图片水印的添加

由于项目中需要对图片添加水印,思路大致如下:

1.创建缓存图片对象(BufferedImage)

2.创建Java绘图工具对象(Graphics2D)

3.使用绘图工具对象将原图绘制到缓存图片

4.使用绘图工具将水印(文字)绘制到缓存图片对象中

5.创建图像编码工具类

6.使用图像编码工具类,输出缓存图像到目标图片文件

代码示例如下:

public class MarkService {

    public static final String MARK_TEXT = "xxxxxxxxxx";

    public static final String FONT_NAME = "微软雅黑";

    public static final int FONT_STYLE = Font.PLAIN;

    /**
     * 文字水印像素大小 默认高度
     */

    public static final Color FONT_COLOR = Color.red;

    public static final float ALPHA = 0.3f;

    public static final int x = 0;

    public static final int y = 0;

    public static int getTextLength(String text){

        int length = text.length();

        for(int i=0;i<text.length();i++){

            String str = String.valueOf(text.charAt(i));

            if(str.getBytes().length>1)

                length++;
        }

        length = (length%2==0) ? length/2:length/2+1;

        return length;

    }


    public void mark(String srcImgPath, String outImgPath, Color markContentColor, String waterMarkContent) {
        try {

            /**
             * 读取原图片信息
             */
            File srcImgFile = new File(srcImgPath);

            Image srcImg = ImageIO.read(srcImgFile);

            int srcImgWidth = srcImg.getWidth(null);

            int srcImgHeight = srcImg.getHeight(null);

            /**
             * 加水印
             */
            BufferedImage bufImg = new BufferedImage(srcImgWidth, srcImgHeight, BufferedImage.TYPE_INT_RGB);

            Graphics2D g = bufImg.createGraphics();

            g.drawImage(srcImg, 0, 0, srcImgWidth, srcImgHeight, null);

            g.setColor(markContentColor);

            int FONT_SIZE = (srcImgWidth * 2 / 3) / getTextLength(waterMarkContent);

            g.setFont(new Font(FONT_NAME, FONT_STYLE, FONT_SIZE));

            g.drawString(waterMarkContent, (srcImgWidth - getWatermarkLength(waterMarkContent, g)) / 2, srcImgHeight - 5);

            g.setComposite(AlphaComposite.getInstance(AlphaComposite.SRC_ATOP, ALPHA));

            g.dispose();

            /**
             * 输出图片
             */
            FileOutputStream outImgStream = new FileOutputStream(outImgPath);

            ImageIO.write(bufImg, "jpg", outImgStream);

            outImgStream.flush();

            outImgStream.close();

        } catch (Exception e) {

            e.printStackTrace();
        }
    }

    public int getWatermarkLength(String waterMarkContent, Graphics2D g) {

        return g.getFontMetrics(g.getFont()).charsWidth(waterMarkContent.toCharArray(), 0, waterMarkContent.length());
    }


    public static void main(String args[]){

        new MarkService().mark("C:/Users/Administrator/Desktop/lufei.jpg", "C:/Users/Administrator/Desktop/lufei1.jpg", Color.red, MARK_TEXT );

    }

}
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值