superliminal.com

立体视觉（stereo）是利用左右眼看到的微小画面差异，让大脑合成出深度感的技术。要体验它，你需要一对“视差图像”——同一场景从左右两个略微不同的位置拍摄或渲染的两张图，然后用平行眼、交叉眼、红蓝眼镜或立体显示器让左右眼各看一张。Superliminal Software 网站把 Stereo Visualization 归在 Science 分类下，与 Chemistry、Astronomy 并列，说明它在这里被当作一种科学可视化手段，而不是单纯的摄影趣味。

立体视觉的基本原理

人的两眼相距约 6–7 厘米，看同一物体时，左右眼接收到的图像在水平方向上有细微错位，这个错位叫双眼视差。大脑根据视差大小判断物体远近：视差大的物体近，视差小的物体远。立体图像就是人为制造这种视差——给左眼一张、右眼另一张，让大脑“误以为”看到了真实深度。

关键条件是：两张图必须只存在水平方向的差异。如果两张图还有垂直错位或旋转差异，大脑无法融合，就会看到重影或头晕。

常见立体图像形式与观看方法

平行眼观看步骤

1. 把并排图放在正常阅读距离，先不要盯着图看。
2. 想象屏幕后方远处有一个点，让视线“穿过”屏幕。
3. 保持视线放远，用余光感受两张图开始重叠，中间会出现第三幅“融合图”。
4. 融合图稳定后，深度感会自然出现。

预期结果：看到三幅图，中间那幅有立体层次。常见卡点：一开始总想聚焦到屏幕上，导致融合失败；可以先眨眼放松再试，不要用力瞪眼。

交叉眼观看步骤

1. 伸出一根手指放在屏幕前方约一半距离处。
2. 眼睛聚焦在手指上，同时用余光看屏幕上的并排图。
3. 慢慢移动手指远近，直到两张图在中间重叠成第三幅。
4. 保持融合，移开手指。

常见失败原因：交叉眼图如果左右放反，融合后深度会颠倒（近处变远、远处变近），看起来“怪但不晕”；如果出现明显重影和头晕，通常是两张图有垂直错位，或观看时间过长，应停下来休息。

用普通相机拍摄立体照片

不需要双反相机或专业立体设备，一台普通相机就能做：

1. 固定场景：选择静止的拍摄对象，避免拍摄中有物体移动。
2. 拍第一张：正常构图，记下相机位置。
3. 水平平移：把相机沿水平方向平移约 6–7 厘米（接近人眼间距），保持高度和朝向不变，拍第二张。
4. 配对检查：两张图应只有水平错位，没有上下错位或旋转差异。
5. 合成观看：把两张图并排或交叉排列，用上面的方法观看。

注意：平移距离不是固定的。拍远景时 6–7 厘米的视差太小，深度感弱，可以适当加大间距；拍近物时间距过大会导致视差过大、难以融合。先从一个接近人眼间距的值开始试。

立体视觉的典型用途

• 3D 摄影：用双机位或单机平移拍摄，制作可裸眼观看的立体照片。
• 科学可视化：Superliminal Software 把 Stereo Visualization 列在 Science 下，与化学、天文并列，说明立体图常用于展示分子结构、天体分布等需要深度判断的数据。
• 教育与演示：立体图能把抽象的空间关系直观呈现，适合课堂或科普展示。

如果你只是想“看懂”立体图，从平行眼并排图开始最省设备；如果要拍自己的立体照片，先练好水平平移和配对检查这两步，比追求特殊器材更关键。

Android 是一个以 Linux 内核为基础的移动操作系统，主要运行在手机、平板、电视和可穿戴设备上，由 Google 主导开发并以开源方式发布，因此不同厂商可以在此基础上定制自己的界面和功能。如果你只是想知道“它和 iPhone 上的系统、和我电脑上的 Linux 是不是一回事”，可以先记住一句话：Android 和 iOS 是同一层级的两套手机系统，而 Android 和桌面 Linux 只共享最底层的内核，上层从应用到界面几乎完全不同。

Android 在设备里扮演什么角色

操作系统是硬件和应用之间的中间层。在 Android 设备上，它负责几件事：

• 管理硬件：屏幕、触控、摄像头、网络、传感器等由系统统一调度，应用不直接操作硬件。
• 提供运行环境：应用以特定格式打包，由系统负责安装、启动、分配内存和权限。
• 管理用户界面：桌面、通知栏、多任务切换、设置页都由系统提供。
• 控制权限：应用访问相机、位置、通讯录等需要向系统申请授权。

