关于javalibpng的信息

本篇文章给大家谈谈javalibpng，以及对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、CVI里怎么使用opencv函数
• 2、如何开发Java动态人脸识别
• 3、opencv 分水岭分割算法的问题，算出的marker是用-1来表示分割线是什么意思，下面两种convertTo能解释下吗
• 4、APK反编译后回编译失败是为什么？
• 5、200分c/c++/java/c#读取png图片
• 6、如何只生成 chrome.sln 工程文件以便编译 chromium

CVI里怎么使用opencv函数

整个项目的结构图：

编写DetectFaceDemo.java,代码如下：

[java] view

plaincopyprint?

package com.njupt.zhb.test;

import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.MatOfRect;

import org.opencv.core.Point;

import org.opencv.core.Rect;

import org.opencv.core.Scalar;

import org.opencv.highgui.Highgui;

import org.opencv.objdetect.CascadeClassifier;

//

// Detects faces in an image, draws boxes around them, and writes the results

// to "faceDetection.png".

//

public class DetectFaceDemo {

public void run() {

System.out.println("\nRunning DetectFaceDemo");

System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());

// Create a face detector from the cascade file in the resources

// directory.

//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());

//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());

//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误

/*

* Detected 0 faces Writing faceDetection.png libpng warning: Image

* width is zero in IHDR libpng warning: Image height is zero in IHDR

* libpng error: Invalid IHDR data

*/

//因此，我们将第一个字符去掉

String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);

Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));

// Detect faces in the image.

// MatOfRect is a special container class for Rect.

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.

for (Rect rect : faceDetections.toArray()) {

Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

// Save the visualized detection.

String filename = "faceDetection.png";

System.out.println(String.format("Writing %s", filename));

Highgui.imwrite(filename, image);

}

}

package com.njupt.zhb.test;

import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.MatOfRect;

import org.opencv.core.Point;

import org.opencv.core.Rect;

import org.opencv.core.Scalar;

import org.opencv.highgui.Highgui;

import org.opencv.objdetect.CascadeClassifier;

//

// Detects faces in an image, draws boxes around them, and writes the results

// to "faceDetection.png".

//

public class DetectFaceDemo {

public void run() {

System.out.println("\nRunning DetectFaceDemo");

System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());

// Create a face detector from the cascade file in the resources

// directory.

//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());

//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());

//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误

/*

* Detected 0 faces Writing faceDetection.png libpng warning: Image

* width is zero in IHDR libpng warning: Image height is zero in IHDR

* libpng error: Invalid IHDR data

*/

//因此，我们将第一个字符去掉

String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);

Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));

// Detect faces in the image.

// MatOfRect is a special container class for Rect.

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.

for (Rect rect : faceDetections.toArray()) {

Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

// Save the visualized detection.

String filename = "faceDetection.png";

System.out.println(String.format("Writing %s", filename));

Highgui.imwrite(filename, image);

}

}

3.编写测试类：

[java] view

plaincopyprint?

package com.njupt.zhb.test;

public class TestMain {

public static void main(String[] args) {

System.out.println("Hello, OpenCV");

// Load the native library.

System.loadLibrary("opencv_java246");

new DetectFaceDemo().run();

}

}

//运行结果:

//Hello, OpenCV

//

//Running DetectFaceDemo

///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml

//Detected 8 faces

//Writing faceDetection.png

package com.njupt.zhb.test;

public class TestMain {

public static void main(String[] args) {

System.out.println("Hello, OpenCV");

// Load the native library.

System.loadLibrary("opencv_java246");

new DetectFaceDemo().run();

}

}

//运行结果:

//Hello, OpenCV

//

//Running DetectFaceDemo

///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml

//Detected 8 faces

//Writing faceDetection.png

如何开发Java动态人脸识别

1.环境搭建

整个项目的结构图

2.编写DetectFaceDemo.java,代码如下：

[java] view plaincopy

package com.njupt.zhb.test;

import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.MatOfRect;

import org.opencv.core.Point;

import org.opencv.core.Rect;

import org.opencv.core.Scalar;

import org.opencv.highgui.Highgui;

import org.opencv.objdetect.CascadeClassifier;

//

// Detects faces in an image, draws boxes around them, and writes the results

// to "faceDetection.png".

//

public class DetectFaceDemo {

public void run() {

System.out.println("\nRunning DetectFaceDemo");

System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());

// Create a face detector from the cascade file in the resources

// directory.

