从零搭建自己的SpringBoot后台框架(二十二)

现在很多网站上,都有上传图片这个功能,而图片对于现在的很多手机来说,拍摄出来的都是高清图片,分辨率也很高,当然占用的存储空间也就大了。问题也就产生了,你每个用户都上传个3M的图片怎么办?

用户如果加载你的网页加载个半天,就是因为图片太大导致的那就不是钱能解决的问题了。

因为用户的网络环境你是不可控制的。所以本章我们添加图片压缩,添加水印,格式转换等功能。

一:添加thumbnailator依赖

<dependency>
   <groupId>net.coobird</groupId>
   <artifactId>thumbnailator</artifactId>
   <version>0.4.8</version>
</dependency>

二:创建图片处理类

创建core→utils→ImageUtils.java

package com.example.demo.core.utils;

import net.coobird.thumbnailator.Thumbnails;
import net.coobird.thumbnailator.geometry.Positions;
import net.coobird.thumbnailator.name.Rename;
import net.coobird.thumbnailator.resizers.configurations.ScalingMode;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import javax.imageio.ImageIO;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;

/**
 * 图片处理工具类,主要压缩,添加logo等
 * @author phubing
 */
public class ImageUtils {

    public static Logger logger = LoggerFactory.getLogger(ImageUtils.class);

    public static void main(String[] args) {
        //使用给定的图片生成指定大小的图片
        //generateFixedSizeImage();

        //对原图加水印,然后顺时针旋转90度,最后压缩为80%保存
        //generateRotationWatermark();

        //转换图片格式,将流写入到输出流
        //generateOutputstream();

        //按比例缩放图片
        //generateScale();

        //生成缩略图到指定的目录
        //generateThumbnail2Directory();

        //将指定目录下所有图片生成缩略图
        //generateDirectoryThumbnail();
    }

    /**
     * 使用给定的图片生成指定大小的图片
     */
    public static void generateFixedSizeImage(){
        try {
            Thumbnails.of("C:\\Users\\Administrator\\Desktop\\微信图片_20180129100019.jpg").size(80,80).toFile("C:\\Users\\Administrator\\Desktop\\newmeinv.jpg");
        } catch (IOException e) {
            logger.error(e.getMessage());
        }
    }

    /**
     * 对原图加水印,然后顺时针旋转90度,最后压缩为80%保存
     */
    public static void generateRotationWatermark(){
        try {
            Thumbnails.of("C:\\Users\\Administrator\\Desktop\\微信图片_20180129100019.jpg").
                    // 缩放大小
                    size(1600,1600).
                    // 顺时针旋转90度
                    rotate(90).
                    //水印位于右下角,半透明
                    watermark(Positions.BOTTOM_RIGHT, ImageIO.read(new File("C:\\Users\\Administrator\\Desktop\\微信图片_20180329153521.png")),1f).
                    // 图片压缩80%质量
                    outputQuality(0.8).
                    toFile("C:\\Users\\Administrator\\Desktop\\2016010208_new.jpg");
        } catch (IOException e) {
            logger.error(e.getMessage());
        }
    }

    /**
     * 转换图片格式,将流写入到输出流
     */
    public static void generateOutputstream(){
        try(OutputStream outputStream = new FileOutputStream("data/2016010208_outputstream.png")) {
            Thumbnails.of("data/2016010208.jpg").
                    size(500,500).
                    // 转换格式
                    outputFormat("png").
                    // 写入输出流
                    toOutputStream(outputStream);
        } catch (IOException e) {
            logger.error(e.getMessage());
        }
    }

    /**
     * 按比例缩放图片
     */
    public static void generateScale(){
        try {
            Thumbnails.of("data/2016010208.jpg").
                    scalingMode(
                    ScalingMode.BICUBIC).
                    // 图片缩放80%, 不能和size()一起使用
                    scale(0.8).
                    // 图片质量压缩80%
                    outputQuality(0.8).
                    toFile("data/2016010208_scale.jpg");
        } catch (IOException e) {
            logger.error(e.getMessage());
        }
    }

    /**
     * 生成缩略图到指定的目录
     */
    public static void generateThumbnail2Directory(){
        try {
            Thumbnails.of("data/2016010208.jpg","data/meinv.jpg").
                    // 图片缩放80%, 不能和size()一起使用
                    scale(0.8).
                    //指定的目录一定要存在,否则报错
                    toFiles(new File("data/new/"), Rename.NO_CHANGE);
        } catch (IOException e) {
            logger.error(e.getMessage());
        }
    }

    /**
     * 将指定目录下所有图片生成缩略图
     */
    public static void generateDirectoryThumbnail(){
        try {
            Thumbnails.of(
                    new File("data/new").listFiles()).
                    scale(0.8).
                    toFiles(new File("data/new/"), Rename.SUFFIX_HYPHEN_THUMBNAIL);
        } catch (IOException e) {
            logger.error(e.getMessage());
        }
    }
}

三:基本使用方法介绍

Thumbnails.of("原图文件的路径") 
        //生成图片大小
        .size(100,100)
        //缩放比例   0-1之间
        .scale(1f) 
        //图片质量   0-1之间   1最好
        .outputQuality(0.5f)
        //顺时针旋转度数
        .rotate(90)
        //水印  第一个参数:水印位置   第二个:水印所在路径  第三个:水印透明度
        .watermark(Positions.BOTTOM_RIGHT, ImageIO.read(new File("水印所在路径")),1f).
        .toFile("压缩后文件的路径");

四:文档地址

具体示例大家可自行查看

帮助文档

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,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