高质量缩略图

private  static Size NewSize(  int maxWidth, 
int maxHeight,  int width, 
int height )  
{
    double w = 0.0;
    double h = 0.0;
    double sw = Convert.ToDouble( width );
    double sh = Convert.ToDouble( height ); double mw = Convert.ToDouble( maxWidth );
    double mh = Convert.ToDouble( maxHeight ); if (sw < mw && sh < mh)
    {
        w = sw;
        h = sh;
    }

    else if (( sw/sh ) > ( mw/mh ))
    {
        w = maxWidth;
        h = ( w * sh )/sw;
    }

    else
    {
        h = maxHeight;
        w = ( h * sw )/sh;
    }

    return new Size( Convert.ToInt32( w ), Convert.ToInt32( h ) );
}


public  static  void SendSmallImage(  string fileName, 
string newFile, 
int maxHeight, 
int maxWidth )  
{
    System.Drawing.Image img = System.Drawing.Image.FromFile( fileName );
    System.Drawing.Imaging.ImageFormat 
    thisFormat = img.RawFormat;
    Size newSize = NewSize( maxWidth, maxHeight, img.Width, img.Height );
    Bitmap outBmp = new Bitmap( newSize.Width, newSize.Height );
    Graphics g = Graphics.FromImage( outBmp );
    // 设置画布的描绘质量
    g.CompositingQuality = CompositingQuality.HighQuality;
    g.SmoothingMode = SmoothingMode.HighQuality;
    g.InterpolationMode = InterpolationMode.HighQualityBicubic;
    g.DrawImage( img, new Rectangle( 0, 0, newSize.Width, newSize.Height ),
    0, 0, img.Width, img.Height, GraphicsUnit.Pixel );
    g.Dispose( );
    // 以下代码为保存图片时,设置压缩质量
    EncoderParameters encoderParams = new EncoderParameters( );
    long[] quality = new long[1];
    quality[0] = 100;
    EncoderParameter encoderParam = new EncoderParameter( System.Drawing.Imaging.Encoder.Quality, quality );
    encoderParams.Param[0] = encoderParam;
    //获得包含有关内置图像编码解码器的信息的ImageCodecInfo 对象.
    ImageCodecInfo[] arrayICI = ImageCodecInfo.GetImageEncoders( );
    ImageCodecInfo jpegICI = null;
    for ( int x = 0;
    x < arrayICI.Length;
    x++ )
    {
        if ( arrayICI[x].FormatDescription.Equals( "JPEG" ) )
        {
            jpegICI = arrayICI[x];
            //设置JPEG编码
            break;
        }

    }

    if ( jpegICI != null )
    {
        outBmp.Save( newFile, jpegICI, encoderParams );
    }

    else
    {
        outBmp.Save( newFile, 
        thisFormat );
    }

    img.Dispose( );
    outBmp.Dispose( );
}
 












Graphics 设置为 InterpolationMode.HighQualityBicubic 这样保证缩略算法最优化,生成最高质量的缩略图。
即使这样生成JPEG图片的文件,效果也不是很理想的。

后来发现.net可以给编码器赋参数。也就是说可以设置JPEG的质量参数。

效果对比:
原图
https://i-blog.csdnimg.cn/blog_migrate/10f1374f84bbb75a7550fbbd423e428f.png

设置InterpolationMode.HighQualityBicubic,没有设置JPGE质量参数
https://i-blog.csdnimg.cn/blog_migrate/39413c0b164d4f4c9168dc2df299f687.png

设置InterpolationMode.HighQualityBicubic,设置JPGE质量参数为100
https://i-blog.csdnimg.cn/blog_migrate/8616252de54cf066e673fc912eb452f4.png


代码:
引用
using System;
using System.Data;
using System.Configuration;
using System.Web;
using System.Web.Security;
using System.Web.UI;
using System.Web.UI.WebControls;
using System.Web.UI.WebControls.WebParts;
using System.Web.UI.HtmlControls;
using System.Drawing;
using System.IO;
using System.Drawing.Imaging;
using System.Net;
using System.Drawing.Drawing2D;

public partial class _Default : System.Web.UI.Page 
{
protected void Page_Load(object sender, EventArgs e)
{
if (!IsPostBack)
{
}
}

