java过滤图片_过滤页面中没有用到的图片

package com.cn.test;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileNotFoundException;

import java.io.FileReader;

import java.io.IOException;

import java.util.ArrayList;

import java.util.Iterator;

import java.util.List;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public final class CheckPic{

private static String REGEX;

private static String INPUT;

private static Pattern pattern;

private static Matcher matcher;

private static List PicList = new ArrayList();

private static List UsedList  = new ArrayList();

public static void main(String[] args) {

REGEX="[a-z0-9A-Z.?_]*.(jpg|jpeg|gif|png)";

pattern = Pattern.compile(REGEX);

initTxt();//初始化存放页面的文件;

System.out.println("页面中出现的pic++++++++++++++++++++++++++++++++++++++++++++++++++");

Iterator  it = PicList.iterator();

while(it.hasNext()){

System.out.println(it.next().toString());

}

File  filenew  =  new File("pic");

checkused(filenew);//过滤掉没有用到的图片

System.out.println("过滤后有用的pic**************************************************");

Iterator  itr =UsedList.iterator();

while(itr.hasNext())

System.out.println(itr.next().toString());

}

/* all.txt文件里存放着所有的页面文件 如(.JSP  .HTM 等)all.txt可以作为一个参数传进来

*  对all.txt文件进行出始化

* */

private static void initTxt(){

BufferedReader  brr=null;

try {

brr = new BufferedReader(new FileReader("all.txt"));

} catch (FileNotFoundException fnfe) {

System.out.println("Cannot locate input file1! " + fnfe.getMessage());

System.exit(0);

}

try {

INPUT = brr.readLine(); //读入一行(每行存放的是一个页面文件 例如List.jsp ...)

while(INPUT!=null){

initResources(INPUT);

INPUT = brr.readLine();

}

brr.close();

} catch (IOException ioe) {

}

}

/*读入每个页面文件的内容

*

*/

private static void initResources(String txtname) {

BufferedReader br =  null ;

try {

br = new BufferedReader(new FileReader(txtname));

} catch (FileNotFoundException fnfe) {

System.out.println("Cannot locate input file2! " + fnfe.getMessage()); //判断此文件是否存在

System.exit(0);

}

try {

INPUT = br.readLine();//读入.jsp文件中的每一行

while(INPUT!=null){

processTest(INPUT);//对此行进行分析看有没有用到图片

INPUT =br.readLine();

}

br.close();

} catch (IOException ioe) {

}

}

/*检查页面中用到的图片,并把用到的图片存放在PicList里面(并且消除掉重复使用的图片)

*/

private static void processTest(String Input) {

matcher = pattern.matcher(Input);

while (matcher.find()) {

System.out.println("I found the text \"" + matcher.group()

+ "\" starting at index " + matcher.start()

+ " and ending at index " + matcher.end() + "."); //图片出现的位置

if(!PicList.contains(matcher.group())){

PicList.add(matcher.group());//判断此图片是否重复使用,如果第一次用该图片就存放在PicList中

}

else

{

System.out.println("此图片已经存在");

}

}

}

/*判断图片库所在的文件夹里的图片有那些是页面中用到的,有那些是没有用到的

* 并且把用到的顾虑出来放在UsedList里面

*

*/

private static void checkused(File file){

if   (file.isFile())     //如果是一个文件则返回!

return;

else{

System.out.println("PIC库里的所有pic如下#######################################");

for(int i=0;i

System.out.println(file.list()[i]);

if(PicList.contains(file.list()[i])){

UsedList.add(file.list()[i]);

}

}

}

}

}

要么忙着生存,要么赶着去死!人总是要做点什么的!

posted on 2008-02-15 16:32 vv 阅读(223) 评论(1)  编辑  收藏 所属分类: java

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
[图像过滤]的“先进”技术来,于是今天下午花了些许时间,也“先进”了一吧,做了个Java版的图像过滤实现。当然,出于Java性能的考虑,笔者这里没有做图像拦截,而是使用了图像遮挡的手段来达到拦截的目的。顺便也告诉网友,究竟图像的什么部位,可能会在[绿坝][犯禁](我用的[史莱姆]覆盖……)。 PS:在正式开篇之前,为了体现本文所应用技术的先进性,我也学习号称全国领先的绿坝重重的加上一笔 [本代码可以过滤图片的不良信息,但不保证不良信息能完全被过滤,也不保证被过滤的信息完全是不良信息 ] 实际上,根据网络上流传的[金惠谈判响应书]所涉及到的资料,我们都知道绿坝对于人物图像采取了很简单——不,应该说是外行看上去很复杂的肤色验证手段,也就是提取出可归纳为人肉色的图像区域转化为黑白图(明白为什么验证不了黑人了吗?),再通过黑白图运算肉色范围最终判定是否过滤图形的古老——被先进性使用的古老技术。 笔者将其具体实现过程简化如下(具体请下载参看笔者提供的源码): view plaincopy to clipboardprint? /** * 以指定图片掩盖目标图片大块肉色 * * @param srcImage * @param deckImage * @return */ public static Image getFleshKeepOut(BufferedImage srcImage, BufferedImage deckImage) { // 获得肌肤反色的人物图像 BufferedImage nowImage = FleshDetector.getFleshBinaryImage(srcImage); // 汲取图像白色部分(即处理获得的肌肤反色图的白色区域,5为有效范围匹配范围) BufferedImage nowImage1 = Alteration.dilate(nowImage,5); // 取得适当的遮盖点 PallDetection detect = FleshDetector.detectWhite(nowImage1); // 获得“和谐”后目标图 return FleshEffector.drawImage(srcImage, detect, deckImage); } /** * 以指定图片掩盖目标图片大块肉色 * * @param srcImage * @param deckImage * @return */ public static Image getFleshKeepOut(BufferedImage srcImage, BufferedImage deckImage) { // 获得肌肤反色的人物图像 BufferedImage nowImage = FleshDetector.getFleshBinaryImage(srcImage); // 汲取图像白色部分(即处理获得的肌肤反色图的白色区域,5为有效范围匹配范围) BufferedImage nowImage1 = Alteration.dilate(nowImage,5); // 取得适当的遮盖点 PallDetection detect = FleshDetector.detectWhite(nowImage1); // 获得“和谐”后目标图 return FleshEffector.drawImage(srcImage, detect, deckImage); } 事实上,通过肤色检测只不过是最初直方图(取人体结构判定人类图像)的一个简化,固有的问题还是没有解决,比如很多风景图片也有大块的类肤色区域,况且还有肤色高光部分导致的漏判,还有大块人脸等。通过一个人脸检测器来过滤大块的人脸区域于是成了标配。引入更多的图像特征,比如纹理等,也可以过滤掉一些误判的风景图像。 具体的请下源码吧,这个东西虽然不难,但是用笔写的话与以前写[AI]时一样,同属论文素材之一…… 比如以下运行截图,就如[绿坝]一样,将[主席]给[色情]掉了(天地良心啊,我最初设置的肉色范围真的不会误判[主席],为了配合网上的[绿坝]实验结果才后改的取值范围……):

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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