17.3.2.3 逆反(内存处理)

2024-02-16 16:52
文章标签 内存 处理 17.3 2.3 逆反

本文主要是介绍17.3.2.3 逆反(内存处理),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

版权声明:本文为博主原创文章,转载请在显著位置标明本文出处以及作者网名,未经作者允许不得用于商业目的。

逆反的算法请参看第17.3.1.1节。17.3.1.1 逆反(底片)-CSDN博客

【例 17.41逆反。

        //逆反private void btnInversion_Click(object sender, EventArgs e){//定义目标图片Bitmap destImg = new Bitmap(sourceImg.Width, sourceImg.Height);//定义源BitmapData,锁定区域是整个图片,只需要读取模式,采用24位RGBBitmapData sourceData = sourceImg.LockBits(new Rectangle(0, 0, sourceImg.Width, sourceImg.Height), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);//定义目标BitmapData,锁定区域是整个图片,只需要写入模式,采用24位RGBBitmapData destData  = destImg.LockBits(new Rectangle(0, 0, sourceImg.Width, sourceImg.Height), ImageLockMode.WriteOnly, PixelFormat.Format24bppRgb);//获得源BitmapData的起始指针位置IntPtr pSource = sourceData.Scan0;//获得源BitmapData占用内存空间的总的字节数int allBytes = sourceData.Stride * sourceData.Height;//定义数组,用来放置源BitmapData的数据byte[] rgbvalues = new byte[allBytes];//把指针位置开始allBytes个字节数据拷贝到rgbvalues()数组中Marshal.Copy(pSource, rgbvalues, 0, allBytes);//数组中第一个字节的序号int pos = 0;int R, G, B;//先高度,后宽度for(int j = 0;j< sourceData.Height;j++){for(int i = 0;i< sourceData.Width;i++){//rgbvalues[pos]对应图片上(i,j)像素对应的蓝色分量值//rgbvalues[pos]对应图片上(i,j)像素对应的绿色分量值//rgbvalues[pos]对应图片上(i,j)像素对应的红色分量值//按照算法进行计算每个颜色分量的值,注意顺序B = 255 - rgbvalues[pos];G = 255 - rgbvalues[pos + 1];R = 255 - rgbvalues[pos + 2];//把求出的各个颜色分量的值写回字节数组rgbvalues[pos] = (byte)B;rgbvalues[pos + 1] = (byte)G;rgbvalues[pos + 2] = (byte)R;//终归是在一维数组里面取数据,向前推进3个字节,注意不用考虑最后的补足字节(即使有)pos = pos + 3;}//一行数据取完了,继续推进到下一行pos = pos + sourceData.Stride - sourceData.Width * 3;}//获得目标BitmapData的起始指针位置IntPtr pDest = destData.Scan0;//将数组的内容拷到pDest指针开始的内存Marshal.Copy(rgbvalues, 0, pDest, allBytes);//不要忘了解锁sourceImg.UnlockBits(sourceData);destImg.UnlockBits(destData);//在图片框显示图片picDest.Image = destImg;}

从以上代码也可以看到使用锁定图像到内存进行处理的步骤:

先是创建了与源图像同样大小的目标图像,然后使用LockBits方法将两个图像都锁定到内存,创建一维字节数组,将内存中源图像数据拷贝到这个一维数组,处理数组,将数组数据拷贝到内存中的目标图像。最后使用UnlockBits解除源图像和目标图像的锁定。

由于采用的算法和像素处理算法一致,所以生成图像相同(下同)。

学习更多vb.net知识,请参看vb.net 教程 目录

学习更多C#知识,请参看 C# 教程 目录

这篇关于17.3.2.3 逆反(内存处理)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/715138

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

NameNode内存生产配置

Hadoop2.x 系列,配置 NameNode 内存 NameNode 内存默认 2000m ,如果服务器内存 4G , NameNode 内存可以配置 3g 。在 hadoop-env.sh 文件中配置如下。 HADOOP_NAMENODE_OPTS=-Xmx3072m Hadoop3.x 系列,配置 Nam

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

Thymeleaf:生成静态文件及异常处理java.lang.NoClassDefFoundError: ognl/PropertyAccessor

我们需要引入包: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>sp

jenkins 插件执行shell命令时,提示“Command not found”处理方法

首先提示找不到“Command not found,可能我们第一反应是查看目标机器是否已支持该命令,不过如果相信能找到这里来的朋友估计遇到的跟我一样,其实目标机器是没有问题的通过一些远程工具执行shell命令是可以执行。奇怪的就是通过jenkinsSSH插件无法执行,经一番折腾各种搜索发现是jenkins没有加载/etc/profile导致。 【解决办法】: 需要在jenkins调用shell脚

JVM内存调优原则及几种JVM内存调优方法

JVM内存调优原则及几种JVM内存调优方法 1、堆大小设置。 2、回收器选择。   1、在对JVM内存调优的时候不能只看操作系统级别Java进程所占用的内存,这个数值不能准确的反应堆内存的真实占用情况,因为GC过后这个值是不会变化的,因此内存调优的时候要更多地使用JDK提供的内存查看工具,比如JConsole和Java VisualVM。   2、对JVM内存的系统级的调优主要的目的是减少

JVM 常见异常及内存诊断

栈内存溢出 栈内存大小设置:-Xss size 默认除了window以外的所有操作系统默认情况大小为 1MB,window 的默认大小依赖于虚拟机内存。 栈帧过多导致栈内存溢出 下述示例代码,由于递归深度没有限制且没有设置出口,每次方法的调用都会产生一个栈帧导致了创建的栈帧过多,而导致内存溢出(StackOverflowError)。 示例代码: 运行结果: 栈帧过大导致栈内存

理解java虚拟机内存收集

学习《深入理解Java虚拟机》时个人的理解笔记 1、为什么要去了解垃圾收集和内存回收技术? 当需要排查各种内存溢出、内存泄漏问题时,当垃圾收集成为系统达到更高并发量的瓶颈时,我们就必须对这些“自动化”的技术实施必要的监控和调节。 2、“哲学三问”内存收集 what?when?how? 那些内存需要回收?什么时候回收?如何回收? 这是一个整体的问题,确定了什么状态的内存可以

NGINX轻松管理10万长连接 --- 基于2GB内存的CentOS 6.5 x86-64

转自:http://blog.chinaunix.net/xmlrpc.php?r=blog/article&uid=190176&id=4234854 一 前言 当管理大量连接时,特别是只有少量活跃连接,NGINX有比较好的CPU和RAM利用率,如今是多终端保持在线的时代,更能让NGINX发挥这个优点。本文做一个简单测试,NGINX在一个普通PC虚拟机上维护100k的HTTP

PHP原理之内存管理中难懂的几个点

PHP的内存管理, 分为俩大部分, 第一部分是PHP自身的内存管理, 这部分主要的内容就是引用计数, 写时复制, 等等面向应用的层面的管理. 而第二部分就是今天我要介绍的, zend_alloc中描写的关于PHP自身的内存管理, 包括它是如何管理可用内存, 如何分配内存等. 另外, 为什么要写这个呢, 因为之前并没有任何资料来介绍PHP内存管理中使用的策略, 数据结构, 或者算法. 而在我们