- 综合排序
- 最热优先
- 最新优先
- 来自专栏css小迷妹
IOS 图片上传处理 图片压缩 图片处理
提到从摄像头/相册获取图片是面向终端用户的，由用户去浏览并选择图片为程序使用。在这里，我们需要过UIImagePickerController类来和用户交互。 使用UIImagePickerController和用户交互，我们需要实现2个协议<UIImagePickerControllerDelegate,UINavigationControllerDelegate ，表明当前图片的来源为相册，除此之外还可以设置用户对图片是否可编辑。 ，和从相册获取图片只是图片来源的设置不一样，摄像头图片的来源为UIImagePickerControllerSourceTypeCamera。 在和用户交互之后，用户选择好图片后，会回调选择结束的方法。
7.4K10发布于 2021-10-29 - 来自专栏前端人人
React多页面应用2(处理CSS及图片,引入postCSS,及图片处理等)
1.React多页面应用1(webpack开发环境搭建,包括Babel、热更新等) ----2017.12.28 2.React多页面应用2(处理CSS及图片,引入postCSS及图片处理等)----2017.12.29 2.配置postcss 根目录下 postcss.config.js module.exports = { plugins: [ require('precss'), 现在你的工程就支持postCSS了. 6.图片的处理 原则上本地图片建议都放在背景里 添加依赖 npm i -D file-loader 7.修改webpack配置文件 config -> webpack (png|jpg|gif|ttf|eot|woff|woff2|svg|swf)$/, loader: 'file-loader?name=[name]. (png|jpg|gif|ttf|eot|woff|woff2|svg|swf)$/, loader: 'file-loader?name=[name].
1.1K70发布于 2018-04-11 - 来自专栏java架构师
图片处理
(request.Files[0].FileName); string filePath = ImageClass.GetFilePath(((FunctionModule)(2) ).ToString()); string fileType = ((FunctionModule)(2)).ToString(); ////////// ImageClass(picFile); List<PictureView> subItems = new List<PictureView>(); //获取图片的所有尺寸 var picTypes = DictionaryManager.GetDictionariesByTypeCode("AdvPictureSize"); //获取图片尺寸 fileExt; } else { return "截取范围超出图片范围
2.4K60发布于 2018-04-16 - 来自专栏AIUAI
Caffe2 - (十八) 图片数据处理函数
Caffe2 - 图片数据处理函数 Caffe2 提供了对图片进行加载、裁剪、缩放、去均值、batch 等处理的函数 - helper.py. ## @package helpers # Module caffe2.python.tutorials.helpers from __future__ import absolute_import from __future__ import division import skimage.transform def crop_center(img, cropx, cropy): y, x, c = img.shape startx = x // 2 - (cropx // 2) starty = y // 2 - (cropy // 2) return img[starty:starty + cropy, startx:startx .swapaxes(0, 1) return img def bgr(img): # switch to BGR img = img[(2, 1, 0), :, :]
517100发布于 2019-02-18 - 来自专栏python-爬虫
cv2处理图片的模板
opencv矩阵点是反的 # img[1,2] 1:图片的高度，2：图片的宽度 for y in range(1, w - 1): for x in range(1, h - 1): /out_img/' + img_name.split('.')[0] + '-interferencePoint.jpg' # todo 判断图片的长宽度下限 cur_pixel = imread(img_name) im = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) th1 = cv2.adaptiveThreshold(im, 255, cv2 get_dynamic_binary_image(filedir, img_name) # 去除边框 im = clear_border(im,img_name) # 对图片进行干扰线降噪 im = interference_line(im,img_name) # 对图片进行点降噪 im = interference_point(im,img_name
51430发布于 2020-07-15 - 来自专栏前端人人
React多页面应用2(webpack4 处理CSS及图片,引入postCSS,及图片处理等)
1、React多页面应用1(webpack4 开发环境搭建,包括热更新,api转发等)---2018.04.04 2、React多页面应用2(webpack4 处理CSS及图片,引入postCSS,及图片处理等 2.配置postcss 根目录下 postcss.config.js module.exports = { plugins: [ require('precss'), 引用成功 7、图片文件的处理 原则上本地图片建议都放在背景里 添加依赖 npm i -D file-loader@1.1.11 url-loader@1.0.1 ? (png|jpg|gif|ttf|eot|woff|woff2|svg|swf)$/, loader: 'file-loader?name=[name]. (png|jpg|gif|ttf|eot|woff|woff2|svg|swf)$/, loader: 'file-loader?name=[name].
