DOSBox-X项目中CGA模式分辨率输出问题的技术分析
问题背景
在DOSBox-X模拟器中,当用户将机器类型设置为CGA、CGA_COMPOSITE或CGA_COMPOSITE2时,系统会错误地输出640x400分辨率,这与VGA的双扫描模式类似。这一问题影响了所有版本的DOSBox-X,包括最新发布版本。
技术细节
CGA(彩色图形适配器)是IBM PC早期的一种图形标准,其原生分辨率应为320x200。然而在DOSBox-X中,当使用以下配置时:
- machine=cga/cga_composite/cga_composite2
- scaler=none
- doublescan=false
系统却错误地输出了640x400分辨率。这种异常行为特别影响那些支持复合视频输出而不仅仅是RGB输出的DOS应用程序和游戏。
问题根源
经过深入分析,发现这一问题主要存在于640像素宽的模式下(包括80x25文本模式和640x200图形模式)。值得注意的是,40x25文本模式和320x200图形模式能够正确工作,不会出现双扫描问题。
解决方案
开发团队提供了多种解决方案:
-
临时解决方案:用户可以将scaler设置为hardware_none来禁用软件高度加倍功能。这一调整允许CRT着色器正确模拟CGA输出的扫描线效果。
-
推荐配置:建议使用scaler=hardware2x而非scaler=normal2x作为默认设置,以获得更准确的输出效果。
-
最新修复:在最新的夜间构建版本中,用户可以通过以下组合获得正确的扫描线效果:
- machine=cga
- scaler=hardware_none
技术实现改进
开发团队对代码进行了以下重要改进:
-
分离了硬件缩放和软件缩放的逻辑,防止缩放因子被错误地叠加计算。
-
确保scaler=hardware完全禁用所有缩放,包括通常应用于非方形像素(如640x200)的宽度和高度加倍。
-
优化了硬件2x缩放的行为,使其在output=surface时能够像normal2x一样工作。
用户配置建议
对于追求准确CGA模拟效果的用户,推荐以下配置:
- output=openglnb
- scaler=hardware_none
- aspect=true (或选择"Fit to aspect ratio")
- 适当的GLSL着色器(如crt-aperture)
结论
通过最近的代码修复,DOSBox-X已经能够正确模拟CGA及其复合视频输出的原始分辨率特性。这一改进特别有利于那些追求历史准确性的模拟器用户,使他们能够体验到更接近原始硬件的视觉效果。
对于普通用户,只需更新到最新版本并采用推荐的配置即可获得最佳体验;对于高级用户,可以通过调整各种缩放和着色器选项来进一步微调输出效果。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00