「java解析.bmp」java解析json报文
今天给各位分享java解析.bmp的知识，其中也会对java解析json报文进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录一览：
- 1、Java处理bmp图像，怎样操作BMP位图的数据
- 2、java数字图像处理常用算法
- 3、java 如何进行 bmp格式的图片转换成jpg格式
- 4、java为何不能用bmp图片
- 5、请问如何用java实现图像格式转换，将H.263转换成BMP格式
- 6、java有bmp24位照片，怎样分析有多少种颜色
Java处理bmp图像，怎样操作BMP位图的数据
bmp图像文件数据分为三个部分：
1、前14个字节为文件信息头，在这部分信息中包含了位图信息标志、该bmp图像的大小和图像实际数据的相对偏移量这三部分有用的信息。
位图标志一定为“0x4D42”，否则，该文件不是bmp图像。
在VC++中，这14个字节对应一个数据类型，类型名为“BITMAPFILEHEADER”，它的定义为：
typedef struct tagBITMAPFILEHEADER {
WORD bfType; //位图信息标志
DWORD bfSize; //图像的大小
WORD bfReserved1;
WORD bfReserved2;
DWORD bfOffBits; //图像实际数据的相对偏移量
} BITMAPFILEHEADER, FAR *LPBITMAPFILEHEADER, *PBITMAPFILEHEADER;
可以设一个该类型的变量：BITMAPFILEHEADER bmfh，将bmp图像文件的前14字节数据读入这个变量中，然后通过判断bmfh.bfType == 0x4D42，确定是不是为bmp图像。
2、接下来40个字节为位图信息头，其中存储了该bmp图像的有关信息。这些信息包括：图像宽度（像素）、图像高度（像素）、图像长度（字节，仅仅是图像实际数据的长度，不包括各个信息头）、水平分辨率、垂直分辨率、每个像素的存储位数等信息。
其中，通过“每个像素的存储位数”这个信息可以知道图像的颜色：
如果“每个像素的存储位数”的值只有四种：为1，说明图像只有两种颜色（黑、白）；为4，说明图像有16种颜色；为8，说明图像有256种颜色；为24，说明该图像为真彩色图像，颜色数为2^24。这四种取值对应四种bmp图像，也就是说，bmp图像只有这四种。
在这四种bmp图像种，前三种都需要在图像文件中包含调色板数据，分别存储三种图像的2、16、256种颜色。而最后一种bmp格式的图像不需要调色板，因为这种图像的“每个像素的存储位数”值为24，也就是说，存储一个像素值需要24位，正好可以存储一个像素的颜色（红、绿、蓝各8位）。
在VC++中，这40个字节的位图信息头也有一个数据类型，类型名为“BITMAPINFOHEADER”，它的定义为：
typedef struct tagBITMAPINFOHEADER{
DWORD biSize;
LONG biWidth; //图像宽度（像素）
LONG biHeight; //图像高度（像素）
WORD biPlanes;
WORD biBitCount; //每个像素的存储位数
DWORD biCompression;
DWORD biSizeImage; //图像长度（字节，仅仅是图像实际数据的长度，不包括各个信息头）
LONG biXPelsPerMeter; //水平分辨率
LONG biYPelsPerMeter; //垂直分辨率
DWORD biClrUsed;
DWORD biClrImportant;
} BITMAPINFOHEADER, FAR *LPBITMAPINFOHEADER, *PBITMAPINFOHEADER;
3、接下来若干个字节为调色板，只有前三种bmp图像有，第四种真彩色bmp图像没有这部分数据。
调色板是一个数组，每个数组元素有四字节，只有三个字节有用，另外一个没有。有用的三个字节存储一种颜色（红绿蓝各占一字节），这四个字节在VC++中定义为：
typedef struct tagRGBQUAD {
BYTE rgbBlue;
BYTE rgbGreen;
BYTE rgbRed;
BYTE rgbReserved;
} RGBQUAD;
定义一个这种类型的数组即为调色板。数组的长度可由BITMAPINFOHEADER中的biBitCount推算出来。
4、上述三部分信息之后，即是实际的像素数据。一个像素的存储位数为1、4、8或16，正如前面所述。
如果是1位，对应的bmp图像应该有一个长度为2的调色板。这一位的值只能是0或1，用来指明该像素的颜色在调色板中的地址。
如果是4位，对应的bmp图像应该有一个长度为16的调色板。这4位的值有16种，同样指示该像素的颜色在调色板中的地址。
如果是8位，对应的bmp图像应该有一个长度为256的调色板。这8位的值有256种，同样指示该像素的颜色在调色板中的地址。
如果是24位，对应的bmp图像没有调色板，该像素的颜色由这24位数据直接表示。
bmp图像的数据就这几个部分。
任何一个bmp图像的像素都是由红绿蓝三种颜色组成（带调色板也好，不带调色板也好）。如果一个像素的红绿蓝三种色的值相等，那么该像素就是灰色的。灰度图是这样一种有严格规定的bmp图像：它是上述四种bmp图像的第三种，并且它的调色板的每个数组元素的红绿蓝三值都相同，所以灰度图的灰度种数是256。
若要保存图像，需要按顺序保存文件信息头、位图信息头、调色板（如果有）和图像的实际数据。程序可以这样写：
bool Write(CString FileName)
{
CFile file;
BITMAPFILEHEADER bmfh;
if(! (bmi pBits))
{
AfxMessageBox("Data is not valid!");
return FALSE;
}
//创建文件
if(!file.Open(FileName,CFile::modeCreate | CFile::modeWrite))
{
AfxMessageBox("File creating fails!");
return FALSE;
}
//填写文件信息头
bmfh.bfType = 0x4d42;
bmfh.bfReserved1 = bmfh.bfReserved2 = 0;
int nInfoSize = sizeof(BITMAPINFOHEADER) + GetPaletteSize() * sizeof(RGBQUAD);