1.5K40发布于 2018-04-11 - 来自专栏该溜子的专栏
【Android】图片处理
* 1：图片转drawable,再使用setImageDrawable() * 2：直接使用setImageResource()，传参源图片即可 缩放时易出现模糊（需手动处理多分辨率资源或使用 BitmapFactory 调整采样率）。 预加载所有像素，适合静态图像或需要直接操作像素的场景（如图像处理）。 相机拍照、图像处理、游戏贴图、复杂图像。 5：总结 上面的表格，看着就头大。 优势：在不影响图片质量的情况下可伸缩，体积小（减小了安装包的体积） 劣势：安卓5.0以上才支持，兼容性不够；相对于位图，图形细节效果不好（如模糊和阴影） 2：创建方式 一般图片资源都放置在drawable
41510编辑于 2025-07-20 - 来自专栏方亮
使用numpy处理图片——缩放图片
缩放图片是让图片丢失部分像素，从而导致图片失真。一种比较简单的方法就是抽取法。 比如如果我们要将照片在宽度上缩小50%，则可以在第二维度上每隔2个像素取一个像素来保存；类似的，如果我们希望在高度上缩小50%，则可以在第一维度上每隔2个像素取一个像素保存。 compressY = data[::2,:] compressXImg = Image.fromarray(compressX) compressXImg.save('compressx.png' compressYImg = Image.fromarray(compressY) compressYImg.save('compressy.png') 以compressX = data[:,::2] 第一个“:”表示对所有第一维度（高度）上的数组都遍历到，“::2”是指对第二个维度上每隔2个像素取一个。 我们看下效果： 原图 宽度缩放（第二维度） 高度缩放（第一维度）
1.3K10编辑于 2024-01-13 - 来自专栏Mr_du
COS 图片处理
问题案例：图片缩略后颜色变亮了 image.png image.png 分析： 先分析下原图的编码，可以用开源工具获取，如果原图是 RGB 的话，压缩是不会变色的，如果原图是 CMYK 的话，压缩后会产生偏色 image.png 目前对 CMYK 的兼容还在支持中，图片色彩空间被挤压产生的色彩变化。 将原图转换为rgb之后，处理没有色差问题
3.6K30发布于 2020-04-26 - 来自专栏帮你学MatLab
图片批量处理
批量处理 %% % 读取文件夹下所有文件，把文件名作为数组 fileFolder = fullfile(matlabroot,'toolbox','images','imdata'); dirOutput %% 读取视频 trafficVid = VideoReader('traffic.mj2') get(trafficVid) %% 播放视频 implay('traffic.mj2'); ? %% 对每一帧进行同样的处理 nframes = trafficVid.NumberOfFrames; I = read(trafficVid, 1); taggedCars = zeros([size % 一样的处理过程 I = rgb2gray(singleFrame); noDarkCars = imextendedmax(I, darkCarValue); noSmallStructures 0; end end %% 把处理完的图片播放为视频 frameRate = trafficVid.FrameRate; implay(taggedCars,frameRate); ?
