这几天学习的是将画板中的画保存在文件中,并且可以用自制的画板读取。通过数据输入输出流用2种方法实现了这个功能,分别是通过直接保存各个形状的对象到队列和伪BMP的方式实现。
1.通过队列保存
这种方法比较直接,即将画出的每个图形,依次保存到队列中,并将此队列用流输出到文件中,由于形状对象和写入格式都是自己定义的,所以保存到文件中后也只能通过自制的画板读取图像。
储存的核心代码:
public void saveStudents(String path, QueueRealize<shape> list) {
try {
// /创建一个文件输出流
java.io.FileOutputStream fos = new java.io.FileOutputStream(path);
// 将文件输出流包装成基本类型的数据流
java.io.DataOutputStream dos = new java.io.DataOutputStream(fos);
// 首先保存队列的长度
dos.writeInt(list.retSize());
// 遍历队列
for (int i = 0; i < list.retSize(); i++) {
shape shp = list.getData(i);
String str = shp.getName();
dos.writeInt(str.getBytes().length);// 写名字长度
dos.write(str.getBytes());// 将名字转成字节数组写出
int len = shp.getQri().retSize();
dos.writeInt(len);//写入对象的坐标个数
for (int j = 0; j < shp.getQri().retSize(); j++) {
int v = shp.getQri().getData(j);
dos.writeInt(v);//依次写入各个对象的各个坐标
}
int RGB = shp.getColor().getRGB();
dos.writeInt(RGB);//写入对象的颜色
}
// 关闭数据流
dos.flush();
fos.close();
} catch (Exception e) {
e.printStackTrace();
}
}
读取的核心代码:
public QueueRealize<shape> readFile(String path) {
// 创建一个队列用来保存读取到的对象
QueueRealize<shape> list = new QueueRealize<shape>();
try {
// 创建文件输入流和数据输入流
java.io.FileInputStream fis = new java.io.FileInputStream(path);
java.io.DataInputStream dis = new java.io.DataInputStream(fis);
// 读取一个Int,表示图像个数
int len = dis.readInt();
// 循环读取每一个图像信息
for (int i = 0; i < len; i++) {
int nameLen = dis.readInt();// 读名字的长度
// 根据长度创建byte数组
byte[] bs = new byte[nameLen];
dis.read(bs);
String name = new String(bs);
//写入对象的坐标个数
int pointNum = dis.readInt();
int[] bs1 = new int[nameLen];
for (int j = 0; j < pointNum; j++) {
bs1[j] = dis.readInt();//依次写入各个对象的各个坐标
}
int cRGB = dis.readInt();
java.awt.Color c = new java.awt.Color(cRGB);
// 根据读取的数据类型创建一个对象
if (name.equals("Line")) {
Line line = new Line(bs1[0], bs1[1], bs1[2], bs1[3], c);
// 将对象放入队列
list.add(line);
} else if (name.equals("Oval")) {
Oval oval = new Oval(bs1[0], bs1[1], bs1[2], bs1[3], c);
// 将对象放入队列
list.add(oval);
} else if (name.equals("Rect")) {
Rect rect = new Rect(bs1[0], bs1[1], bs1[2], bs1[3], c);
// 将对象放入队列
list.add(rect);
} else if (name.equals("Special")) {
Special special = new Special(bs1[0], bs1[1], bs1[2],
bs1[3], c);