所以同一款应用能在不同品牌的手机上运行，靠的就是它们都实现了 Android 这套运行环境。

Android 与 iOS 的主要区别

两者都是移动操作系统，差别集中在开放性、设备生态和自定义程度上：

选择时可以这样判断：想要更多机型选择、更灵活的自定义，Android 更合适；想要统一的更新节奏和相对封闭的生态，iOS 更合适。这不是优劣问题，而是取舍不同。

Android 与桌面 Linux 的关系

Android 确实使用了 Linux 内核，但仅此而已：

• 共享的部分：进程调度、内存管理、驱动模型等内核能力。
• 不同的部分：Android 有自己的应用框架、运行时和用户界面，普通 Linux 桌面程序不能直接在 Android 上运行，反之亦然。
• 实际影响：会用 Linux 不代表会用 Android 的开发或系统机制，两者需要分开学习。

可以把它理解成：同一款发动机，装在不同类型的车上，驾驶方式和用途都不一样。

理解这些对日常使用有什么用

• 应用兼容性：应用会声明支持的最低系统版本，系统太旧可能装不上。
• 系统更新：Android 更新由 Google 发布基础版本、厂商适配，因此不同机型收到更新的时间差别很大。
• 权限问题：应用要访问敏感数据必须经过系统授权，遇到异常索取权限时可以拒绝或卸载。
• 设备差异：同一应用在不同品牌手机上界面可能略有不同，这是厂商定制层造成的，不是应用本身的问题。

把 Android 看作“基于 Linux 内核、由 Google 主导、允许厂商定制的移动操作系统”，就能解释上面这些现象，也能帮你在选设备、判断兼容性和处理权限问题时做出更清楚的判断。

CCVisu 是一个命令行工具,用来对图数据做力导向布局,并可选地在布局过程中进行图聚类。它适合把软件结构、依赖关系或任意边列表转成一张能看出"哪些节点抱团、哪些节点游离"的二维图。前提是你有一个可用的 Java 运行环境,并且能接受用命令行而不是图形界面来操作。下面按"准备输入 → 选模式 → 运行 → 解读 → 排错"的顺序说明。

准备 CCVisu 能读的输入

CCVisu 的核心输入是一张图,最直接的写法是边列表:每行一条边,两个节点标识符用空白分隔。节点标识符可以是名字、路径或编号。

A B
A C
B C
D E

如果图里存在孤立节点(没有任何边),边列表无法表达它们,需要改用能声明节点的格式。CCVisu 支持 RSF(Relation Specification Format)这类带关系声明的写法,常见形式是每行给出关系名和两个端点:

depends A B
depends A C
depends B C
depends D E

准备输入时确认三件事:

• 分隔符一致:同一文件里不要混用空格和制表符以外的分隔方式。
• 节点名不重复歧义:同名节点会被当作同一个点,想区分要加前缀。
• 文件编码统一:含非 ASCII 名称时用 UTF-8,避免解析阶段就报错。

选择布局模式:普通力导向还是聚类布局

CCVisu 的两种用法对应不同的输出意图,选错模式会得到"看起来乱"或"过度抱团"的结果。

判断方法:如果你只想知道"这张图长什么样",先用普通力导向;如果你已经预期图里存在若干社区,想让工具帮你把边界画出来,用聚类布局。

运行命令行并设置关键参数

CCVisu 以命令行方式调用,典型结构是"指定输入文件 + 指定输出文件 + 选择布局/聚类选项"。由于不同版本的参数名可能不同,运行前先用帮助选项确认当前版本支持的写法:

java -jar ccvisu.jar --help

一次典型运行包含这些要素:

• 输入:你的边列表或 RSF 文件路径。
• 输出:布局结果文件,通常是坐标加节点名的文本,可再转成图形。
• 迭代次数:控制力导向计算的轮数。轮数太少布局不收敛,节点位置还在乱动;轮数太多则耗时增加但形状变化很小。
• 布局/聚类开关:决定走普通力导向还是聚类路径。

预期结果:命令结束后生成一个输出文件,里面每个节点带一组二维坐标(聚类模式下还会带簇编号)。如果输出文件为空或只有表头,说明输入没被正确解析,先回到上一步检查格式。

解读生成的布局图

把输出坐标画成散点图后,按下面的线索读:

• 紧密成团的节点:彼此边多、距离近,通常对应一个模块或一组高耦合的类/文件。
• 团与团之间的细长连接:少数跨组的边,往往是模块间的接口或依赖,是重构时最值得关注的位置。
• 离群节点:远离所有团、连接很少的点,可能是孤立功能、死代码或数据噪声。
• 中心节点:位于多个团之间、连接度高的点,常是核心类或公共依赖,改动它影响面大。

