VS2015上boost可视化图形开发库的应用和操作

简介: VS2015上boost可视化图形开发库的应用和操作

目录

一、前言

二、可视化插件安装

2.1、联机安装

2.2、手动安装

1、官网下载vsix文件

2、退出所有的Visual Studio

3、cmd 命令切换到Visual Studio2015安装目录,也就是VSIXInstaller.exe程序所在目录

4、输入:VSIXInstaller.exe(空格)vsix文件全路径,按回车进入安装界面

5、在弹出的安装界面,点击安装,安装完成后关闭即可

6、在视图->其它窗口中查看窗口菜单

三、boost::geometry程序可视化测试

1、简单的测试代码

2、运行调试


一、前言


在之前有想过研究基于boost库实现矢量图形拓扑操作的工作,也专门为此新开了一个专栏(Boost_nanke_yh的博客-CSDN博客),里面更新过三篇博文。后来由于boost可视化工具版本限制,本机上没有合适的VS版本匹配,再加上种种因素就停更了。


前阵子,由于项目需要下载安装了VS2015,还特地详细写了一篇VS2015下载安装的博文

Windows10下VS2015下载安装详解【附“安装包丢失或损坏“ 错误解决方法】_nanke_yh的博客-CSDN博客

https://blog.csdn.net/nanke_yh/article/details/127132411?spm=1001.2014.3001.5502


基于此,那boost::geometry的操作就可以开始研究起来了。


二、可视化插件安装


对于boost::geometry图形开发库和其可视化插件Graphical Debugging的介绍在在VS中关于boost::geometry图形开发库的几何图形可视化插件(Graphical Debugging)_nanke_yh的博客-CSDN博客_geometry库


有具体的介绍,对于插件的安装也介绍了步骤和方法,在这里基于VS2015再实际安装一下。


2.1、联机安装


打开VS2015,工具->扩展与更新,选择‘联机’,搜索Graphical Debugging,然后点击下载安装,插件大概318k,很容易下载完成,安装后重启VS;然后在视图其它窗口中,就可以找到查看的Geometry Watch,Graphical Watch,Plot Watch三个窗口菜单。(这种方式比较简单,主要需要联网下载,在这里就不详细操作)

1.png


2.2、手动安装


这次主要详细介绍一下手动安装的步骤:

1.png


2、退出所有的Visual Studio


3、cmd 命令切换到Visual Studio2015安装目录,也就是VSIXInstaller.exe程序所在目录


4、输入:VSIXInstaller.exe(空格)vsix文件全路径,按回车进入安装界面


1.png


5、在弹出的安装界面,点击安装,安装完成后关闭即可

1.png

1.png


6、在视图->其它窗口中查看窗口菜单


打开VS2015,启动程序有些慢,在加载内容,同时在视图->其它窗口中,就可以找到查看的Geometry Watch,Graphical Watch,Plot Watch三个窗口菜单。也即可视化插件Graphical Debugging安装成功了。

1.png

Geometry Watch tool window displaying geometries in a common coordinate system, e.g. Boost.Geometry, Boost.Polygon polygons, etc.


Graphical Watch tool window displaying graphical representation of variables, e.g. Boost.Geometry models, vectors of values, Boost.Gil images, etc.


Plot Watch tool window displaying plot representation of variables, e.g. vector of doubles, array of pairs, etc.


“几何图形监视”工具窗口,显示公共坐标系中的几何图形,例如 Boost.Geometry、Boost.Polygon 多边形等。


图形监视工具窗口,显示变量的图形表示,例如 Boost.Geometry模型、值的向量、Boost.Gil 图像等。


绘图观察工具窗口,显示变量的绘图表示形式,例如双精度的矢量,数组等。


三、boost::geometry程序可视化测试


在VS2015已经编译引用boost库的前提下进行测试,具体的vs2015如何正确编译使用boost1.69.0可以参考:VS2015编译使用Boost库遇到的问题及正确编译使用教程_nanke_yh的博客-CSDN博客


1、简单的测试代码


#include <iostream>
#include <boost/geometry.hpp>
#include <boost/geometry/geometries/point_xy.hpp>
namespace bg = boost::geometry;
using namespace std;
int main()
{
    bg::model::d2::point_xy<double> point(1, 2);
    double x = bg::get<0>(point);
    double y = bg::get<1>(point);
    cout << "x=" << x << " y=" << y << endl;
    getchar();
    return 0;
}


2、运行调试


使用可视化插件的调试,如同正常的断点调试一般。加上断点后运行至断点处暂停,然后在视图->其它窗口中打开Geometry Watch,Graphical Watch,Plot Watch三个窗口菜单。分别在下方Name中输入需要可视化的变量。

