ASP.NET生成缩略图代码

 public void MakeThumbnail(string originalImagePath, string thumbnailPath, int width, int height, string mode)
  {
   WebRequest wr=WebRequest.Create(originalImagePath);
   WebResponse res=wr.GetResponse();
   System.Drawing.Image originalImage =  System.Drawing.Image.FromStream(res.GetResponseStream());
   //System.Drawing.Image.FromFile(originalImagePath);
    //originalImagePath 来源路径
    //thumbnailPath 目的路径
    //width 源图片宽
    //height 源图片高
    //mode 缩放模式
           
   int towidth = width;
   int toheight = height;
      
   int x = 0;
   int y = 0;
   int ow = originalImage.Width;
   int oh = originalImage.Height;      

   switch (mode)
   {      
    case "HW"://指定高宽缩放(可能变形)              
     break;
    case "W"://指定宽,高按比例                  
     toheight = originalImage.Height * width/originalImage.Width;
     break;
    case "H"://指定高,宽按比例
     towidth = originalImage.Width * height/originalImage.Height;                  
     break;      
    case "Cut"://指定高宽裁减(不变形)              
     if((double)originalImage.Width/(double)originalImage.Height > (double)towidth/(double)toheight)
     {
      oh = originalImage.Height;
      ow = originalImage.Height*towidth/toheight;
      y = 0;
      x = (originalImage.Width - ow)/2;
     }
     else
     {
      ow = originalImage.Width;
      oh = originalImage.Width*height/towidth;
      x = 0;
      y = (originalImage.Height - oh)/2;
     }
     break;
    case "D":
     if((double)originalImage.Width>(double)originalImage.Height)
     {
      toheight = originalImage.Height * width/originalImage.Width;
     }
     else
     {
      towidth = originalImage.Width * height/originalImage.Height;
     }
     break;
    default :
     break;
   }  
          
   //新建一个bmp图片
   System.Drawing.Image bitmap = new System.Drawing.Bitmap(towidth,toheight);

   //新建一个画板
   Graphics g = System.Drawing.Graphics.FromImage(bitmap);

   //设置高质量插值法
   g.InterpolationMode = System.Drawing.Drawing2D.InterpolationMode.High;

   //设置高质量,低速度呈现平滑程度
   g.SmoothingMode = System.Drawing.Drawing2D.SmoothingMode.HighQuality;

   //清空画布并以透明背景色填充
   g.Clear(Color.Transparent);      

   //在指定位置并且按指定大小绘制原图片的指定部分
   g.DrawImage(originalImage, new Rectangle(0, 0, towidth, toheight),
    new Rectangle(x, y, ow,oh),
    GraphicsUnit.Pixel);

   try
   {          
    //以jpg格式保存缩略图
    bitmap.Save( Server.MapPath(".")+"//"+thumbnailPath, System.Drawing.Imaging.ImageFormat.Jpeg);
   }
   catch(System.Exception e)
   {
    throw e;
   }
   finally
   {
    originalImage.Dispose();
    bitmap.Dispose();                      
    g.Dispose();
   }
  }

 

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