聚类模式下,簇编号直接给出分组,但要注意:簇的划分是算法基于当前图结构算出来的,不等于业务上正确的模块划分。它是一份"结构证据",需要你结合代码或领域知识判断是否合理。

常见失败与排查

输入解析错误 现象:报错或输出为空。原因通常是分隔符不一致、节点名含特殊字符、或用了工具不认识的格式。排查:先用一个只有两三条边的最小文件测试,确认格式被接受后再换真实数据。

布局不收敛 现象:多次运行结果差异大,或节点位置明显不合理。原因多与迭代次数不足或图规模过大有关。排查:逐步提高迭代次数,观察结果是否趋于稳定;图很大时先抽取子图验证参数。

输出为空或缺少节点 现象:输出文件没有内容,或节点数少于预期。原因可能是孤立节点未被边列表表达,或某几行被当成注释/非法行跳过。排查:核对输入行数与预期边数,把孤立节点显式声明出来。

结果图"糊成一团" 现象:所有节点挤在一起看不出结构。原因可能是图本身连接过密,或斥力相关参数偏小。排查:先确认图是否真的高度连通;若是,考虑先按权重过滤掉弱边再布局。

什么时候该用 CCVisu

如果你的目标是从一份边关系数据出发,快速得到一张能看出分组和关键节点的布局图,并且愿意用命令行和文本输出,CCVisu 是合适的选择。它不提供交互式图形界面,也不负责帮你从源码自动抽取依赖——那部分需要你先用别的工具生成边列表或 RSF,再交给它做布局与聚类。把输入格式和模式选对,后面的解读和排错就有据可依。

Pedagoguery Software 是一家自 1988 年起持续开发数学与几何类软件的公司，当前产品面向 Macintosh 和 Windows 电脑。根据其官网信息，你可以通过网站导航栏或页面链接查看当前产品、下载评估版（evaluation copies）、查看价格与购买方式，以及书籍推荐。官网列出的当前产品名称包括 GrafEq、Poly、Poly Pro、Tess、COGS 等，早期产品则针对 Apple // 和 IBM PC 兼容机。

当前面向 Macintosh 和 Windows 的产品

官网“Overview of Products”及页面链接中出现的产品名称如下：

官网明确说明“current software products are for Macintosh and Windows computers”，即当前产品同时面向这两个平台。但页面证据中并未逐个列出每个产品具体支持哪些平台版本、系统要求或功能细节，因此无法在此确认某一款软件是否同时提供 Mac 与 Windows 两个版本，需要进入对应产品页面查看。

早期产品（GrafEq、Tickedy-Boo、Z80 CP/M Turbo Enhancer、Vector Nector 面向 Apple //；Sin ’n Conics 面向 IBM PC 兼容机）属于历史产品，不代表当前可获取的版本。

如何下载试用版

官网提供了下载评估版（evaluation copies）的入口，路径为网站导航栏或页面中的下载链接。

操作思路：

1. 打开 peda.com。
2. 使用导航栏（需启用 JavaScript 才能使用导航菜单）或页面正文中的链接。
3. 进入下载区域，获取你所需产品的评估版。
4. 按产品页面说明安装并试用。

预期结果：获得该软件的评估副本，用于在购买前体验功能。官网未在证据中说明评估版的功能限制、试用期限或是否需注册，这些需以产品页面实际说明为准。

如何查看价格与购买

官网设有“Prices & Purchasing”入口，用于查看价格和购买相关信息。

1. 在导航栏或页面链接中找到“Prices & Purchasing”。
2. 查看各产品的价格与购买方式。
3. 官网还提供书籍推荐（book recommendations），可与软件一并参考。

需要注意：页面证据中未列出具体价格数字、支付平台或购买流程细节，因此无法在此给出金额或支付方式。价格与购买条件请以“Prices & Purchasing”页面的实时内容为准。

政策与许可

官网提供“policies and licenses”链接，可查看公司的政策与授权条款。购买或部署前建议先阅读该部分，确认授权范围。

联系与背景信息

如需进一步咨询，官网给出的联系方式：

• 邮箱：[email protected]
• 语音留言：604 629 7589
• 传真：778 373 4963
• 邮寄地址：Pedagoguery Software Inc., 4446 Lazelle Ave., Terrace, B.C. V8G 1R8, Canada

