================================================================%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% NOISE (ШУМ) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%============================================================================%%

figure(2)
NoiseKoef = 100;
noise=randn([1, length(F)])/NoiseKoef;
%plot(noise)
%axis([0, 50])
FN=F + noise; % signal with noise
subplot(3,1,1);
plot(t, F,'b', t, FN, 'r');
title('signal with noise');
axis([0, 50])
subplot(3,2,3); 

% Expected value (математическое ожидание)
ExpVal = mean(FN)

% Variance (дисперсия)
Var = var(FN)

% Correlation (корреляция)
Cor = xcorr(FN);
subplot(3,2,6)
plot(Cor,'r')
title('Correlation')
grid on

% Probability density (плотность рапределения)
subplot(3,2,3)
ProbDens = hist(FN);
hist(FN)
title('Probability density')
grid on

% Probability distribution (закон распрделения)
subplot(3,2,4)
ProbDist = 0;
for i=1:length(ProbDens)
    ProbDist(i+1)=ProbDens(i)+ProbDist(i);
end
ProbDist=ProbDist/length(FN);
plot(ProbDist);
title('Probability distribution')
grid on

% Spectrum (спектр)
subplot(3,2,5)
spectrum = abs(fft(FN));
plot(spectrum,'r')
title('Spectrum')
grid on

set (0, 'defaulttextfontname', 'Terminus,16');

QUALITY = 16;
N = 2048; % Максимальное значение времени t
freq = 257/(N-1); % Частота волны
dfreq = 2 * freq; % Частота дискретизации (замеров)
disp('Частота волны freq = '), disp(freq)

t = 0:1/(20*dfreq):N;

% Уравнение волны
F = N*log(N+1)/(N^2-1)*sin((2*pi*100/N)*t+N/10) + \
(N+3)*log(N/3)/(N^2-1)*sin((2*pi*157/N)*t+N/3) + \
(N+4)*log(N/4)/(N^2-1)*cos((2*pi*257/(N-1))*t+N/4);

% Уравнение волны 0.7

t1 = 0:1/(0.7*dfreq):N;

F1 = N*log(N+1)/(N^2-1)*sin((2*pi*100/N)*t1+N/10) + \
(N+3)*log(N/3)/(N^2-1)*sin((2*pi*157/N)*t1+N/3) + \
(N+4)*log(N/4)/(N^2-1)*cos((2*pi*257/(N-1))*t1+N/4);

t2 = 0:1/(1*dfreq):N;
% Уравнение волны 1
F2 = N*log(N+1)/(N^2-1)*sin((2*pi*100/N)*t2+N/10) + \
(N+3)*log(N/3)/(N^2-1)*sin((2*pi*157/N)*t2+N/3) + \
(N+4)*log(N/4)/(N^2-1)*cos((2*pi*257/(N-1))*t2+N/4);

t3 = 0:1/(1.5*dfreq):N;
% Уравнение волны 1.5
F3 = N*log(N+1)/(N^2-1)*sin((2*pi*100/N)*t3+N/10) + \
(N+3)*log(N/3)/(N^2-1)*sin((2*pi*157/N)*t3+N/3) + \
(N+4)*log(N/4)/(N^2-1)*cos((2*pi*257/(N-1))*t3+N/4);

% Уравнение волны: A * sin (2 \pi t\ omega)
% Имеем гармонику с наибольшей частотой 2*pi*257/(N-1)*t: частота = 257/(n-1)
% По т. Котельникова частота дискретизации должна быть в 2 раза больше частоты самой высокочастотной гармоники, поэтому она равна 2 \omega

figure(1) % Исходный сигнал

subplot(3,1,1)
plot(t1,F1)
axis([0. 50])
subplot(3,1,2)
plot(t2,F2)
axis([0. 50])
subplot(3,1,3)
plot(t3,F3)
axis([0. 50])

% Интерполяция 0.7
figure(2)

subplot(3,1,1);
plot(t1, F1)
axis([0. 50])

subplot(3,1,2);
ti1 = 0:1/(0.7*dfreq*1.5):N;
FI1 = interp1(t1,F1,ti1,'spline');
plot(ti1, FI1)
axis([0. 50])

subplot(3,1,3);
plot(t,F)
axis([0. 50])

% Интерполяция 1
figure(3)

subplot(3,1,1);
plot(t2, F2)
axis([0. 50])

subplot(3,1,2);
ti2 = 0:1/(1*dfreq*1.5):N;
FI2 = interp1(t2,F2,ti2,'spline');
plot(ti2, FI2)
axis([0. 50])

subplot(3,1,3);
plot(t,F)
axis([0. 50])

% Интерполяция 1.5
figure(4)

subplot(3,1,1);
plot(t3, F3)
axis([0. 50])

subplot(3,1,2);
ti3 = 0:1/(1.5*dfreq*1.5):N;
FI3 = interp1(t3,F3,ti3,'spline');
plot(ti3, FI3)
axis([0. 50])

subplot(3,1,3);
plot(t,F)
axis([0. 50])

set (0, 'defaulttextfontname', 'Terminus,16');

%% Maclaurin's trisectrix
figure(1)

phi = -3*pi/2 : .2 : 3*pi/2;
alpha = pi;
r = alpha ./ cos(phi/3);


subplot(1,2,1)
plot(phi,r,'-r')
title('rectangular coordinates')
axis([-2*pi 2*pi 0 10*pi])
xlabel('\phi')
ylabel('r')
grid on

subplot(1,2,2)
polar(phi,r,'-b')
title('polar coordinates')
axis([-5*pi 5*pi -5*pi 5*pi])
xlabel('\phi')
ylabel('r')
grid on

