`

获得图像

阅读更多
1.使用BitmapDrawable获取位图
Resources res = context.getResources();
            // cache handles to our key sprites & other drawables
            mLanderImage = context.getResources().getDrawable(
                    R.drawable.lander_plain);
2. 使用BitmapFactory获取位图
mBackgroundImage = BitmapFactory.decodeResource(res,
                    R.drawable.earthrise);
3.使用Canvas类显示位图
public class MainActivity extends Activity {
    /** Called when the activity is first created. */
    @Override
    public void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(new Panel(this));
    }
   
    class Panel extends View{      
        public Panel(Context context) { 
            super(context);
        }     
        public void onDraw(Canvas canvas){ 
            Bitmap bmp = BitmapFactory.decodeResource(getResources(), R.drawable.pic180); 
            canvas.drawColor(Color.BLACK); 
            canvas.drawBitmap(bmp, 10, 10, null); 
        } 
    }
}
4.位图缩放
  Bitmap bmp = BitmapFactory.decodeResource(getResources(), R.drawable.pic180); 
            Matrix matrix=new Matrix();
            matrix.postScale(0.2f, 0.2f);
            Bitmap dstbmp=Bitmap.createBitmap(bmp,0,0,bmp.getWidth(),
            bmp.getHeight(),matrix,true);
            canvas.drawColor(Color.BLACK); 
            canvas.drawBitmap(dstbmp, 10, 10, null); 
5.位图旋转
  Bitmap bmp = BitmapFactory.decodeResource(getResources(), R.drawable.pic180); 
            Matrix matrix=new Matrix();
            matrix.postScale(0.8f, 0.8f);
            matrix.postRotate(45);
            Bitmap dstbmp=Bitmap.createBitmap(bmp,0,0,bmp.getWidth(),
            bmp.getHeight(),matrix,true);
            canvas.drawColor(Color.BLACK);
            canvas.drawBitmap(dstbmp, 10, 10, null);
分享到:
评论

相关推荐

    获得图像上任意一点的颜色值

    img = Image.open('Example035-获得图像上任意一点的颜色值.png') # 获取图像宽度和高度 width, height = img.size # 定义要获取颜色值的坐标 x, y = 100, 50 # 检查坐标是否在图像范围内 if 0 # 获取像素颜色 ...

    获得图像中心坐标

    获得图像中心坐标 matlab

    xinxishang.rar_256*256 图像_256x256_信息熵_图像熵_图像的熵

    这样,我们就能得到图像的信息熵,一个反映图像复杂性的无量纲数值。 在压缩包子文件中提供的代码很可能实现了这个计算过程。通过运行这段代码,我们可以获得图像的熵值,从而了解图像的细节程度和信息含量。这对于...

    附件1:获得图像采集码途径.24833\附件1-3\附件1:获得图像采集码途径

    附件1:获得图像采集码途径.24833\附件1-3\附件1:获得图像采集码途径

    数字图像处理,对一幅图像做直方图的均衡化

    应用这个卷积核对图像A进行卷积运算,可以得到图像B。然后,我们对图像A和B进行减法操作,即A-B,得到的结果将突出图像A中与B不同的部分,即图像的边缘和细节。 总的来说,直方图均衡化是数字图像处理中的一个重要...

    图像处理腐蚀膨胀获得图像轮廓

    本程序是关于图像的腐蚀膨胀以获得轮廓的简短程序段

    平均梯度_图像平均梯度_图像梯度_平均梯度_

    3. **平均化**:将所有像素的梯度模求和,然后除以像素总数,得到图像的平均梯度值。 平均梯度在图像分析中有多种用途: - **边缘检测**:平均梯度可以作为边缘检测的预处理步骤,帮助确定哪些区域可能存在显著的...