// 将对象放入队列
list.add(special);
} else if (name.equals("Polygon")) {
Polygon polygon = new Polygon(bs1[0], bs1[1], bs1[2],
bs1[3], c);
for (int j = 4; j < pointNum; j++) {
polygon.getQri().add(bs1[j]);
}
// 将对象放入队列
list.add(polygon);
}
}
} catch (Exception ef) {
ef.printStackTrace();
}
return list;
}
2.伪BMP方式保存
引用
典型的BMP图像文件由四部分组成:
1:位图头文件数据结构,它包含BMP图像文件的类型、显示内容等信息;
2:位图信息数据结构,它包含有BMP图像的宽、高、压缩方法,以及定义颜色等信息;
3:调色板,这个部分是可选的,有些位图需要调色板,有些位图,比如真彩色图(24位的BMP)就不需要调色板;
4:位图数据,这部分的内容根据BMP位图使用的位数不同而不同,在24位图中直接使用RGB,而其他的小于24位的使用调色板中颜色索引值。
由此可以看出bmp文件基本上是由大量的像素组成的,所以我们也采用类似的方法,不管自制画板中有哪些图形,直接将画板绘画区域上所有的点储存。这就是伪BMP的基本思路。
以下是伪BMP的核心代码(流处理部分在监听器处实现):
public class fBMP {
int width;
int height;
int[][] colors;// 用来保存每一个像素点颜色的数组
java.awt.Robot robot;
public void savePic(JPanel panel) {
try {
robot = new java.awt.Robot();
} catch (Exception ef) {
ef.printStackTrace();
}
width = panel.getWidth();
height = panel.getHeight();
colors = new int[height][width];
// 得到panel左上角的点相对于屏幕的坐标
Point p = panel.getLocationOnScreen();
java.awt.Rectangle rect = new java.awt.Rectangle(p.x, p.y,
panel.getWidth(), panel.getHeight());
// 从屏幕上抓取一张图片
java.awt.image.BufferedImage img = robot.createScreenCapture(rect);
//将点的rgb值储存到colors数组中
for (int i = 0; i < colors.length; i++) {
for (int j = 0; j < colors[i].length; j++) {
colors[i][j] = img.getRGB(i, j);
}
}
}
public void loadPic(int[][] c, java.awt.Graphics g) {
int height1 = c.length;
int width1 = c[0].length;
//根据得到的c数组创建颜色对象直接打印各个点
for (int i = 0; i < height1; i++) {
for (int j = 0; j < width1; j++) {
java.awt.Color color = new java.awt.Color(c[i][j]);
g.setColor(color);
g.drawLine(i, j, i, j);
}
}
}
}
从两种方法的介绍中我们也就可以发现,第一种方法对于简单的图像的保存很快,而第二种则与图像的复杂简单无关,它的速度仅仅与图像的大小有关。

- 大小: 25.4 KB

- 大小: 26.5 KB
分享到:
相关推荐
自制画板项目是许多初学者和开发者用来学习图像处理技术的实践项目。在这个项目中,我们需要实现两个核心功能:打开BMP格式的文件并在画板上显示,以及保存用户在画板上的操作为新的BMP文件。 首先,我们要理解BMP...
在Android平台上,模仿Windows风格的自制画板是一项有趣且具有挑战性的任务,它涉及到图形绘制、用户交互以及自定义视图等核心知识点。这个项目旨在为用户提供一个可以在移动设备上绘画的工具,模拟Windows系统中...
可以使用XML或者二进制格式来保存这些信息,以便于读取和写入。 总之,通过使用MFC库,我们可以轻松地构建一个具有基本绘图功能的小画板应用程序,包括绘制直线、椭圆等图形。通过重写MFC的消息处理机制和使用CDC类...
自己用画板为基础组件 然后用GDI+进行自绘设计来的 设计了一半忽然发觉易语言的数据库连接不支持Unicode型 而且其他基础组件也都不支持Unicode 感觉工作量遥遥无期 所以放弃 源代码开放给大家随意修改着玩吧 。...