//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());

//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());

//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误

/*

* Detected 0 faces Writing faceDetection.png libpng warning: Image

* width is zero in IHDR libpng warning: Image height is zero in IHDR

* libpng error: Invalid IHDR data

*/

//因此，我们将第一个字符去掉

String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);

Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));

// Detect faces in the image.

// MatOfRect is a special container class for Rect.

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.

for (Rect rect : faceDetections.toArray()) {

Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

// Save the visualized detection.

String filename = "faceDetection.png";

System.out.println(String.format("Writing %s", filename));

Highgui.imwrite(filename, image);

}

}

3.编写测试类：

[java] view plaincopy

package com.njupt.zhb.test;

public class TestMain {

public static void main(String[] args) {

System.out.println("Hello, OpenCV");

// Load the native library.

System.loadLibrary("opencv_java246");

new DetectFaceDemo().run();

}

}

//运行结果:

//Hello, OpenCV

//

//Running DetectFaceDemo

///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml

//Detected 8 faces

//Writing faceDetection.png

opencv 分水岭分割算法的问题，算出的marker是用-1来表示分割线是什么意思，下面两种convertTo能解释下吗

整个项目的结构图：

编写DetectFaceDemo.java,代码如下：

[java] view

plaincopyprint?

package com.njupt.zhb.test;

import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.MatOfRect;

import org.opencv.core.Point;

import org.opencv.core.Rect;

import org.opencv.core.Scalar;

import org.opencv.highgui.Highgui;

import org.opencv.objdetect.CascadeClassifier;

//

// Detects faces in an image, draws boxes around them, and writes the results

// to "faceDetection.png".

//

public class DetectFaceDemo {

public void run() {

System.out.println("\nRunning DetectFaceDemo");

System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());

// Create a face detector from the cascade file in the resources

// directory.

//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());

//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());

//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误

/*

* Detected 0 faces Writing faceDetection.png libpng warning: Image

* width is zero in IHDR libpng warning: Image height is zero in IHDR

* libpng error: Invalid IHDR data

*/

//因此，我们将第一个字符去掉

String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);

Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));

// Detect faces in the image.

// MatOfRect is a special container class for Rect.

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.

for (Rect rect : faceDetections.toArray()) {

Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

// Save the visualized detection.

String filename = "faceDetection.png";

System.out.println(String.format("Writing %s", filename));

Highgui.imwrite(filename, image);

}

}

package com.njupt.zhb.test;

import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.MatOfRect;

import org.opencv.core.Point;

import org.opencv.core.Rect;

import org.opencv.core.Scalar;

import org.opencv.highgui.Highgui;

import org.opencv.objdetect.CascadeClassifier;

//

// Detects faces in an image, draws boxes around them, and writes the results

// to "faceDetection.png".

//

public class DetectFaceDemo {

public void run() {

System.out.println("\nRunning DetectFaceDemo");

System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());

// Create a face detector from the cascade file in the resources

// directory.

//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());

//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());

//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误

/*

* Detected 0 faces Writing faceDetection.png libpng warning: Image

* width is zero in IHDR libpng warning: Image height is zero in IHDR

* libpng error: Invalid IHDR data

*/

//因此，我们将第一个字符去掉

String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);

Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));

// Detect faces in the image.

// MatOfRect is a special container class for Rect.

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));

// Draw a bounding box around each face.

for (Rect rect : faceDetections.toArray()) {

Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

// Save the visualized detection.

String filename = "faceDetection.png";

System.out.println(String.format("Writing %s", filename));

Highgui.imwrite(filename, image);

}

}

3.编写测试类：

[java] view

plaincopyprint?

package com.njupt.zhb.test;

public class TestMain {

public static void main(String[] args) {

System.out.println("Hello, OpenCV");

// Load the native library.

System.loadLibrary("opencv_java246");

new DetectFaceDemo().run();

}

}

//运行结果:

//Hello, OpenCV

//

//Running DetectFaceDemo

///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml

//Detected 8 faces

//Writing faceDetection.png

package com.njupt.zhb.test;

public class TestMain {

public static void main(String[] args) {

System.out.println("Hello, OpenCV");

// Load the native library.