bmfh.bfOffBits = sizeof(bmfh) + nInfoSize;
bmfh.bfSize = bmfh.bfOffBits + bmi-bmiHeader.biSizeImage;
//写文件
file.Write( (LPVOID)bmfh, sizeof(bmfh));
file.Write( (LPVOID)bmi, nInfoSize);
file.Write( (LPVOID)pBits, bmi-bmiHeader.biSizeImage);
return TRUE;
}
java数字图像处理常用算法
前些时候做毕业设计 用java做的数字图像处理方面的东西 这方面的资料ms比较少 发点东西上来大家共享一下 主要就是些算法 有自己写的 有人家的 还有改人家的 有的算法写的不好 大家不要见笑
一 读取bmp图片数据
// 获取待检测图像 数据保存在数组 nData[] nB[] nG[] nR[]中
public void getBMPImage(String source) throws Exception { clearNData(); //清除数据保存区 FileInputStream fs = null; try { fs = new FileInputStream(source); int bfLen = ; byte bf[] = new byte[bfLen]; fs read(bf bfLen); // 读取 字节BMP文件头 int biLen = ; byte bi[] = new byte[biLen]; fs read(bi biLen); // 读取 字节BMP信息头
// 源图宽度 nWidth = (((int) bi[ ] xff) ) | (((int) bi[ ] xff) ) | (((int) bi[ ] xff) ) | (int) bi[ ] xff;
// 源图高度 nHeight = (((int) bi[ ] xff) ) | (((int) bi[ ] xff) ) | (((int) bi[ ] xff) ) | (int) bi[ ] xff;
// 位数 nBitCount = (((int) bi[ ] xff) ) | (int) bi[ ] xff;
// 源图大小 int nSizeImage = (((int) bi[ ] xff) ) | (((int) bi[ ] xff) ) | (((int) bi[ ] xff) ) | (int) bi[ ] xff;
// 对 位BMP进行解析 if (nBitCount == ){ int nPad = (nSizeImage / nHeight) nWidth * ; nData = new int[nHeight * nWidth]; nB=new int[nHeight * nWidth]; nR=new int[nHeight * nWidth]; nG=new int[nHeight * nWidth]; byte bRGB[] = new byte[(nWidth + nPad) * * nHeight]; fs read(bRGB (nWidth + nPad) * * nHeight); int nIndex = ; for (int j = ; j nHeight; j++){ for (int i = ; i nWidth; i++) { nData[nWidth * (nHeight j ) + i] = ( xff) | (((int) bRGB[nIndex + ] xff) ) | (((int) bRGB[nIndex + ] xff) ) | (int) bRGB[nIndex] xff; nB[nWidth * (nHeight j ) + i]=(int) bRGB[nIndex] xff; nG[nWidth * (nHeight j ) + i]=(int) bRGB[nIndex+ ] xff; nR[nWidth * (nHeight j ) + i]=(int) bRGB[nIndex+ ] xff; nIndex += ; } nIndex += nPad; } // Toolkit kit = Toolkit getDefaultToolkit(); // image = kit createImage(new MemoryImageSource(nWidth nHeight // nData nWidth));
/* //调试数据的读取
FileWriter fw = new FileWriter( C:\\Documents and Settings\\Administrator\\My Documents\\nDataRaw txt );//创建新文件 PrintWriter out = new PrintWriter(fw); for(int j= ;jnHeight;j++){ for(int i= ;inWidth;i++){ out print(( * +nData[nWidth * (nHeight j ) + i])+ _ +nR[nWidth * (nHeight j ) + i]+ _ +nG[nWidth * (nHeight j ) + i]+ _ +nB[nWidth * (nHeight j ) + i]+ ); } out println( ); } out close();*/ } } catch (Exception e) { e printStackTrace(); throw new Exception(e); } finally { if (fs != null) { fs close(); } } // return image; }
二 由r g b 获取灰度数组
public int[] getBrightnessData(int rData[] int gData[] int bData[]){ int brightnessData[]=new int[rData length]; if(rData length!=gData length || rData length!=bData length || bData length!=gData length){ return brightnessData; } else { for(int i= ;ibData length;i++){ double temp= *rData[i]+ *gData[i]+ *bData[i]; brightnessData[i]=(int)(temp)+((temp (int)(temp)) ? : ); } return brightnessData; } }