【AI】从头到脚详解如何创建部署Azure Web App的OpenAI项目源码
人脸识别项目实战
人工智能-人脸识别代码,采用cnn的架构识别代码
汽车配件制造业企业信息化整体解决方案
短期风速预测模型,IDBO-BiTCN-BiGRU-Multihead-Attention IDBO是,网上复现 评价指标:R方、MAE、MAPE、RMSE 附带测试数据集运行(风速数据) 提示:在MATLAB2024a上测试正常 ,短期风速预测模型; IDBO-BiTCN-BiGRU-Multihead-Attention; 评价指标: R方、MAE、MAPE、RMSE; 复现; 测试数据集; MATLAB 2024a,短期风速预测模型:IDBO-BiTCN-BiGRU-Attention集成模型
手势识别项目实战
在智慧园区建设的浪潮中,一个集高效、安全、便捷于一体的综合解决方案正逐步成为现代园区管理的标配。这一方案旨在解决传统园区面临的智能化水平低、信息孤岛、管理手段落后等痛点,通过信息化平台与智能硬件的深度融合,为园区带来前所未有的变革。 首先,智慧园区综合解决方案以提升园区整体智能化水平为核心,打破了信息孤岛现象。通过构建统一的智能运营中心(IOC),采用1+N模式,即一个智能运营中心集成多个应用系统,实现了园区内各系统的互联互通与数据共享。IOC运营中心如同园区的“智慧大脑”,利用大数据可视化技术,将园区安防、机电设备运行、车辆通行、人员流动、能源能耗等关键信息实时呈现在拼接巨屏上,管理者可直观掌握园区运行状态,实现科学决策。这种“万物互联”的能力不仅消除了系统间的壁垒,还大幅提升了管理效率,让园区管理更加精细化、智能化。 更令人兴奋的是,该方案融入了诸多前沿科技,让智慧园区充满了未来感。例如,利用AI视频分析技术,智慧园区实现了对人脸、车辆、行为的智能识别与追踪,不仅极大提升了安防水平,还能为园区提供精准的人流分析、车辆管理等增值服务。同时,无人机巡查、巡逻机器人等智能设备的加入,让园区安全无死角,管理更轻松。特别是巡逻机器人,不仅能进行360度地面全天候巡检,还能自主绕障、充电,甚至具备火灾预警、空气质量检测等环境感知能力,成为了园区管理的得力助手。此外,通过构建高精度数字孪生系统,将园区现实场景与数字世界完美融合,管理者可借助VR/AR技术进行远程巡检、设备维护等操作,仿佛置身于一个虚拟与现实交织的智慧世界。 最值得关注的是,智慧园区综合解决方案还带来了显著的经济与社会效益。通过优化园区管理流程,实现降本增效。例如,智能库存管理、及时响应采购需求等举措,大幅减少了库存积压与浪费;而设备自动化与远程监控则降低了维修与人力成本。同时,借助大数据分析技术,园区可精准把握产业趋势,优化招商策略,提高入驻企业满意度与营收水平。此外,智慧园区的低碳节能设计,通过能源分析与精细化管理,实现了能耗的显著降低,为园区可持续发展奠定了坚实基础。总之,这一综合解决方案不仅让园区管理变得更加智慧、高效,更为入驻企业与员工带来了更加舒适、便捷的工作与生活环境,是未来园区建设的必然趋势。
相亲交友系统源码 V10.5支持婚恋相亲、媒婆返利、红娘系统、商城系统等等 这款交友系统功能太多了,适合婚恋相亲,还有媒婆婚庆等等支持 PC和 H5还有小程序,可封装红年、APP,里面带安装教程