2.8K30发布于 2019-06-03 - 来自专栏网络收集
图片文件处理
图片文件处理 图片文件处理 – 资源准备阶段 首先，我们在项目中加入两张图片： 一张较小的图片test01.jpg(小于8kb)，一张较大的图片test02.jpeg(大于8kb) 待会儿我们会针对这两张图片进行不同的处理 我们先考虑在css样式中引用图片的情况，所以我更改了normal.css中的样式： image.png 如果我们现在直接打包，会出现如下问题 image.png 图片文件处理 – url-loade 图片处理，我们使用url-loader来处理，依然先安装url-loade image.png 修改webpack.config.js配置文件： image.png 再次打包，运行index.html 而仔细观察，你会发现背景图是通过base64显示出来的 OK，这也是limit属性的作用，当图片小于8kb时，对图片进行base64编码 图片文件处理 – file-loade 那么问题来了，如果大于8kb file-loade image.png 再次打包，就会发现dist文件夹下多了一个图片文件 image.png 图片文件处理 – 修改文件名称 我们发现webpack自动帮助我们生成一个非常长的名字
2K50编辑于 2022-05-29 - 来自专栏方亮
使用numpy处理图片——图片拼接
在《使用numpy处理图片——图片切割》一文中，我们介绍了如何使用numpy将一张图片切割成4部分。本文我们将反其道而行之，将4张图片拼接成1张图片。 full = np.vstack((top, bottom)) fullImg = Image.fromarray(full) fullImg.save('full.png') 我们以《使用numpy处理图片 ——模糊处理》中生成的图片为例，用4个模糊处理的图片拼接出1张图片。
1.2K10编辑于 2024-01-12 - 来自专栏方亮
使用numpy处理图片——滚动图片
滚动图片是指：图片尺寸不变的情况下，把图片内容做某个方向的移动。这样就会出现一种情况：被移走的区域显示为空白，或者被超出尺寸的区域填充。 下面代码中（100,300,0）和（0,1,2）表示0轴方向（向下）移动100个元素，1轴方向（向右）移动300个元素，2轴方向不变。 Image.open('the_starry_night.jpg') data = np.array(img) rollData = np.roll(data, (100,300,0), axis=(0,1,2)
1.6K10编辑于 2024-01-17 - 来自专栏方亮
使用numpy处理图片——图片切割
在《使用numpy处理图片——滤镜》和《用numpy处理图片——模糊处理》中，我们认识到对三维数组使用dsplit方法按第3维度（深度）方向切分的方法。 本文我们将介绍如何进行第一和第二维度切分，来达到图片切割的效果。 上下切分 上下切分也是按第一维度切分，使用的是vsplit方法。 top = topBottom[0] bottom = topBottom[1] 上面我们给vsplit第二个参数传递的是2，即将数组按第一维度切分为上下2部分。 我们给hsplit第二个参数传递的是2，也就是说我们要将其切分成左右两部分。 , 2) bottomLeft = leftRight[0] bottomRight = leftRight[1] 于是构成上左、上右、下左和下右四部分。
90810编辑于 2024-01-12 - 来自专栏用户8739405的专栏
图片处理软件工作原理 图片处理的方法
不仅仅体现在各种化妆品的发明上，更体现在对于照片的美化处理上。使用了图片处理技术的照片往往更加得美观。由此，有的人就会想到图片处理软件工作原理是什么呢？图片处理的方法有哪些呢？ image.png 一、图片处理软件的工作原理简介 市面上所有的图片处理软件对照片的基本处理无非是包括颜色的改变、像素的改变和不同图像的合成等基本操作。 图像的合成则是将一副图像插入到另一幅图像中，这样就实现了图片的合成。 二、图片的处理方法介绍 除了上述的基本图片处理方法外，还有一些更高级的图片处理技术。 简单来说，就是该项技术应用于图片处理可以将图片自动调整到最优，这就是全局优化。还有一种强大的方法是曲线。曲线可以将图片一定区域的亮度进行调整，尤其是对于色彩通道而言。 通过以上的分析，大家已经知道了图片处理软件部分功能的工作原理，以及一些其他的图片处理技术。一款好的图片处理软件可以帮助大家对图片进行更优质的处理。
4.7K40发布于 2021-07-09 - 来自专栏方亮