System.loadLibrary("opencv_java246");

new DetectFaceDemo().run();

}

}

//运行结果:

//Hello, OpenCV

//

//Running DetectFaceDemo

///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml

//Detected 8 faces

//Writing faceDetection.png

APK反编译后回编译失败是为什么？

、反编译=回编译后分别是

smali目录 回编译为 classes.dex 文件

　res目录 回编译为 resources.arsc 文件

2、回编译顺序

在回编译时，会先检查“源”即resources

当你汉化文件，修改出错了（缺少一个符号也不行），

那么回编译会自动跳过编译res文件夹，直接回编译smali 。

所以，如果没有对smali（classes.dex）汉化，那么建议大家删掉这个文件夹，

这要会大大加快回编译速度。1、反编译=回编译后分别是

smali目录 回编译为 classes.dex 文件

　res目录 回编译为 resources.arsc 文件

2、回编译顺序

在回编译时，会先检查“源”即resources

当你汉化文件，修改出错了（缺少一个符号也不行），

那么回编译会自动跳过编译res文件夹，直接回编译smali 。

所以，如果没有对smali（classes.dex）汉化，那么建议大家删掉这个文件夹，

这要会大大加快回编译速度。

3、出错问题1

在汉化时，往往会不小心删掉一些符号，如 "" ""符号等等。

string name="app_name"File Manager/string

string name="app_name"文件管理器/string

string name="app_name"文件管理器/string

这些小小的错误都会导致回编时译检查出错。

所以汉化时，注意对校，然后再回编译。

建议使用一些高级的文本编辑器，支持语法高亮视图的。

4、出错问题2

最近发现有些APK文件 反编译后，就算不汉化直接回编译，都会出错。

有可能的原因1，反编译后XML文件语法中@符号 前面多了"\" （\@ ），

用文本编辑工具 直接替换【\@】为【@】，应该可以解决。

建议使用最新版本的反编译工具。

5、建议大家使用新版本的APKTool工具，

当然如果新的有问题也可以试试旧的一、系统文件汉化再次强调

1、汉化Settings.apk(系统设置)、MMS.apk（信息）、Phone.apk（电话）、

等等系统文件，一定要先 安装构架，具体看另个文件

关于APKTool工具反编译Settings.apk问题。

2、系统文件汉化完后不需要签名，直接替换汉化后的文件，就可以了。

主要是，系统文件放在系统目录，无需再次读取签名获得权限，已经是高级了。

二、打包说明

1、通常汉化完回编译后，会自动生成所有APK内的文件，或者自动生成*.APK文件。

但是建议大家不要直接使用该文件，进了使用替换法，替换掉你汉化后的文件，

如：resources.arsc，如果修改过的图片，等等…

2、很多人对于APK文件 解压缩或压缩 都用“WinRAR”或“好压”，这里不推荐。

　 希望大家安装7-Zip这个压缩工具，对于zip格式的支持是最好的。而且很方便，

不需要重新关联apk 直接右键打开就行了。替换直接拖拉进去，就OK了一、回编译出错问题

(1.提示 strings.xml 最后一行错误，检查是否/string符号错误；

在汉化时，往往会不小心删掉一些符号，如 "" ""符号等等。

string name="app_name"File Manager/string

string name="app_name"文件管理器/string

string name="app_name"文件管理器/string

(2.提示 strings.xml 最顶部含中文代码首行错误，编码格式不对，转换成 UTF-8；

(3.提示 public.xml 出错，检查改动过的 arrays.xml 是否代码有错误的地方；

二、一切能正常但无法回编译

还有一种情况，apktool最新版本能正常反编译一个apk文件，在未做任何修改的情况下，无法回编译。

这是就要注意了，可以尝试一下用低版本的apktool进行【反编译】，然后在用高版本的apktoo工具【回编译】。

这里向大家推荐用 【APKDB】 这个工具，很方便，反编译时可以选择apktool的版本。

200分c/c++/java/c#读取png图片

没必要那么麻烦.只要使用GDI+库里面的Bitmap对象和Graphics对象就可以了。WindowsXP以上的OS都提供GDI+图形接口了，他的功能比GDI接口更强大，使用更方便。建议你可以查查GDI＋的用法。这里给你个最简单的C＃的例子：

