Android 图片压缩

部署运行你感兴趣的模型镜像

质量压缩:

private Bitmap compressImage(Bitmap image) {  

  

        ByteArrayOutputStream baos = new ByteArrayOutputStream();  

        image.compress(Bitmap.CompressFormat.JPEG, 100, baos);//质量压缩方法,这里100表示不压缩,把压缩后的数据存放到baos中  

        int options = 100;  

        while ( baos.toByteArray().length / 1024>100) {  //循环判断如果压缩后图片是否大于100kb,大于继续压缩         

            baos.reset();//重置baos即清空baos  

            image.compress(Bitmap.CompressFormat.JPEG, options, baos);//这里压缩options%,把压缩后的数据存放到baos中  

            options -= 10;//每次都减少10  

        }  

        ByteArrayInputStream isBm = new ByteArrayInputStream(baos.toByteArray());//把压缩后的数据baos存放到ByteArrayInputStream中  

        Bitmap bitmap = BitmapFactory.decodeStream(isBm, null, null);//把ByteArrayInputStream数据生成图片  

        return bitmap;  

    }  

 

比例压缩:

private Bitmap getimage(String srcPath) {  

        BitmapFactory.Options newOpts = new BitmapFactory.Options();  

        //开始读入图片,此时把options.inJustDecodeBounds 设回true了  

        newOpts.inJustDecodeBounds = true;  

        Bitmap bitmap = BitmapFactory.decodeFile(srcPath,newOpts);//此时返回bm为空  

          

        newOpts.inJustDecodeBounds = false;  

        int w = newOpts.outWidth;  

        int h = newOpts.outHeight;  

        //现在主流手机比较多是800*480分辨率,所以高和宽我们设置为  

        float hh = 800f;//这里设置高度为800f  

        float ww = 480f;//这里设置宽度为480f  

        //缩放比。由于是固定比例缩放,只用高或者宽其中一个数据进行计算即可  

        int be = 1;//be=1表示不缩放  

        if (w > h && w > ww) {//如果宽度大的话根据宽度固定大小缩放  

            be = (int) (newOpts.outWidth / ww);  

        } else if (w < h && h > hh) {//如果高度高的话根据宽度固定大小缩放  

            be = (int) (newOpts.outHeight / hh);  

        }  

        if (be <= 0)  

            be = 1;  

        newOpts.inSampleSize = be;//设置缩放比例  

        //重新读入图片,注意此时已经把options.inJustDecodeBounds 设回false了  

        bitmap = BitmapFactory.decodeFile(srcPath, newOpts);  

        return compressImage(bitmap);//压缩好比例大小后再进行质量压缩  

    }  

 

Bitmap 比例压缩:

private Bitmap comp(Bitmap image) {  

      

    ByteArrayOutputStream baos = new ByteArrayOutputStream();         

    image.compress(Bitmap.CompressFormat.JPEG, 100, baos);  

    if( baos.toByteArray().length / 1024>1024) {//判断如果图片大于1M,进行压缩避免在生成图片(BitmapFactory.decodeStream)时溢出    

        baos.reset();//重置baos即清空baos  

        image.compress(Bitmap.CompressFormat.JPEG, 50, baos);//这里压缩50%,把压缩后的数据存放到baos中  

    }  

    ByteArrayInputStream isBm = new ByteArrayInputStream(baos.toByteArray());  

    BitmapFactory.Options newOpts = new BitmapFactory.Options();  

    //开始读入图片,此时把options.inJustDecodeBounds 设回true了  

    newOpts.inJustDecodeBounds = true;  

    Bitmap bitmap = BitmapFactory.decodeStream(isBm, null, newOpts);  

    newOpts.inJustDecodeBounds = false;  

    int w = newOpts.outWidth;  

    int h = newOpts.outHeight;  

    //现在主流手机比较多是800*480分辨率,所以高和宽我们设置为  

    float hh = 800f;//这里设置高度为800f  

    float ww = 480f;//这里设置宽度为480f  

    //缩放比。由于是固定比例缩放,只用高或者宽其中一个数据进行计算即可  

    int be = 1;//be=1表示不缩放  

    if (w > h && w > ww) {//如果宽度大的话根据宽度固定大小缩放  

        be = (int) (newOpts.outWidth / ww);  

    } else if (w < h && h > hh) {//如果高度高的话根据宽度固定大小缩放  

        be = (int) (newOpts.outHeight / hh);  

    }  

    if (be <= 0)  

        be = 1;  

    newOpts.inSampleSize = be;//设置缩放比例  

    //重新读入图片,注意此时已经把options.inJustDecodeBounds 设回false了  

    isBm = new ByteArrayInputStream(baos.toByteArray());  

    bitmap = BitmapFactory.decodeStream(isBm, null, newOpts);  

    return compressImage(bitmap);//压缩好比例大小后再进行质量压缩  

}  

您可能感兴趣的与本文相关的镜像

Anything-LLM

Anything-LLM

AI应用

AnythingLLM是一个全栈应用程序,可以使用商用或开源的LLM/嵌入器/语义向量数据库模型,帮助用户在本地或云端搭建个性化的聊天机器人系统,且无需复杂设置

Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流程首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 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
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