使用scipy处理图片——滚动图片
在《使用numpy处理图片——滚动图片》一文中，我们介绍了numpy的roll方法，它只能让超出区域的元素回到被移动的区域中，如下图。 而scipy的滚动图片方法则有更多有意思的模式。
1.6K10编辑于 2024-01-17 - 来自专栏用户8715145的专栏
如何批量处理图片？批量处理图片用到哪些工具？
在平时的工作和生活当中，往往需要将图片进行处理。 如果是一张图片还好说，有时候面对成千数百张图片，要进行统一的裁剪尺寸或者是添加文字以及一些其他的常规设置，如果每张图来单方面操作的话，是非常耗费时间的一件事情，因此可以选择一些工具来批量处理图片，那么如何批量处理图片呢 如何批量处理图片？ 如何批量处理图片，其实方式是比较简单的，许多的制图软件或者是在线图片处理工具都有这个功能。 批量处理图片能够节省很多很多的时间。 批量处理图片用到哪些工具？ 大家在学习如何批量处理图片的时候，通常需要用到一些制图工具，那么都有哪些制图工具可以进行批量处理呢？ 以上就是如何批量处理图片的相关内容，批量处理图片可以使用统一设置来对所有的图片进行同一个动作处理，非常的节省工作人员的时间。
4.1K20编辑于 2021-12-30 - 来自专栏Python与算法之美
Keras图像数据预处理范例——Cifar2图片分类
本文将以Cifar2数据集为范例，介绍Keras对图片数据进行预处理并喂入神经网络模型的方法。 训练集有airplane和automobile图片各5000张，测试集有airplane和automobile图片各1000张。 一，准备数据 1，获取数据 公众号后台回复关键字：Cifar2，可以获得Cifar2数据集下载链接，数据大约10M，解压后约1.5G。 我们准备的Cifar2数据集的文件结构如下所示。 ? 2，数据增强 利用keras中的图片数据预处理工具ImageDataGenerator我们可以轻松地对训练集图片数据设置旋转，翻转，缩放等数据增强。 3，导入数据 使用ImageDataGenerator的flow_from_directory方法可以从文件夹中导入图片数据，转换成固定尺寸的张量，这个方法将得到一个可以读取图片数据的生成器generator
1.5K10发布于 2020-07-20 - 来自专栏方亮
使用scipy处理图片——滤镜处理
weights) generate('lena.png', 'convolve.png', func, 1, 10, 1) 对应的weights（ndimage.convolve第二个参数）的维度是 1 2 gaussian_filter.png', ndimage.gaussian_filter, 1, 10, 1) 对应的sigma（ndimage.gaussian_filter第二个参数）的值 1 2 ', 'maximum_filter.png', ndimage.maximum_filter, 1, 10, 1) 对应的size（ndimage.maximum_filter第二个参数）的值 1 2 ', 'minimum_filter.png', ndimage.minimum_filter, 1, 10, 1) 对应的size（ndimage.minimum_filter第二个参数）的值 1 2 generate('lena.png', 'rank_filter.png', func, 1, 10, 1) 对应的rank（ndimage.rank_filter第二个参数）的值 1 2 3 4
1K10编辑于 2024-01-18 - 来自专栏方亮
使用numpy处理图片——模糊处理
在《使用numpy处理图片——滤镜》一文中，我们尝试了去掉一原色来产生滤镜效果。本文将使用更复杂的算法，来做图像模糊处理。 区别在于，我们需要把各个原色的数组从3维变成2维。对2维数组进行计算，然后把3个2维数组堆叠出一个3维数组。 .reshape((data.shape[0], data.shape[1])) data就是原始图片的3维数组。 colorDim3List[0].reshape((data.shape[0], data.shape[1]))是通过reshape方法，将3维数组重构成2维数组。 至此，我们准备工作做完了。 下面我们将展现各种模糊处理。算法是由scipy库提供。 import scipy.ndimage as ndimage 最后我们看一眼原图。
98110编辑于 2024-01-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号