Java--NIO学习(一)

本文深入解析Java NIO的两大核心组件:缓冲区(Buffer)与通道(Channel)。详细介绍了缓冲区的四种核心属性:capacity、limit、position及mark,并演示了如何使用allocate创建缓冲区,以及put和get方法进行数据存取。同时,文章还展示了如何利用flip方法切换缓冲区读取模式,以及rewind和clear方法的操作。此外,还讲解了通道的作用和使用方法,包括如何通过FileChannel进行文件复制。

1.buffer

缓冲区 负责nio中的数据的存取 ,底层实现为数组

数据类型不同 有不同的类型的 buffer (boolean没有)
baytebuffer
CharBuffer
IntBuffer

使用方式都几乎一样
1.使用 allocate 创建缓冲区
2.存取数据方法
put() 将数据存入缓冲区
get() 获取缓冲区中的数据
3.缓冲区的四个核心属性
capacity:缓冲区 最大存储容量 不可改变
limit:缓冲区中数据 可操作 的大小
position:当前正在操作的数据的位置

position<= limit<= capacity
mark:表示 记录当前的位置 ,可以使用reset()恢复到mark 的位置
4. 读取数据 切换方法 filp
flip() 切换的到读取缓冲区数据的模式
此时 position 变为 0, limit 变为 之前的position ,capacity不变

直接缓冲区—非直接缓冲区
非直接缓冲区 – 通过allocate () 方法分配 缓冲区,建立在jvm中
直接缓冲区 – 通过 allocateDirect 在物理内存中开辟一个缓冲区

public static void txt() {
		 String a ="my all";
		//为其分配一个指定大小的 缓冲区
		ByteBuffer buffer =ByteBuffer.allocate(1024);
		//写入数据 
		buffer.put(a.getBytes());
		//flip() 切换的到读取缓冲区数据的模式
		//此时 position 变为 0, limit 变为 之前的position  ,capacity不变
		System.out.println(buffer.position());
		System.out.println(buffer.limit());
		buffer.flip();
		System.out.println(buffer.position());
		System.out.println(buffer.limit());
		byte[] by =new byte[6];
		
		//执行get方法 position 向后移动
		buffer.get(by);
		System.out.println(new String(by,0,by.length));
		System.out.println(buffer.position());
		System.out.println(buffer.limit());	
		//可重复读数据 
		buffer.rewind();
		System.out.println(buffer.position());
		System.out.println(buffer.limit());	
		
		//清空缓冲区,但是数据依然存在处于被遗忘状态
		buffer.clear();
		System.out.println(buffer.position());
		System.out.println(buffer.limit());	
		
		
		
	}
	public  static void txt2() {
		   String a ="my all";
			//为其分配一个指定大小的 缓冲区
			ByteBuffer buffer =ByteBuffer.allocate(1024);
			//写入数据 
			buffer.put(a.getBytes());
			//flip() 切换的到读取缓冲区数据的模式
			//此时 position 变为 0, limit 变为 之前的position  ,capacity不变
			System.out.println(buffer.position());
	}

2.channel

通道 channel

  • 与传统的流相似,在nio中负责缓冲区中数据的传送,channel本身不存储数据,要和buffer 配合使用

  • 主要实现类: FileChannel ||SocketChannel ServerSocketChannel DatagramChannel||

  • 获取通道的方法:

    • 1.getchannel();

      • FileInputStream/FileOutputStream
      • RandomAccessFile
    • 2.nio 2 :针对各个通道提供了 静态方法 open()

class testchannel{
	//文件的复制
	public void test1() throws FileNotFoundException {
		FileInputStream infile =  new FileInputStream("d:/a.txt");
		FileOutputStream outfile = new FileOutputStream("d:/b.txt");
		
		//获取通道
		FileChannel inchannel = infile.getChannel();
		FileChannel outchannel = outfile.getChannel();
		
		//建立缓冲区
		ByteBuffer buffer = ByteBuffer.allocate(1024);
		
		//将通道中的数据传入到缓冲区中
		try {
			while(inchannel.read(buffer)!=-1 ){
				buffer.flip();//切换buffer模式
				
				//将数据写入通道
				outchannel.write(buffer);
				
				buffer.clear();
				
				
			}
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		
		try {
			inchannel.close();
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		try {
			outchannel.close();
		} catch (IOException e1) {
			// TODO Auto-generated catch block
			e1.printStackTrace();
		}
		try {
			infile.close();
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		try {
			outfile.close();
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		
		
	}
	
	
}

在这里插入图片描述

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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