System.Drawing.Bitmap bmp = new Bitmap("1.png");//创建Bitmap对象

System.Drawing.Color c = bmp.GetPixel(0, 0);//获得图像上（0,0）点的像素值

int a = c.A;//该像素的Alpha通道值

int r = c.R;//该像素的红色通道值

int g = c.G;//该像素的绿色通道值

int b = c.B;//该像素的蓝色通道

那建议你上网查一查PNG格式的标准，就知道PNG文件里的数据排列了。但PNG是压缩过的，所以你还得有解压算法才行。

png的存储格式：

关键数据块中有4个标准数据块：

文件头数据块IHDR(header chunk)：包含有图像基本信息，作为第一个数据块出现并只出现一次。

调色板数据块PLTE(palette chunk)：必须放在图像数据块之前。

图像数据块IDAT(image data chunk)：存储实际图像数据。PNG数据允许包含多个连续的图像数据块。

图像结束数据IEND(image trailer chunk)：放在文件尾部，表示PNG数据流结束。

在第二个数据块中包含了调色板数据块。可是，当我们去解析png24时，却未找到调色板、并且我们发现png24的存储模式是点阵颜色值加一位的阿尔法通道值构成的，这种存储模式根本不需要调色板的存在。基于这种存储模式，png24的位深最低是32位真彩，在我们看到的图像过渡中会很圆润，因为每个点都可以是不同的色彩以及不同的透明值。而这种模式也是我们最常使用、大家所理解中的png模式。至于"png"后面的“24”可见也和位深并无关系，至于为什么叫24，我也没有找到具体的答案。

png24源数据中无调色盘的存在，而在标准数据块的第二块中，却显示了调色板数据块。即然存在，肯定是有意义的，可见png有另外一种存储模式--带色盘的png8模式。png8有点类似于GIF，包含了一个调色板，并在调色板上有一个透明颜色值，这种模式在计算机的存储中，每个点阵存储的是色盘索引、并且无阿尔法半透明位。所以，png8在颜色位深上，可以低于32位;也可以使用更换色盘的技术来处理一些独特的效果;但是由于每个点阵没有阿尔法定义，边缘会像GIF一样存在锯齿现像。

好像讲的有点乱，总结一下区别吧：

png8和png24的根本区别，不是颜色位的区别，而是存储方式不同;

png8 色盘索引、调色板中一位透明值、不支持阿尔法通道的半透明，存储格式中每个像素无透明度的数据块定义;

png24 无调色板、支持阿尔法通道的半透明、每个点阵都有透明度的定义，最低32位真彩色;

特性

支持256色调色板技术以产生小体积文件

最高支持48位真彩色图像以及16位灰度图像。

支持阿尔法通道的半透明特性。

支持图像亮度的gamma校正信息。

支持存储附加文本信息，以保留图像名称、作者、版权、创作时间、注释等信息。

使用无损压缩

渐近显示和流式读写，适合在网络传输中快速显示预览效果后再展示全貌。

使用CRC循环冗余编码防止文件出错。

最新的PNG标准允许在一个文件内存储多幅图像。

看。有使用无损压缩和多幅图像。挺复杂的哦！

;oldid=88484

看下面W3C的网站介绍。你就知道有多复杂了。不用库函数，我觉得你的想法太不现实。对与BMP这样格式还可以，对于PNG，不行。

如何只生成 chrome.sln 工程文件以便编译 chromium

一，编译之前的准备。

1） 了解代码组织结构。

Chrome source非常庞大，并且在其主目录下还包含有工具和组件，任何一个工具和组件也附带有其源代码。首先得熟悉这些源代码的组织结构，在中包含如下子目录：releases,曾经发布过的chrome源代码的正式版本；trunk，当前最新的源代码。由于releases中的代码比较旧，这里就不做说明了，只说明trunk的结构。在trunk下面有3个重要的目录，deps包含了chrome编译和运行所需要的全部组件的代码。src里面包含的则是chrome的主程序的代码，tools包含的是下载和配置编译所需要的第三方工具的压缩包和源代码，其中就有svn和python这2个比较重要的工具，后面再详细介绍。暂时做这样一个简单的介绍，因为其组织结构比较负责，以后再作补充斧正。

2）如何下载和同步源代码。

首先谈谈下载：

1，最简单的方法是从chrome官网上直接下载源代码压缩包，地址是。

2，或者采用svn从这个地方heckout,这要求你先在本地建一个源代码的主目录。

3，另外一个办法则是采用google提供的一个部署工具depot_tools。虽然这几种办法都可下载完整的源代码，但目前的情况是：chrome基于Visual Stdio 2005 进行编译，如果顺利完成编译工作，自然少不了sln文件，较早的源代码中包含有现成的sln和vcproject文件，但后来做了修改，这些文件被抛弃掉，Google自己开发了一种脚本工具叫做GYP,这个工具采用python编写，GYP采用了自定义的一套规则，用于生成各种工程文件。而关键的python则包含于depot_tools中，因此不论采用什么方法下载的代码，都得下载depot_tools这个工具，以获得必须的工程文件。

depot_tools位于 下面，包括一个目录和一个zip格式的压缩包。

3）关于编译器

前面提到Chrome采用Visual Stdio 2005进行编译，根据的说明，需进行如下操作正常编译

a, 安装Visual Studio 2005.