本资源《单片机也能玩双核之你想不到的C技巧系列——嵌入式实战》涵盖 双核单片机开发、C语言高级技巧、嵌入式系统优化 等核心内容,结合 实战案例与视频教程,帮助开发者深入理解并掌握高效编程技巧。 适用人群: 适合 嵌入式开发工程师、单片机开发者、电子信息相关专业学生,以及希望提升 C语言编程能力 和 嵌入式项目经验 的技术人员。 能学到什么: 双核单片机开发思路,提高并行处理能力。 C语言高级技巧,提升代码优化与执行效率。 嵌入式系统调试方法,掌握实际项目中的调试策略。 实战案例解析,学习如何在实际工程中应用双核技术。 阅读建议: 建议 先学习基础知识,再结合 示例代码与视频教程 进行实操,重点关注 代码优化、调试技巧与双核应用模式,通过实战演练提高嵌入式开发能力。
人脸识别项目源码实战
人脸识别项目源码实战
c语言学习
红外光伏缺陷目标检测模型,YOLOv8模型 基于红外光伏缺陷目标检测数据集训练,做了必要的数据增强处理,以达到缺陷类别间的平衡 可检测大面积热斑,单一热斑,二极管短路和异常低温四类缺陷 测试集指标如图所示 ,核心关键词:红外光伏缺陷目标检测模型; YOLOv8模型; 数据增强处理; 缺陷类别平衡; 大面积热斑; 单一热斑; 二极管短路; 异常低温。,基于YOLOv8的红外光伏缺陷检测模型
基于PLC的自动浇花控制系统 西门子1200PLC博途仿真,提供HMI画面,接线图,IO分配表,演示视频,简单讲解视频 博图15.1及以上版本均可使用 ,核心关键词: PLC自动浇花控制系统; 西门子1200PLC博途仿真; HMI画面; 接线图; IO分配表; 演示视频; 简单讲解视频; 博图15.1及以上版本。,基于PLC的自动浇花系统:西门子1200PLC博途仿真实践教程
在智慧园区建设的浪潮中,一个集高效、安全、便捷于一体的综合解决方案正逐步成为现代园区管理的标配。这一方案旨在解决传统园区面临的智能化水平低、信息孤岛、管理手段落后等痛点,通过信息化平台与智能硬件的深度融合,为园区带来前所未有的变革。 首先,智慧园区综合解决方案以提升园区整体智能化水平为核心,打破了信息孤岛现象。通过构建统一的智能运营中心(IOC),采用1+N模式,即一个智能运营中心集成多个应用系统,实现了园区内各系统的互联互通与数据共享。IOC运营中心如同园区的“智慧大脑”,利用大数据可视化技术,将园区安防、机电设备运行、车辆通行、人员流动、能源能耗等关键信息实时呈现在拼接巨屏上,管理者可直观掌握园区运行状态,实现科学决策。这种“万物互联”的能力不仅消除了系统间的壁垒,还大幅提升了管理效率,让园区管理更加精细化、智能化。 更令人兴奋的是,该方案融入了诸多前沿科技,让智慧园区充满了未来感。例如,利用AI视频分析技术,智慧园区实现了对人脸、车辆、行为的智能识别与追踪,不仅极大提升了安防水平,还能为园区提供精准的人流分析、车辆管理等增值服务。同时,无人机巡查、巡逻机器人等智能设备的加入,让园区安全无死角,管理更轻松。特别是巡逻机器人,不仅能进行360度地面全天候巡检,还能自主绕障、充电,甚至具备火灾预警、空气质量检测等环境感知能力,成为了园区管理的得力助手。此外,通过构建高精度数字孪生系统,将园区现实场景与数字世界完美融合,管理者可借助VR/AR技术进行远程巡检、设备维护等操作,仿佛置身于一个虚拟与现实交织的智慧世界。 最值得关注的是,智慧园区综合解决方案还带来了显著的经济与社会效益。通过优化园区管理流程,实现降本增效。例如,智能库存管理、及时响应采购需求等举措,大幅减少了库存积压与浪费;而设备自动化与远程监控则降低了维修与人力成本。同时,借助大数据分析技术,园区可精准把握产业趋势,优化招商策略,提高入驻企业满意度与营收水平。此外,智慧园区的低碳节能设计,通过能源分析与精细化管理,实现了能耗的显著降低,为园区可持续发展奠定了坚实基础。总之,这一综合解决方案不仅让园区管理变得更加智慧、高效,更为入驻企业与员工带来了更加舒适、便捷的工作与生活环境,是未来园区建设的必然趋势。
大型集团用户画像系统化标准化数字化用户主数据管理项目规划方案