mtPaint 3.51 技术文档
2024-12-23 00:57:39作者:田桥桑Industrious
1. 安装指南
1.1 系统要求
mtPaint 是一个基于 GTK+1/2/3 的简单绘图程序,适用于创建图标和基于像素的艺术作品。它支持编辑索引调色板或 24 位 RGB 图像,并提供基本的绘图和调色板操作工具。由于其简单性和缺乏依赖性,它可以在 GNU/Linux、Windows 和旧的 PC 硬件上运行良好。
1.2 依赖库
在编译 mtPaint 之前,您需要确保系统上安装了以下库和头文件:
- GTK+1 和/或 GTK+2 和/或 GTK+3
- libpng
- zlib
- libjpeg(可选,用于加载或保存 JPEG 文件)
- libtiff(可选,用于加载或保存 TIFF 文件)
- libopenjpeg 或 libjasper(可选,用于加载或保存 JPEG2000 文件)
- libwebp(可选,用于加载或保存 WebP 文件)
- gettext(可选,用于编译国际化版本)
1.3 编译步骤
1.3.1 在 GNU/Linux 系统上编译
- 下载 mtPaint 源代码。
- 根据需要调整 Makefile 或源代码。
- 运行以下命令进行编译:
- 对于 GTK+2:
./configure make su -c "make install" - 对于 GTK+1:
./configure gtk1 make su -c "make install" - 对于 GTK+3:
./configure gtk3 make su -c "make install"
- 对于 GTK+2:
- 如果需要卸载,运行:
su -c "make uninstall"
1.3.2 在 Windows 系统上编译
- 使用 MinGW 交叉编译器在 GNU/Linux 系统上编译,使用提供的
winbuild.sh脚本。 - 或者,在 Windows 系统上使用 MinGW/MSYS 进行手动编译:
- 安装 MinGW 和 MSYS。
- 安装 GTK+2 开发者包及其依赖项。
- 下载并解压所需的库文件。
- 使用 MSYS 运行
./configure,然后make和make install。
2. 项目的使用说明
2.1 启动 mtPaint
- 在终端或命令行中输入
mtpaint启动程序。 - 使用
-v选项启动查看器模式,例如:mtpaint -v *.jpg。
2.2 基本功能
- 图像编辑:支持编辑索引调色板或 24 位 RGB 图像。
- 绘图工具:提供基本的绘图和调色板操作工具。
- 高级功能:包括通道、图层和动画支持。
2.3 配置文件
- 首次运行 mtPaint 时,会在用户的主目录中创建一个名为
.mtpaint的配置文件,存储用户的偏好设置和最近使用的文件。 - 如果删除或重命名此文件,下次启动时将使用默认设置。
3. 项目API使用文档
3.1 命令行选项
-v:启动查看器模式,隐藏调色板和菜单栏。*.jpg:可以一次打开多个图像文件,程序会显示一个包含所有文件名的列表,选择其中一个进行编辑。
3.2 配置选项
- 使用
./configure --help查看可用的配置选项。 release:编译时使用与发布包相同的优化选项。intl:启用国际化支持。
4. 项目安装方式
4.1 在 GNU/Linux 系统上安装
- 下载 mtPaint 源代码。
- 运行
./configure配置编译选项。 - 运行
make进行编译。 - 使用
su -c "make install"安装程序。
4.2 在 Windows 系统上安装
- 使用 MinGW 交叉编译器在 GNU/Linux 系统上编译,使用
winbuild.sh脚本。 - 或者,在 Windows 系统上使用 MinGW/MSYS 进行手动编译,安装所需的库和头文件,然后运行
make。
通过以上步骤,您可以成功安装并使用 mtPaint 进行图像编辑和创作。
登录后查看全文
热门项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873