J2SE基础-IO-字节流(位流)-多目标源输出流自定义扩展

[size=small][color=indigo]J2SE基础-IO-字节流(位流)-多目标源输出流自定义扩展[/color][/size]

前一章节([url=http://stefyn.iteye.com/admin/blogs/1750977]J2SE基础-IO-字节流(位流)[/url])对字节流(位流)进行了说明,对于输入字节流InputStream/输出字节流OutputStream,我们可以根据业务的实际情况进行自定义的实现。

以下制作了一个多目标源输出流的扩展,作为前一章节的补充。


package com.core.common.file.stream;

import java.io.IOException;
import java.io.OutputStream;
import java.util.List;

import com.core.common.log.Log;

/**
* 文件名称: MultiOutputStream.java
* 类名: MultiOutputStream
* 日期: 2012-12-22
*
* 功能描述:多目的源输出流,该对象同时将一个输入流写入多个输出流
*/
public class MultiOutputStream extends OutputStream {

/** 多目的源输出流的保存对象*/
private List<OutputStream> outputStreamList = null;

/**
* 构造方法
* 功能描述:初始化多目的源输出流
*
* @param outputStreamList
* @throws IOException
*/
public MultiOutputStream(final List<OutputStream> outputStreamList) throws IOException {
if(outputStreamList == null || outputStreamList.isEmpty()) {
final String msg = "多源输出流对象为null,不能进行初始化操作,请检查!";
Log.logDebug(msg);
throw new IOException(msg);
}
int outputStreamListSize = outputStreamList.size();
for (int i = outputStreamListSize - 1; 0 < i; i--) {
OutputStream outputStream = outputStreamList.get(i);
if(outputStream == null) {
outputStreamList.remove(i);
Log.logDebug("多源输出流对象中发现第[{}]个是null,该输出源已从输出列表中删除,请检查!", i);
}
}
this.outputStreamList = outputStreamList;
}

/**
* 重写write方法
* 重载方法(non-Javadoc)
* @see java.io.OutputStream#write(int)
*/
@Override
public void write(final int b) throws IOException {
if(this.outputStreamList != null) {
for (OutputStream outputStream : this.outputStreamList) {
outputStream.write(b);
}
}
}

/**
* 重写write方法
* 重载方法(non-Javadoc)
* @see java.io.OutputStream#write(byte[], int, int)
*/
@Override
public void write(final byte[] data, final int offset, final int length) throws IOException {
if(this.outputStreamList != null) {
for (OutputStream outputStream : this.outputStreamList) {
outputStream.write(data, offset, length);
}
}
}

/**
* 重写flush方法
* 重载方法(non-Javadoc)
* @see java.io.OutputStream#flush()
*/
@Override
public void flush() throws IOException {
if(this.outputStreamList != null) {
for (OutputStream outputStream : this.outputStreamList) {
outputStream.flush();
}
}
}

/**
* 重写close方法
* 重载方法(non-Javadoc)
* @see java.io.OutputStream#close()
*/
@Override
public void close() throws IOException {
if(this.outputStreamList != null) {
for (OutputStream outputStream : this.outputStreamList) {
outputStream.close();
}
}
}
}


以上扩展出MultiOutputStream对象,该对象继承于OutputStream,重写了其中的write/flush/close方法,主要思想是传入一个多源输出流,按照多目标源逐一进行write/flush/close,以下是使用本对象的例子:



/**
* 方法名称: copyToMultiOutput
* 功能描述: 将输入流拷贝至多输出源
*
* @version 1.0
*
* @param inputStream InputStream 输入流
* @param outputStream OutputStream 多目的源输出流
* @throws IOException
*
* @update [日期YYYY-MM-DD] [更改人姓名] [变更描述]
*/
public void copyToMultiOutput(final InputStream inputStream,
final List<OutputStream> outputStreamList) throws IOException {

MultiOutputStream multiOut = new MultiOutputStream(outputStreamList);
copy(inputStream, multiOut);
}

/**
* 方法名称: copy
* 功能描述: 该方法实现输出源输出
*
* @version 1.0
*
* @param inputStream InputStream 输入流
* @param outputStream OutputStream 多目的源输出流
* @throws IOException
*
* @update [日期YYYY-MM-DD] [更改人姓名] [变更描述]
*/
private static void copy(final InputStream inputStream, final OutputStream outputStream) throws IOException {
if(inputStream == null) {
throw new IOException("没有输入流,拷贝操作停止!");
}
if(outputStream == null) {
throw new IOException("没有输出源,拷贝操作停止!");
}
// 缓冲流
BufferedInputStream bin = new BufferedInputStream(inputStream);
BufferedOutputStream bout = new BufferedOutputStream(outputStream);
while (true) {
int datum = bin.read();
if(datum == -1) {
break;
}
bout.write(datum);
}
// 刷新缓冲区
bout.flush();
bout.close();
return;
}


以上是一个扩展OutputStream的例子,如有不正之处,欢迎指正,谢谢!
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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