三 直方图均衡化
public int [] equilibrateGray(int[] PixelsGray int width int height) { int gray; int length=PixelsGray length; int FrequenceGray[]=new int[length]; int SumGray[]=new int[ ]; int ImageDestination[]=new int[length]; for(int i = ; i length ;i++) { gray=PixelsGray[i]; FrequenceGray[gray]++; } // 灰度均衡化 SumGray[ ]=FrequenceGray[ ]; for(int i= ;i ;i++){ SumGray[i]=SumGray[i ]+FrequenceGray[i]; } for(int i= ;i ;i++) { SumGray[i]=(int)(SumGray[i]* /length); } for(int i= ;iheight;i++) { for(int j= ;jwidth;j++) { int k=i*width+j; ImageDestination[k]= xFF | ((SumGray[PixelsGray[k]] ) | (SumGray[PixelsGray[k]] ) | SumGray[PixelsGray[k]]); } } return ImageDestination; }
四 laplace 阶滤波 增强边缘 图像锐化
public int[] laplace DFileter(int []data int width int height){ int filterData[]=new int[data length]; int min= ; int max= ; for(int i= ;iheight;i++){ for(int j= ;jwidth;j++){ if(i== || i==height || j== || j==width ) filterData[i*width+j]=data[i*width+j]; else filterData[i*width+j]= *data[i*width+j] data[i*width+j ] data[i*width+j+ ] data[(i )*width+j] data[(i )*width+j ] data[(i )*width+j+ ] data[(i+ )*width+j] data[(i+ )*width+j ] data[(i+ )*width+j+ ]; if(filterData[i*width+j]min) min=filterData[i*width+j]; if(filterData[i*width+j]max) max=filterData[i*width+j]; } }// System out println( max: +max);// System out println( min: +min); for(int i= ;iwidth*height;i++){ filterData[i]=(filterData[i] min)* /(max min); } return filterData; }
五 laplace 阶增强滤波 增强边缘 增强系数delt
public int[] laplaceHigh DFileter(int []data int width int height double delt){ int filterData[]=new int[data length]; int min= ; int max= ; for(int i= ;iheight;i++){ for(int j= ;jwidth;j++){ if(i== || i==height || j== || j==width ) filterData[i*width+j]=(int)(( +delt)*data[i*width+j]); else filterData[i*width+j]=(int)(( +delt)*data[i*width+j] data[i*width+j ]) data[i*width+j+ ] data[(i )*width+j] data[(i )*width+j ] data[(i )*width+j+ ] data[(i+ )*width+j] data[(i+ )*width+j ] data[(i+ )*width+j+ ]; if(filterData[i*width+j]min) min=filterData[i*width+j]; if(filterData[i*width+j]max) max=filterData[i*width+j]; } } for(int i= ;iwidth*height;i++){ filterData[i]=(filterData[i] min)* /(max min); } return filterData; } 六 局部阈值处理 值化
// 局部阈值处理 值化 niblack s method /*原理 T(x y)=m(x y) + k*s(x y) 取一个宽度为w的矩形框 (x y)为这个框的中心 统计框内数据 T(x y)为阈值 m(x y)为均值 s(x y)为均方差 k为参数(推荐 )计算出t再对(x y)进行切割 / 这个算法的优点是 速度快 效果好 缺点是 niblack s method会产生一定的噪声 */ public int[] localThresholdProcess(int []data int width int height int w int h double coefficients double gate){ int[] processData=new int[data length]; for(int i= ;idata length;i++){ processData[i]= ; } if(data length!