b, 安装Visual Studio 2005 Service Packe 1.

c, 安装Visual Studio Hotfix 947315.

d, 如果是vista系统，还需安装Visual Studio 2005 Service Packe 1 Update for Windows Vista.

e, 安装Windows 2008 SDK，如果是Visual Studio 2008则不需要这一步。

f, 配置Windows 2008 SDK，使2008 SDK成为首选开发库，以获得一些新功能和特性。办法是在开始-程序-Microsoft Windows SDK v6.1 Visual Studio Registration Windows SDK Configuration Tool，选择make current按钮。也可以在VS里面手动配置include和libary路径，效果是一样的。

二，如何配置工程文件

1，如果是采用depot_tools，那么从代码下载到生成sln文件会自动完成。其步骤是

（1）下载depot_tools到本地存储，假设位于d:/depot_tools.

（2）将d:/depot_tools添加到系统环境变量中。

（3）创建一个源代码根目录，假设为 d:/chrome,目录不得包含空格。

（4）在命令行下切换当前目录到d:/chrome。

（5）执行命令 gclient config ,该命令会首先下载svn和python分别到d:/depot_tools/svn_bin和d:/depot_tools/python_bin。

（6）执行命令 gclient sync 这个命令会调用svn同步源代码。这个过程会比较漫长。全部完成之后全部源代码就保存在d:/chrome里面。未编译的代码大约有4个G左右，过程将十分漫长。这样获得的源代码已经包含所有的工程文件，可直接打开。

重点说明一下gclient，它实际上是一个批处理文件，它主要做了如下一些事情，首先设置环境变量，如代码根目录，工具根目录等。其次调用win_tools.bat从服务器下载svn和python。最后调用python.exe对Chrome.gyp进行解析生成所有工程文件。

另外需要说明的是，gclient sync的过程非常漫长，根据命令行的提示来看总共需要同步67个项目（不是工程），期间可能会因为一些原因导致错误而退出这个过程，需要继续调用sync。比如网络出现故障svn会多次进入sleep状态然后重试，如果多次失败就会报错退出，还有的情况是某些子目录的属性问题无法同步，可根据提示进行操作。还有个目前新出现的问题，下面2个目录“src/webkit/data/layout_tests/LayoutTests”和“src/third_party/WebKit/LayoutTests”的源代码是从src.webkit.org签出来的，但是这个网站目前存在问题无法签出代码， 需要屏蔽掉这2个目录，由于里面是测试代码，即使丢弃也不会影响整个工程的编译，方法是打开trunk下面的.gclient文件，向里面添加如下内容

"custom_deps" : {

"src/webkit/data/layout_tests/LayoutTests":None,

"src/third_party/WebKit/LayoutTests":None,

},

这样svn就能完成代码的同步了。最后gclient会调用depot_tools/python_bin/python.exe 对 src/build/gyp_

chromium进行处理，这样就得到了所有的sln和vcproject文件。

2，如果是下载的代码压缩包或者checkout的代码，代码目录里面没有sln文件，这个时候需要调用命令行进入源代码根目录，然后执行命令 gclient runhooks --force，命令执行后会直接对Chrome.gyp进行解析,生成sln文件。

在实际下载过程中，最开始的时候我用TortoiseSVN从 checkout源代码，但是得到的代码只有几百兆，执行gclient runhooks --force命令后也没有找到sln文件，具体原因未知，不建议使用此方式。而直接下载代码压缩包的方式没有尝试过，不知道是否可行。因此最稳妥的方法还是使用depot_tools来部署和处理源代码。

三 编译工程

启动Visual Studio 2005打开 src/chrome/browser/chrome.sln,或者打开src/build/all.sln,如果打开的是chrome.sln里面包含480个工程，而all.sln则包含507个工程，一些09年的编译说明提到有300左右的工程，可见chrome的代码变动比较大。对整个解决方案进行编译，打开需要2个小时才能完成编译，视硬件环境而定，内存越大越快，推荐4G以上内存，酷睿2核或者4核。编译完成以后据说会占用30G的空间。编译后的文件位于 d:/chorme/chrome/debug 目录或者 d:/chorme/chrome/release目录下。