    全自动图像拼接

    图像获取是实现图像拼接的前提条件,不同的图像获取方法会得到不同的输入图像序列,并产生不同的图像拼接效果。目前,获得图像序列的方法主要有 3 种:照相机被固定在三脚架上,通过旋转照相机获取图像数据;照相机...

    VC++数字图像处理之图像镜像

    VC++数字图像处理之图像镜像,实现了图像的水平镜像和垂直镜像 注:本资源和之前博客上资源是连贯的,代码功能是不断的增加的,如果下载了这次的,前面的资源就不用下载了,因为这个代码已经包含了前面的示例代码

    一阶微分图像锐化(梯度幅值).pdf

    通过将这两个方向的梯度进行组合,可以得到图像的总梯度幅值。Sobel算子计算出的梯度幅值对于光照变化较为鲁棒,因此在图像锐化中得到了广泛应用。 文档中提到的M(x,y)代表了最终的梯度幅值计算方式,它可以是梯度...

    基于底帽变换与图像融合的图像去雾算法.docx

    本文提出的基于暗通道先验去雾的改进算法,首先对原始最小通道图进行底帽变换得到图像的轮廓图,并与原始最小通道图的灰度反转图融合,补偿暗通道的像素值;然后,将归一化处理的最小通道图进行双边滤波和开、闭运算...

    傅里叶变换提取图像的高、低频信息

    傅里叶变换是一种重要的数学工具,它在信号处理、图像分析和计算机视觉等领域有着广泛的应用。在图像处理中,傅里叶变换可以帮助我们理解和解析图像的频域特性,即图像的高频和低频成分。这些信息对于理解图像的细节...

    C# 获得图像上任意一点的颜色值

    在C#编程中,获取图像上任意一点的颜色值是一项常见的图像处理操作,它涉及到对图像像素的访问。本文将深入探讨如何实现这一功能,并提供相关的技术细节和代码示例。 首先,我们需要理解图像的基本概念。在计算机中...

    数字图像处理与通信:图像复原及神经网络在图像处理的应用.ppt

    盲复原技术在实际的图像处理中非常有用,因为许多先验知识并不知道的情况下,要获得图像的先验知识需要付出很大的代价,甚至是不可实现的。 图像复原技术的应用非常广泛,涵盖天文成像、医学、军事公安、图像编码等...

    matlab计算图像周长,面积

    通过对边界像素的计数,可以得到图像或特定区域的周长。这一步骤对于理解图像的形状特征至关重要。 #### 面积计算 面积计算通常基于连通区域内部像素的数量。通过`size`函数获取感兴趣区域像素的总数,即可得到其...

    音视频-编解码-面向中医诊断的舌图像分割的研究与应用.pdf

    基于图论的图像分割方法是最近国际上的一个研究热点,该方法将图像映射为带权无向图,把像素作为结点,利用最小割集准则得到图像的最佳分割。 本文对基于图论的图像分割方法的基本理论进行了简要介绍,并对当前基于...

    图像处理课件:transform 图像变换.ppt

    离散余弦变换是将图像从时域转换到频域,获得图像的频谱特征。 Distance Transform(距离变换) 距离变换是将图像中的距离进行变换,获得图像的距离特征。 Wavelet Transform(小波变换) 小波变换是将图像从...

    基于MATLAB的傅里叶梅林变换算法图像拼接的实现.pdf

    该算法通过对图像进行傅立叶梅林变换,得到图像的频率特性,然后通过相位相关技术来实现图像的配准。该算法的优点是可以实现图像拼接的自动化,且具有较高的准确性和可靠性。 在本文中,我们还讨论了图像拼接的基本...

    图像插值超分辨率重建算法研究

    首先对输入的含噪图像,进行椒盐噪声点的判断,如果是椒盐噪声点则用中值滤波进行去除,然后对图像进行维纳滤波或非局部均值滤波处理,获得图像的基本层。将去除椒盐噪声后的图像减去基本层即为图像的细节层。图像的基本...

Global site tag (gtag.js) - Google Analytics