公司自 1988 年起开发软件，早期产品覆盖 Apple // 与 IBM PC 兼容机，当前产品线转向 Macintosh 和 Windows。

常见卡点

• 导航菜单依赖 JavaScript：官网提示“To use the navigation menus, enable JavaScript”，若菜单无法展开，请检查浏览器是否启用了 JavaScript，或改用页面正文中的链接。
• 平台确认：官网只说明当前产品面向 Macintosh 和 Windows，未逐款标注，下载前请在对应产品页确认你的系统是否受支持。
• 价格与试用限制未在首页证据中给出：具体金额、试用期限、功能限制需进入“Prices & Purchasing”和产品页面查看。

Buddhabrot 是曼德博集合的一种渲染方式：它不按每个点的逃逸时间着色，而是统计所有“逃逸点”在迭代过程中经过的复平面位置，把轨迹落点累积成密度图。这样得到的图像会呈现坐佛状的轮廓。生成它的核心步骤是：在复平面随机采样、迭代、记录最终逃逸的点的完整轨迹、把轨迹点累加到直方图，再把密度映射为亮度或颜色。它适合愿意花时间调参和长时间渲染的分形爱好者；如果只想快速看到曼德博集合的形状，用常规逃逸时间着色会更快。

它和曼德博集合的关系

两者使用同一套迭代规则：

[ z_{n+1} = z_n^2 + c,\quad z_0 = 0 ]

对每个复数 (c)，反复迭代。若 (|z_n|) 超过逃逸半径（通常取 2），就认为该点“逃逸”；若在迭代上限内始终不逃逸，就认为它属于曼德博集合（近似）。

区别在渲染方式：

关键点在于：Buddhabrot 只记录最终逃逸的点的轨迹，属于集合内部的点不贡献轨迹。因此图像亮的地方，是逃逸轨迹频繁经过的区域，而不是集合本身。

为什么会出现坐佛轮廓

坐佛形状不是人为设计的，而是轨迹密度分布的自然结果。逃逸点从复平面各处出发，在逃逸前会围绕某些区域反复盘旋，这些区域的轨迹落点更密集，累积后就形成明暗结构。由于曼德博集合在实轴附近具有对称性，图像通常左右对称；旋转、镜像、调整颜色映射后，会出现不同的视觉变体，但底层数据仍是同一类轨迹密度统计。

生成步骤

前提

• 能进行复数运算和随机数生成的编程环境（Python、C、Rust 等均可）。
• 接受较长渲染时间：采样数越大，图像越平滑，耗时也越长。

具体步骤

1. 确定采样范围：在复平面上选取一个矩形区域，通常覆盖曼德博集合附近，例如实部约 ([-2, 1])、虚部约 ([-1.5, 1.5])。范围过大会稀释密度，范围过小会裁掉轮廓。
2. 随机采样点：在该范围内均匀随机生成复数 (c)。
3. 迭代并判断逃逸：对每个 (c) 从 (z_0 = 0) 开始迭代，设置迭代上限和逃逸半径。若在迭代上限内 (|z_n|) 超过逃逸半径，标记为逃逸点；否则丢弃。
4. 记录轨迹：对逃逸点，把它迭代过程中经过的每个 (z_n) 都记录下来。注意记录的是 (z_n)，不是 (c)。
5. 累积直方图：把轨迹点映射到像素网格，对应格子的计数加一。所有采样点处理完后，得到一个二维计数矩阵。
6. 映射颜色：对计数做归一化或对数变换，再映射到亮度或调色板。直接线性映射容易让少数高密度区域过曝，对数或幂次变换更常用。
7. 验证结果：先跑少量采样（例如几万到几十万点），确认图像出现对称的云雾结构；再逐步增加采样数提升细节。

常见卡点与排查

• 图像几乎空白：采样范围可能偏离曼德博集合，或迭代上限太低导致几乎没有点逃逸。先缩小范围、提高迭代上限测试。
• 图像过曝、细节丢失：高密度区域计数远高于其他区域。改用对数缩放或对计数取平方根后再映射。
• 轮廓模糊、噪点多：采样数不足。Buddhabrot 依赖大量随机点累积，增加采样数通常比调颜色更有效。
• 左右不对称：检查是否只记录了部分轨迹，或采样范围在虚轴方向不对称。

关键参数怎么影响结果

实际调参时，建议固定逃逸半径，先确定采样范围和迭代上限，再逐步增加采样数观察图像收敛情况。

适用场景

Buddhabrot 更适合展示和探索分形渲染的统计思路，而不是快速查看曼德博集合边界。它计算量大、需要反复调参，适合有耐心做长时间渲染、愿意尝试不同颜色映射和采样策略的人。如果目标只是理解曼德博集合的逃逸时间结构，常规渲染更直接。