=width*height) return processData; int wNum=width/w; int hNum=height/h; int delt[]=new int[w*h]; //System out println( w; +w+ h: +h+ wNum: +wNum+ hNum: +hNum); for(int j= ;jhNum;j++){ for(int i= ;iwNum;i++){ //for(int j= ;j ;j++){ // for(int i= ;i ;i++){ for(int n= ;nh;n++) for(int k= ;kw;k++){ delt[n*w+k]=data[(j*h+n)*width+i*w+k]; //System out print( delt[ +(n*w+k)+ ]: +delt[n*w+k]+ ); } //System out println(); /* for(int n= ;nh;n++) for(int k= ;kw;k++){ System out print( data[ +((j*h+n)*width+i*w+k)+ ]: +data[(j*h+n)*width+i*w+k]+ ); } System out println(); */ delt=thresholdProcess(delt w h coefficients gate); for(int n= ;nh;n++) for(int k= ;kw;k++){ processData[(j*h+n)*width+i*w+k]=delt[n*w+k]; // System out print( delt[ +(n*w+k)+ ]: +delt[n*w+k]+ ); } //System out println(); /* for(int n= ;nh;n++) for(int k= ;kw;k++){ System out print( processData[ +((j*h+n)*width+i*w+k)+ ]: +processData[(j*h+n)*width+i*w+k]+ ); } System out println(); */ } } return processData; }
七 全局阈值处理 值化
public int[] thresholdProcess(int []data int width int height double coefficients double gate){ int [] processData=new int[data length]; if(data length!=width*height) return processData; else{ double sum= ; double average= ; double variance= ; double threshold; if( gate!= ){ threshold=gate; } else{ for(int i= ;iwidth*height;i++){ sum+=data[i]; } average=sum/(width*height); for(int i= ;iwidth*height;i++){ variance+=(data[i] average)*(data[i] average); } variance=Math sqrt(variance); threshold=average coefficients*variance; } for(int i= ;iwidth*height;i++){ if(data[i]threshold) processData[i]= ; else processData[i]= ; } return processData; } }
八 垂直边缘检测 sobel算子
public int[] verticleEdgeCheck(int []data int width int height int sobelCoefficients) throws Exception{ int filterData[]=new int[data length]; int min= ; int max= ; if(data length!=width*height) return filterData; try{ for(int i= ;iheight;i++){ for(int j= ;jwidth;j++){ if(i== || i== || i==height || i==height ||j== || j== || j==width || j==width ){ filterData[i*width+j]=data[i*width+j]; } else{ double average; //中心的九个像素点 //average=data[i*width+j] Math sqrt( )*data[i*width+j ]+Math sqrt( )*data[i*width+j+ ] average=data[i*width+j] sobelCoefficients*data[i*width+j ]+sobelCoefficients*data[i*width+j+ ] data[(i )*width+j ]+data[(i )*width+j+ ] data[(i+ )*width+j ]+data[(i+ )*width+j+ ]; filterData[i*width+j]=(int)(average); } if(filterData[i*width+j]min) min=filterData[i*width+j]; if(filterData[i*width+j]max) max=filterData[i*width+j]; } } for(int i= ;iwidth*height;i++){ filterData[i]=(filterData[i] min)* /(max min); } } catch (Exception e) { e printStackTrace(); throw new Exception(e); } return filterData; }
九 图像平滑 * 掩模处理（平均处理） 降低噪声
lishixinzhi/Article/program/Java/hx/201311/26286
java 如何进行 bmp格式的图片转换成jpg格式
用photoshop打开，另存为jpg格式就可以了。注意很多tif图片都是cmyk四色的（印刷格式），如果想把图片应用于网络上，要转换成rgb三色的。方法就是打开后，点击图像—〉模式—〉rgb颜色。
java为何不能用bmp图片