四 chrome涉及的开源项目

Chrome 采用了很多开源项目，这里把它们列出来以备后用，目前Chrome涉及25个开源代码：

1、Google Breakpad

/src/breakpad

开源的跨开台程序崩溃报告系统。

2、Google URL

/src/googleurl

Google小巧的URL解析整理库。

3、Skia

/src/skia

矢量图引擎。

4、Google v8

/src/v8

Google开源的JavaScript引擎。V8实现了ECMA-262第三版的ECMAScript规范，可运行于Windows XP 和 Vista, Mac OS X 10.5 (Leopard), 及 Linux等基于IA-32 或 ARM 的系统之上。V8可单独运行也可嵌入到任何C++程序中。

5、Webkit

/src/webki

开源的浏览器引擎

6、Netscape Portable Runtime (NSPR)

/src/base/third_party/nspr

Netscape Portable Runtime (NSPR) 提供了系统级平台无关的API及类似libc的函数。

7、Network Security Services (NSS)

/src/base/third_party/nss

Network Security Services (NSS) 一套用于支持服务器端与客户端安全开发的跨平台函数库。程序通过NSS可支持SSL v2 and v3, TLS, PKCS #5, PKCS #7, PKCS #11, PKCS #12, S/MIME, X.509 v3 认证及其它一些安全标准。

8、Hunspell

/src/chrome/third_party/hunspell

Spell checker and morphological analyzer library and program designed for languages with rich morphology and complex word compounding or character encoding.

9、Windows Template Library

/src/chrome/third_party/wtl

用于开发Windows程序与UI组件的C++ library。WTL扩展了ATL (Active Template Library) 并提供一套用于controls, dialogs, frame windows, GDI objects等开发的类。

10、Google C++ Testing Framework

/src/testing/gtest

Google用于编写C++测试的基于xUnit架构的框架，可用于多种平台上：Linux, Mac OS X, Windows, Windows CE, and Symbian。支持自动测试发现，有一套丰富的Assertions断言，用于可自定义断言，death tests, fatal and non-fatal failures, various options for running the tests, and XML test report generation.

11、bsdiff 与 bspatch

/src/third_party/bsdiff 及 /src/third_party/bspatch

bsdiff 与 bspatch 用于为二进制文件生成补丁。

12、bzip2

/src/third_party/bzip2

bzip2使用Burrows-Wheeler block sorting text compression 算法与Huffman编码压缩文件。

13、International Components for Unicode (ICU)

/src/third_party/icu38

ICU是一套成熟并被广泛使用的C/C++ 及 Java 库，可为软件提供Unicode与全球化支持。

14、libjpeg

/src/third_party/libjpeg

用于处理JPEG (JFIF)图像格式的库。

15、libpng

/src/third_party/libpng

PNG图像格式库。支持绝大部分的PNG特性，可扩展。已经被广泛地使用了13年以上了。

16、libxml

/src/third_party/libxml

C语言的XML解析库。

17、libxslt

/src/third_party/libxslt

C语言的XSLT库。

18、LZMA

/src/third_party/lzma_sdk

LZMA为7-Zip软件中7z格式压缩所使用的压缩算法，有很好的压缩效果。

19、stringencoders

/src/third_party/modp_b64

一系列高性能的c-string转换函数，比如：base 64 encoding/decoding。通常比其标准实现快两倍以上。

20、Netscape Plugin Application Programming Interface (NPAPI)

/src/third_party/npapi

多种浏览器使用的跨平台插件架构。

21、Pthreads-w32

/src/third_party/pthread

用于编写多线程程序的API

22、SCons - a software construction tool

/src/third_party/scons

开源的软件构建工具——下一代的编译工具。可以认为SCons是改进过的跨平台配上autoconf/automake与ccache的Make工具的子系统。

23、sqlite

/src/third_party/sqlite

大名鼎鼎的嵌入式数据库引擎。自管理、零配置、无需服务器、支持事务。

24、TLS Lite

/src/third_party/tlslite

SSL 3.0, TLS 1.0, and TLS 1.1的Python免费实现库。TLS Lite支持这些安全验证方式：SRP, shared keys, and cryptoIDs in addition to X.509 certificates。注：Chrome并不包涵Python。TLS Lite用于Chrome开发过程中的代码覆盖、依赖检查、网页加载时间测试及生成html结果比较等。

25、zlib

/src/third_party/zlib

zlib为一套用于任意平台与机器的无损数据压缩的库，它免费、自由、无任何法律专利问题。

关于javalibpng和的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。