%% nonlinear equations

figure(2)

% 3x^5 - 8x^3 - 18x^2 + 2 = 0
subplot(3,1,1)
x = -3:0.1:3;
y = 3*x.^5 - 8*x.^3 - 18*x.^2 + 2;
plot(x,y,"-r;3x^5 - 8x^3 - 18x^2 + 2 = 0;")
axis([-3 3 -3 3])

Y = [3 0 -8 -18 0 2]
roots(Y)

hold on
plot(roots(Y), '*b')
hold off

grid on

% 5^x = 2 + e^{-2x}
subplot(3,1,2)
x = -8:0.01:10;
y = 5.^x - 2 - exp(-2*x);
plot(x,y,"-b;5^x = 2 + e^{-2x};")
axis([-4 5 -10 10])
grid on

% x^3+y^3=8 y=1+x^{3/2}
subplot(3,1,3)
x = -5:0.001:5;
y1 = (8-x.^3).^(1/3);
y2 = 1+x.^(3/2);
plot(x,y1,"-b;x^3+y^3=8;", x, y2, "-r;y=1+x^{3/2};")
axis([-2 5 0 10])
grid on

%% elliptic paraboloid

% \frac{y^2}p + \frac{z^2}q = 2x
figure

a=4;
b=20;
u = (0:0.05:5)';
v = [0:0.05*pi:2*pi];
X = a*sqrt(u)*cos(v);
Y = b*sqrt(u)*sin(v);
Z = u*ones(size(v));
surf(X,Y,Z);

shading interp
colormap pink

# gauss.m
# Решение системы линейных уравнений методом Гаусса
function X = gauss(A, B)


    r = rows(A);
    c = columns(A);
    Ag = [A B];    # Расширенная матрица

    if (rank(A) == rank(Ag))
        if (rank(A) == c)
            disp("Единственное решение (система совместна и определена)");

            # Прямой ход
            for k = 1:r                 # k - номер шага
                if (Ag(k,k) != 0)
                Ag(k,:) = Ag(k,:)./Ag(k,k);    # Приведение первого коэффициента уравнения к 1
                for i = k + 1:c            # i - счетчик по остальным уравнениям
                    Ag(i,:) = Ag(i,:) - Ag(k,:)*Ag(i,k);
                endfor
                else
                    disp("Деление на ноль.")
                    return
                endif
            endfor
            # Обратный ход
            X = Ag(end,end);    # Последний корень - угловой элемент матрицы Ag
            for k = r - 1:-1:1
                X = [Ag(k, c + 1) - sum(Ag(k, c - (length(X) - 1):c) * X); X];    # Подсчёт остальных корней
            endfor
        else
            disp("Больше одного решения (система совместна, но неопределена)");
        endif
    else
        disp("Нет решений (система несовместна)");
    endif

endfunction

PS Модуль предназначен для octave, но должен работать и в matlab’е.

scrathbox

Первым делом нужно загрузить скрипт установки maemo-scratchbox-install_4.0.1.sh:

# wget http://repository.maemo.org/stable/chinook/maemo-scratchbox-install_4.0.1.sh

Нужно добавить право исполнения файла:

# chmod a+x ./maemo-scratchbox-install_4.0.1.sh

и запустить скрипт установки:

# ./maemo-scratchbox-install_4.0.1.sh

После запуска скрипт выкачивает необходимые для установки пакеты из сети. Это может занять продолжительное время. Установка проходит в автоматическом режиме. После окончания установки необходимо добавить пользователей в группу sbox. Это делается следующей командой:

# /scratchbox/sbin/sbox_adduser USER yes

где USER – имя пользователя. Чтобы членство в новой группе возымело силу, необходимо выйти из системы и зайти вновь.

Scratchbox установлен. Далее необходимо установить SDK.

maemo SDK

Загрузить скрипт установки SDK:

# wget http://repository.maemo.org/stable/chinook/maemo-sdk-install_4.0.1.sh

И назначаем права на исполнение:

$ chmod +x maemo-sdk-install_4.0.1.sh

Для установки maemo sdk достаточно прав обычного пользователя, имеющего право доступа к scratchbox:

$ sh maemo-sdk-install_4.0.1.sh -y

Установщик интерактивный. В начале спрашивает какой набор пакетов необходимо установить. Я выбрал последний, самый полный, вариант, но можно выбрать любой другой, удовлетворяющий вашим потребностям:

После еще пары вопросов, установщик загрузит необходимые пакеты из сети и установит их. Во время установки могут быть выданы предупреждения об отсутствующей цели. Ничего в этом страшного нет. Цель установим позже.

Xephyr

Для работы скорее всего понадобится xserver-xephyr.

# aptitude install xserver-xephyr

чтобы установить его.

Для запуска Xephyr необходимо выполнить:

$ Xephyr :2 -host-cursor -screen 800x480x16 -dpi 96 -ac -extension Composite

Итог

Установка завершена. Чтобы войти в scratchbox, нужно выполнить в консоли:

$ /scratchbox/login

Сменить целевую платформу можно командой:

> sb-conf select CHINOOK_ARCH

где ARCH – имя платформы (X86 или ARMEL).

Полезные ссылки:

http://tablets-dev.nokia.com/4.0/INSTALL.txt
http://www.progbox.co.uk/wordpress/?p=453
http://www.scratchbox.org/
http://www.ibm.com/developerworks/ru/library/l-lob800-1/
http://maemo.org/development/documentation/tutorials/maemo_4-0_tutorial.html