使用ToolKit类的createImage不能显示bmp格式的图片;
改用ImageIO.read(this.getClass().getClassLoader().getResource(file));来读取任意格式图片。
/**
* 读取任意图片文件
*
* @param file
* @return
*/
public Image loadAnyImage(String file)
{
Image image = null; // 构造一个目标图
InputStream fs = null;
try
{
fs = new BufferedInputStream(getClass().getClassLoader()
.getResourceAsStream(file));
int bflen = 14;
byte[] bf = new byte[bflen];
fs.read(bf, 0, bflen); // 读取14字节BMP文件头
int bilen = 40;
byte[] bi = new byte[bilen];
fs.read(bi, 0, bilen); // 读取40字节BMP信息头
// 获取一些重要数据
int nwidth = (((int) bi[7] 0xff) 24) // 源图宽度
| (((int) bi[6] 0xff) 16)
| (((int) bi[5] 0xff) 8) | (int) bi[4] 0xff;
int nheight = (((int) bi[11] 0xff) 24) // 源图高度
| (((int) bi[10] 0xff) 16)
| (((int) bi[9] 0xff) 8) | (int) bi[8] 0xff;
// 位数
int nbitcount = (((int) bi[15] 0xff) 8) | (int) bi[14] 0xff;
// 源图大小
int nsizeimage = (((int) bi[23] 0xff) 24)
| (((int) bi[22] 0xff) 16)
| (((int) bi[21] 0xff) 8) | (int) bi[20] 0xff;
// 对24位BMP进行解析
if (nbitcount == 24)
{
int npad = (nsizeimage / nheight) - nwidth * 3;
int[] ndata = new int[nheight * nwidth];
byte[] brgb = new byte[(nwidth + npad) * 3 * nheight];
fs.read(brgb, 0, (nwidth + npad) * 3 * nheight);
int nindex = 0;
for (int j = 0; j nheight; j++)
{
for (int i = 0; i nwidth; i++)
{
ndata[nwidth * (nheight - j - 1) + i] = (255 0xff) 24
| (((int) brgb[nindex + 2] 0xff) 16)
| (((int) brgb[nindex + 1] 0xff) 8)
| (int) brgb[nindex] 0xff;
nindex += 3;
}
nindex += npad;
}
Toolkit kit = Toolkit.getDefaultToolkit();
image = kit.createImage(new MemoryImageSource(nwidth, nheight,
ndata, 0, nwidth));
}
// 8位BMP或其他图片格式
else
{
image = javax.imageio.ImageIO.read(getClass().getClassLoader()
.getResource(file));
}
}
catch (Exception e)
{
}
finally
{
try
{
if (null != fs)
{
fs.close();
fs = null;
}
}
catch (IOException e)
{
}
}
return image;
}
请问如何用java实现图像格式转换，将H.263转换成BMP格式
import java.awt.image.BufferedImage;
import java.io.*;
import javax.imageio.ImageIO;
public class ImageFormat {
public static void main(String[] args) {
File file = new File("c:\\test.jpg");
changFormat(file, "png", new File("c:\\test.png"));// 转为png
changFormat(file, "bmp", new File("c:\\test.bmp"));// 转为bmp
//changFormat(file, "jpeg", new File("c:\\test.jpg"));// 转为jpg
changFormat(file, "gif", new File("c:\\test.gif"));// 转为gif
}
//第一个参数 原图的File对象 第二个参数 目标格式 第三个参数 输出图像的File对象
public static void changFormat(File srcFile, String format, File formatFile) {
try {
BufferedImage srcImg = ImageIO.read(srcFile);// 读取原图
ImageIO.write(srcImg, format, formatFile);// 用指定格式输出到指定文件
} catch (IOException e) {
e.printStackTrace();
}
}
}
java有bmp24位照片，怎样分析有多少种颜色
24位BMP文件：(rrrrrrrr,gggggggg,bbbbbbbb), RBG通道中, 每个通道占8位, 每个通道都有256个值.
那么, 24位BMP图片的颜色种类就有256x256x256种.
java解析.bmp的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于java解析json报文、java解析.bmp的信息别忘了在本站进行查找喔。