JFreeChart 在struts2中显示

本文介绍如何在Struts2框架中集成JFreeChart绘制柱状图,并配置Struts2来显示图表。通过创建CategoryDataset数据集并利用ChartFactory创建图表,最终通过Struts2的ChartResult展示。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

        private JFreeChart chart;


    public JFreeChart getChart() {
        return chart;
    }

    public void setChart(JFreeChart chart) {
        this.chart = chart;
    }

    public String show() {
    
        this.chart =createchart();
        return "success";
    }

       //jfreechart创建方法

    public JFreeChart  createchart()
    {
        try {
        
            chart = ChartFactory.createBarChart("Bar Chart Demo 1", "Category", "Value", createDataset(), PlotOrientation.VERTICAL, true, true, false);
            CategoryPlot localCategoryPlot = (CategoryPlot)chart.getPlot();
            localCategoryPlot.setDomainGridlinesVisible(true);
            localCategoryPlot.setRangeCrosshairVisible(true);
            localCategoryPlot.setRangeCrosshairPaint(Color.blue);
            NumberAxis localNumberAxis = (NumberAxis)localCategoryPlot.getRangeAxis();
            localNumberAxis.setStandardTickUnits(NumberAxis.createIntegerTickUnits());
            BarRenderer localBarRenderer = (BarRenderer)localCategoryPlot.getRenderer();
            localBarRenderer.setDrawBarOutline(false);
            GradientPaint localGradientPaint1 = new GradientPaint(0.0F, 0.0F, Color.blue, 0.0F, 0.0F, new Color(0, 0, 64));
            GradientPaint localGradientPaint2 = new GradientPaint(0.0F, 0.0F, Color.green, 0.0F, 0.0F, new Color(0, 64, 0));
            GradientPaint localGradientPaint3 = new GradientPaint(0.0F, 0.0F, Color.red, 0.0F, 0.0F, new Color(64, 0, 0));
            localBarRenderer.setSeriesPaint(0, localGradientPaint1);
            localBarRenderer.setSeriesPaint(1, localGradientPaint2);
            localBarRenderer.setSeriesPaint(2, localGradientPaint3);
            localBarRenderer.setLegendItemToolTipGenerator(new StandardCategorySeriesLabelGenerator("Tooltip: {0}"));
            CategoryAxis localCategoryAxis = localCategoryPlot.getDomainAxis();
            localCategoryAxis.setCategoryLabelPositions(CategoryLabelPositions.createUpRotationLabelPositions(0.5235987755982988D));
           
        } catch (Exception e) {
            e.printStackTrace();
        }
        return chart;
    }
//创建实验数据源
    public CategoryDataset createDataset()
    {
         String str1 = "First";
            String str2 = "Second";
            String str3 = "Third";
            String str4 = "Category 1";
            String str5 = "Category 2";
            String str6 = "Category 3";
            String str7 = "Category 4";
            String str8 = "Category 5";
            DefaultCategoryDataset localDefaultCategoryDataset = new DefaultCategoryDataset();
            localDefaultCategoryDataset.addValue(1.0D, str1, str4);
            localDefaultCategoryDataset.addValue(4.0D, str1, str5);
            localDefaultCategoryDataset.addValue(3.0D, str1, str6);
            localDefaultCategoryDataset.addValue(5.0D, str1, str7);
            localDefaultCategoryDataset.addValue(5.0D, str1, str8);
            localDefaultCategoryDataset.addValue(5.0D, str2, str4);
            localDefaultCategoryDataset.addValue(7.0D, str2, str5);
            localDefaultCategoryDataset.addValue(6.0D, str2, str6);
            localDefaultCategoryDataset.addValue(8.0D, str2, str7);
            localDefaultCategoryDataset.addValue(4.0D, str2, str8);
            localDefaultCategoryDataset.addValue(4.0D, str3, str4);
            localDefaultCategoryDataset.addValue(3.0D, str3, str5);
            localDefaultCategoryDataset.addValue(2.0D, str3, str6);
            localDefaultCategoryDataset.addValue(3.0D, str3, str7);
            localDefaultCategoryDataset.addValue(6.0D, str3, str8);
            return localDefaultCategoryDataset;

    }

导入包之类的我就不说了   主要的是  struts配置里要配置下

<!DOCTYPE struts PUBLIC
    "-//Apache Software Foundation//DTD Struts Configuration 2.0//EN"
    "http://struts.apache.org/dtds/struts-2.0.dtd">
<struts>
        <package name="eventstatistics" extends="struts-default,jfreechart-default"
                            namespace="/eventstatistics">
        <result-types>
            <result-type name="chart" class="org.apache.struts2.dispatcher.ChartResult"></result-type>
        </result-types>
        <action name="eventstatistics" class="com.brilliance.xhsbd.view.EventStatisticsAction">
              <result name="success"   type="chart">
                   <param name="width">400</param>
                   <param name="height">300</param>
            </result>
        </action>
          </package>  
</struts>

单独写了个配置文件      <include file="struts/struts-jfreechart.xml"/>   在struts.xml中引入。访问路径........./eventstatistics/eventstatistics!show.action


内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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