1.png

1.png

1.png

上面三图,就分别是调试过程中Geometry Watch,Graphical Watch,Plot Watch三个窗口可视化的情况啦。正如各自名字一样,它们对应的可视化功能各不相同,一般boost::geometry库基本还是想要可视化几何图形的相对关系的,使用Geometry Watch窗口比较多,其他的大家根据自己需要显示查看即可。

目录
相关文章
|
3月前
|
机器学习/深度学习 数据可视化 Python
Python实用记录(三):通过netron可视化模型
使用Netron工具在Python中可视化神经网络模型,包括安装Netron、创建文件和运行文件的步骤。
53 2
Python实用记录(三):通过netron可视化模型
|
3月前
|
数据可视化 数据挖掘 定位技术
Python中利用Bokeh创建动态数据可视化
【10月更文挑战第14天】本文介绍了如何使用 Bokeh 库在 Python 中创建动态数据可视化。Bokeh 是一个强大的开源可视化工具,支持交互式图表和大规模数据集的可视化。文章从安装 Bokeh 开始,逐步讲解了如何创建动态折线图,并添加了交互式控件如按钮、滑块和下拉菜单,以实现数据更新频率的调节和颜色选择。通过这些示例,读者可以掌握 Bokeh 的基本用法,进一步探索其丰富功能,创建更具吸引力和实用性的动态数据可视化。
|
5月前
|
JSON 数据可视化 BI
我常用的5个Python可视化库
我常用的5个Python可视化库
|
6月前
|
存储 监控 数据可视化
【Bokeh 库】Python 中的动态数据可视化
【7月更文挑战第15天】Python的Bokeh库是用于动态数据可视化的利器,它能创建交互式、现代Web浏览器兼容的图表。安装Bokeh只需`pip install bokeh`。基础概念包括Plot、Glyph、数据源和工具。通过示例展示了如何用Bokeh创建动态折线图,包括添加HoverTool。Bokeh还支持散点图、柱状图,可自定义样式和布局,添加更多交互工具,并能构建交互式应用和实时数据流更新。适用于数据探索和实时监控。
|
8月前
|
数据可视化 Python
pycallgraph,一个好用的 Python 代码可视化库!
pycallgraph,一个好用的 Python 代码可视化库!
456 7
|
8月前
|
Python
如何使用Python的Plotly库创建交互式图表?
Plotly是Python的交互式图表库,支持多种图表类型。安装Plotly后,导入graph_objects和express模块。准备数据,然后使用Figure()或px.line()创建图表对象。通过add_trace()添加数据,设置属性,并用show()或write_html()展示或保存图表。以下是一个创建交互式折线图的简单示例,展示了数据准备、对象创建、属性设置及显示过程。Plotly还支持高级功能如子图、多轴和动画,适用于复杂需求。
45 0
|
存储 并行计算 数据挖掘
【100天精通Python】Day59:Python 数据分析_Pandas高级功能-多层索引创建访问切片和重塑操作,pandas自定义函数和映射功能
【100天精通Python】Day59:Python 数据分析_Pandas高级功能-多层索引创建访问切片和重塑操作,pandas自定义函数和映射功能
121 2
|
SQL 数据挖掘 数据库
【100天精通Python】Day54:Python 数据分析_Pandas入门基础,核心数据结构Serise、DataFrame、Index对象,数据的导入操作
【100天精通Python】Day54:Python 数据分析_Pandas入门基础,核心数据结构Serise、DataFrame、Index对象,数据的导入导出操作
218 0
|
数据采集 存储 SQL
如何使用Python和sqlite3构建一个轻量级的数据采集和分析平台
据采集和分析是当今时代的一项重要技能,它可以帮助我们从互联网上获取有价值的数据,并对其进行处理和挖掘,从而获得有用的信息和洞察。但是,数据采集和分析并不是一件容易的事情,它需要我们掌握各种工具和技术,如爬虫、数据库、编程语言、统计方法、可视化工具等。
146 0
如何使用Python和sqlite3构建一个轻量级的数据采集和分析平台
|
存储 网络协议 API
4.9 C++ Boost 命令行解析库
命令行解析库是一种用于简化处理命令行参数的工具,它可以帮助开发者更方便地解析命令行参数并提供适当的帮助信息。C++语言中,常用的命令行解析库有许多,通过本文的学习,读者可以了解不同的命令行解析库和它们在C++项目中的应用,从而更加灵活和高效地处理命令行参数。
177 0