android——图片压缩

本文详细介绍了Java中三种图片压缩方法:质量压缩、按比例大小压缩及按比例大小结合质量压缩,通过实例代码深入理解每种方法的应用场景及实现过程。

本文来自:http://104zz.iteye.com/blog/1694762


第一:我们先看下质量压缩方法:

 

Java代码  
  1. private Bitmap compressImage(Bitmap image) {  
  2.   
  3.         ByteArrayOutputStream baos = new ByteArrayOutputStream();  
  4.         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  
  5.         int options = 100;  
  6.         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         
  7.             baos.reset();//重置baos即清空baos  
  8.             image.compress(Bitmap.CompressFormat.JPEG, options, baos);//这里压缩options%,把压缩后的数据存放到baos中  
  9.             options -= 10;//每次都减少10  
  10.         }  
  11.         ByteArrayInputStream isBm = new ByteArrayInputStream(baos.toByteArray());//把压缩后的数据baos存放到ByteArrayInputStream中  
  12.         Bitmap bitmap = BitmapFactory.decodeStream(isBm, nullnull);//把ByteArrayInputStream数据生成图片  
  13.         return bitmap;  
  14.     }  
 

第二:图片按比例大小压缩方法(根据路径获取图片并压缩):

 

 

Java代码  
  1. private Bitmap getimage(String srcPath) {  
  2.         BitmapFactory.Options newOpts = new BitmapFactory.Options();  
  3.         //开始读入图片,此时把options.inJustDecodeBounds 设回true了  
  4.         newOpts.inJustDecodeBounds = true;  
  5.         Bitmap bitmap = BitmapFactory.decodeFile(srcPath,newOpts);//此时返回bm为空  
  6.           
  7.         newOpts.inJustDecodeBounds = false;  
  8.         int w = newOpts.outWidth;  
  9.         int h = newOpts.outHeight;  
  10.         //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  
  11.         float hh = 800f;//这里设置高度为800f  
  12.         float ww = 480f;//这里设置宽度为480f  
  13.         //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  
  14.         int be = 1;//be=1表示不缩放  
  15.         if (w > h && w > ww) {//如果宽度大的话根据宽度固定大小缩放  
  16.             be = (int) (newOpts.outWidth / ww);  
  17.         } else if (w < h && h > hh) {//如果高度高的话根据宽度固定大小缩放  
  18.             be = (int) (newOpts.outHeight / hh);  
  19.         }  
  20.         if (be <= 0)  
  21.             be = 1;  
  22.         newOpts.inSampleSize = be;//设置缩放比例  
  23.         //重新读入图片,注意此时已经把options.inJustDecodeBounds 设回false了  
  24.         bitmap = BitmapFactory.decodeFile(srcPath, newOpts);  
  25.         return compressImage(bitmap);//压缩好比例大小后再进行质量压缩  
  26.     }  
 

第三:图片按比例大小压缩方法(根据Bitmap图片压缩):

 

Java代码  
  1. private Bitmap comp(Bitmap image) {  
  2.       
  3.     ByteArrayOutputStream baos = new ByteArrayOutputStream();         
  4.     image.compress(Bitmap.CompressFormat.JPEG, 100, baos);  
  5.     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    
  6.         baos.reset();//重置baos即清空baos  
  7.         image.compress(Bitmap.CompressFormat.JPEG, 50, baos);//这里压缩50%,把压缩后的数据存放到baos中  
  8.     }  
  9.     ByteArrayInputStream isBm = new ByteArrayInputStream(baos.toByteArray());  
  10.     BitmapFactory.Options newOpts = new BitmapFactory.Options();  
  11.     //开始读入图片,此时把options.inJustDecodeBounds 设回true了  
  12.     newOpts.inJustDecodeBounds = true;  
  13.     Bitmap bitmap = BitmapFactory.decodeStream(isBm, null, newOpts);  
  14.     newOpts.inJustDecodeBounds = false;  
  15.     int w = newOpts.outWidth;  
  16.     int h = newOpts.outHeight;  
  17.     //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  
  18.     float hh = 800f;//这里设置高度为800f  
  19.     float ww = 480f;//这里设置宽度为480f  
  20.     //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  
  21.     int be = 1;//be=1表示不缩放  
  22.     if (w > h && w > ww) {//如果宽度大的话根据宽度固定大小缩放  
  23.         be = (int) (newOpts.outWidth / ww);  
  24.     } else if (w < h && h > hh) {//如果高度高的话根据宽度固定大小缩放  
  25.         be = (int) (newOpts.outHeight / hh);  
  26.     }  
  27.     if (be <= 0)  
  28.         be = 1;  
  29.     newOpts.inSampleSize = be;//设置缩放比例  
  30.     //重新读入图片,注意此时已经把options.inJustDecodeBounds 设回false了  
  31.     isBm = new ByteArrayInputStream(baos.toByteArray());  
  32.     bitmap = BitmapFactory.decodeStream(isBm, null, newOpts);  
  33.     return compressImage(bitmap);//压缩好比例大小后再进行质量压缩  
  34. }  

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 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