/// <summary>
/// 得到文件代码的二进制码流
/// </summary>
/// <param name="url"></param>
/// <returns></returns>
private byte[] getFileCodebyURL(string url)
{
byte[] page;
try
{
WebClient client = new WebClient();
page = client.DownloadData(url);
}
catch
{
page = null;
}
return page;
}
protected void Button1_Click(object sender, EventArgs e)
{
MemoryStream ms = new MemoryStream(getFileCodebyURL(TextBox1.Text));
System.Drawing.Image originalImage = System.Drawing.Image.FromStream(ms);
int x, y, w, h;
if (originalImage.Width > 160 && originalImage.Height > 120)
{
w = 160;
h = 160 * originalImage.Height / originalImage.Width;
if (h > 120)
{
h = 120;
w = 120 * originalImage.Width / originalImage.Height;
x = (160 - w) / 2;
y = 0;
}
else
{
x = 0;
y = (120 - h) / 2;
}
}
else if (originalImage.Width > 160)
{
w = 160;
h = 160 * originalImage.Height / originalImage.Width;
x = 0;
y = (120 - h) / 2;
}
else if (originalImage.Height > 120)
{
h = 120;
w = 120 * originalImage.Width / originalImage.Height;
x = (160 - w) / 2;
y = 0;
}
else
{
w = originalImage.Width;
h = originalImage.Height;
x = (160 - w) / 2;
y = (120 - h) / 2;
}
Bitmap bm = new Bitmap(160, 120);
Graphics g = Graphics.FromImage(bm);

// 指定高质量的双三次插值法。执行预筛选以确保高质量的收缩。此模式可产生质量最高的转换图像。
//g.InterpolationMode = InterpolationMode.HighQualityBicubic;

// 指定高质量、低速度呈现。
//g.SmoothingMode = SmoothingMode.HighQuality;

g.SmoothingMode = SmoothingMode.HighQuality;
g.InterpolationMode = InterpolationMode.HighQualityBicubic;

g.Clear(Color.White);
g.DrawImage(originalImage, new Rectangle(x, y, w, h), 0, 0, originalImage.Width, originalImage.Height, GraphicsUnit.Pixel);

long[] quality = new long[1];
quality[0] = 100;

System.Drawing.Imaging.EncoderParameters encoderParams = new System.Drawing.Imaging.EncoderParameters();
System.Drawing.Imaging.EncoderParameter encoderParam = new System.Drawing.Imaging.EncoderParameter(System.Drawing.Imaging.Encoder.Quality,quality);
encoderParams.Param[0] = encoderParam;
ImageCodecInfo[] arrayICI = ImageCodecInfo.GetImageEncoders();//获得包含有关内置图像编码解码器的信息的ImageCodecInfo 对象。
ImageCodecInfo jpegICI = null;
for (int i = 0; i < arrayICI.Length; i++)
{
if (arrayICI[i].FormatDescription.Equals("JPEG"))
{
jpegICI = arrayICI[i];//设置JPEG编码
break;
}
}
if (jpegICI != null)
{
bm.Save(Server.MapPath("upload/c.jpg"), jpegICI, encoderParams);
}

bm.Dispose();
originalImage.Dispose();
g.Dispose();
Image1.ImageUrl = " http://localhost:7374/caipiao/upload/c.jpg";
}
}
内容概要:本文针对火电厂参与直购交易挤占风电上网空间的问题,提出了一种风火打捆参与大用户直购交易的新模式。通过分析可再生能源配额机制下的双边博弈关系,建立了基于动态非合作博弈理论的博弈模型,以直购电价和直购电量为决策变量,实现双方收益均衡最大化。论文论证了纳什均衡的存在性,并提出了基于纳什谈判法的风-火利益分配方法。算例结果表明,该模式能够增加各方收益、促进风电消纳并提高电网灵活性。文中详细介绍了模型构建、成本计算和博弈均衡的实现过程,并通过Python代码复现了模型,包括参数定义、收益函数、纳什均衡求解、利益分配及可视化分析等功能。 适合人群:电力系统研究人员、能源政策制定者、从事电力市场交易的工程师和分析师。 使用场景及目标:①帮助理解风火打捆参与大用户直购交易的博弈机制;②为电力市场设计提供理论依据和技术支持;③评估不同政策(如可再生能源配额)对电力市场的影响;④通过代码实现和可视化工具辅助教学和研究。 其他说明:该研究不仅提供了理论分析,还通过详细的代码实现和算例验证了模型的有效性,为实际应用提供了参考。此外,论文还探讨了不同场景下的敏感性分析,如证书价格、风电比例等对市场结果的影响,进一步丰富了研究内容。
资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
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