图片的裁剪

本文详细介绍了在iOS开发中如何使用Objective-C进行图片裁剪,包括将方形图片裁剪为圆形,给圆形图片添加边框,以及按窗口大小比例压缩和裁剪图片的方法。通过具体的代码实现,展示了如何利用Core Graphics进行图像处理,适用于需要定制化图片显示效果的场景。

1.将方形图片裁剪成圆形

-(void)testImageClip

{

    //加载图片

    UIImage *img = [UIImage imageNamed:@"123"];

    

    //开启上下文,跟图片尺寸一样大

    UIGraphicsBeginImageContextWithOptions(img.size, NO, 0);

    

    //设置裁剪区域

    UIBezierPath *path = [UIBezierPath bezierPathWithOvalInRect:CGRectMake(0, 0, img.size.width, img.size.height)];

    [path addClip];

    

    //绘制图片

    [img drawAtPoint:CGPointZero];

    

    //从上下文获取图片

    UIImage *clipImage = UIGraphicsGetImageFromCurrentImageContext();

    

    //关闭上下文

    UIGraphicsEndImageContext();

    

    _imageV.image = clipImage;

    

}

 

2.给圆形再添加个边框

@implementation UIImage (Clip)

+(UIImage*)imageWithClipImage:(UIImage *)image borderColor:(UIColor *)color borderWidth:(CGFloat)borderWidth

{

    CGFloat imageWH = image.size.height;

    

    CGFloat border = borderWidth;

    

    CGFloat ovaWH = imageWH ;

    

    UIGraphicsBeginImageContextWithOptions(CGSizeMake(ovaWH, ovaWH), NO, 0  );

    

    UIBezierPath *path = [UIBezierPath bezierPathWithOvalInRect:CGRectMake(0, 0, ovaWH, ovaWH)];

    [color set];

    [path fill];

 

    //设置裁剪区域

    UIBezierPath *clipPath = [UIBezierPath bezierPathWithOvalInRect:CGRectMake(border, border, imageWH - 2*border, imageWH - 2*border)];

    [clipPath addClip];

    

    //绘制图片

    [image drawAtPoint:CGPointZero];

    

    //从上下文获取图片

    UIImage *clipImage = UIGraphicsGetImageFromCurrentImageContext();

    

    //关闭上下文

    UIGraphicsEndImageContext();

    

    return clipImage;

    

}

@end

 

 将图片按照原来的宽高比例压缩到与窗口合适的大小,然后在设置了_imageView.contentMode = UIViewContentModeCenter;  这个属性的UIImageView中展示压缩后的图片。

//压缩图片  

- (UIImage *)image:(UIImage*)image scaledToSize:(CGSize)newSize  

{  

    // Create a graphics image context  

    UIGraphicsBeginImageContext(newSize);  

    // Tell the old image to draw in this new context, with the desired  

    // new size  

    [image drawInRect:CGRectMake(0,0,newSize.width,newSize.height)];  

    // Get the new image from the context  

    UIImage* newImage = UIGraphicsGetImageFromCurrentImageContext();  

    // End the context  

    UIGraphicsEndImageContext();  

    // Return the new image.  

    return newImage;  

}  

 

按照窗口宽高比例,将原图横向或者纵向裁剪掉多余的部分,然后不设置UIImageView的contentMode属性,将裁剪后的图片送进去,使其自动适应窗口。

//裁剪图片  

- (UIImage *)cutImage:(UIImage*)image  

{  

//压缩图片  

    CGSize newSize;  

    CGImageRef imageRef = nil;  

if ((image.size.width / image.size.height) < (bgImgView.size.width / bgImgView.size.height)) {  

        newSize.width = image.size.width;  

        newSize.height = image.size.width *bgImgView.size.height /bgImgView.size.width;  

        imageRef = CGImageCreateWithImageInRect([image CGImage], CGRectMake(0, fabs(image.size.height - newSize.height) / 2, newSize.width, newSize.height));  

    } else {  

        newSize.height = image.size.height;  

        newSize.width = image.size.height *bgImgView.size.width / bgImgView.size.height;  

        imageRef = CGImageCreateWithImageInRect([image CGImage], CGRectMake(fabs(image.size.width - newSize.width) / 2, 0, newSize.width, newSize.height));  

    }  

return [UIImage imageWithCGImage:imageRef];  

}  

 

利用层裁剪

@property (weak, nonatomic) IBOutlet UIImageView *imageV;

   _imageV.image = img;

   

_imageV.layer.masksToBounds = YES;

    _imageV.layer.cornerRadius = img.size.width*0.5;

    _imageV.layer.borderWidth = 5;

    _imageV.layer.borderColor = [[UIColor redColor] CGColor];

 

转载于:https://www.cnblogs.com/PJXWang/p/5623616.html

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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