成都创新互联网站制作重庆分公司

Java的图像处理代码 java的图像处理代码是什么

关于java图像处理

Java图像处理技巧四则

你所需要的网站建设服务,我们均能行业靠前的水平为你提供.标准是产品质量的保证,主要从事网站制作、成都网站设计企业网站建设、移动网站建设、网页设计、品牌网站建设、网页制作、做网站、建网站。成都创新互联拥有实力坚强的技术研发团队及素养的视觉设计专才。

下面代码中用到的sourceImage是一个已经存在的Image对象

图像剪切

对于一个已经存在的Image对象,要得到它的一个局部图像,可以使用下面的步骤:

//import java.awt.*;

//import java.awt.image.*;

Image croppedImage;

ImageFilter cropFilter;

CropFilter =new CropImageFilter(25,30,75,75); //四个参数分别为图像起点坐标和宽高,即CropImageFilter(int x,int y,int width,int height),详细情况请参考API

CroppedImage= Toolkit.getDefaultToolkit().createImage(new FilteredImageSource(sourceImage.getSource(),cropFilter));

如果是在Component的子类中使用,可以将上面的Toolkit.getDefaultToolkit().去掉。FilteredImageSource是一个ImageProducer对象。

图像缩放

对于一个已经存在的Image对象,得到它的一个缩放的Image对象可以使用Image的getScaledInstance方法:

Image scaledImage=sourceImage. getScaledInstance(100,100, Image.SCALE_DEFAULT); //得到一个100X100的图像

Image doubledImage=sourceImage. getScaledInstance(sourceImage.getWidth(this)*2,sourceImage.getHeight(this)*2, Image.SCALE_DEFAULT); //得到一个放大两倍的图像,这个程序一般在一个swing的组件中使用,而类Jcomponent实现了图像观察者接口ImageObserver,所有可以使用this。

//其它情况请参考API

灰度变换

下面的程序使用三种方法对一个彩色图像进行灰度变换,变换的效果都不一样。一般而言,灰度变换的算法是将象素的三个颜色分量使用R*0.3+G*0.59+ B*0.11得到灰度值,然后将之赋值给红绿蓝,这样颜色取得的效果就是灰度的。另一种就是取红绿蓝三色中的最大值作为灰度值。java核心包也有一种算法,但是没有看源代码,不知道具体算法是什么样的,效果和上述不同。

/* GrayFilter.java*/

/*@author:cherami */

/*email:cherami@163.net*/

import java.awt.image.*;

public class GrayFilter extends RGBImageFilter {

int modelStyle;

public GrayFilter() {

modelStyle=GrayModel.CS_MAX;

canFilterIndexColorModel=true;

}

public GrayFilter(int style) {

modelStyle=style;

canFilterIndexColorModel=true;

}

public void setColorModel(ColorModel cm) {

if (modelStyle==GrayModel

else if (modelStyle==GrayModel

}

public int filterRGB(int x,int y,int pixel) {

return pixel;

}

}

/* GrayModel.java*/

/*@author:cherami */

/*email:cherami@163.net*/

import java.awt.image.*;

public class GrayModel extends ColorModel {

public static final int CS_MAX=0;

public static final int CS_FLOAT=1;

ColorModel sourceModel;

int modelStyle;

public GrayModel(ColorModel sourceModel) {

super(sourceModel.getPixelSize());

this.sourceModel=sourceModel;

modelStyle=0;

}

public GrayModel(ColorModel sourceModel,int style) {

super(sourceModel.getPixelSize());

this.sourceModel=sourceModel;

modelStyle=style;

}

public void setGrayStyle(int style) {

modelStyle=style;

}

protected int getGrayLevel(int pixel) {

if (modelStyle==CS_MAX) {

return Math.max(sourceModel.getRed(pixel),Math.max(sourceModel.getGreen(pixel),sourceModel.getBlue(pixel)));

}

else if (modelStyle==CS_FLOAT){

return (int)(sourceModel.getRed(pixel)*0.3+sourceModel.getGreen(pixel)*0.59+sourceModel.getBlue(pixel)*0.11);

}

else {

return 0;

}

}

public int getAlpha(int pixel) {

return sourceModel.getAlpha(pixel);

}

public int getRed(int pixel) {

return getGrayLevel(pixel);

}

public int getGreen(int pixel) {

return getGrayLevel(pixel);

}

public int getBlue(int pixel) {

return getGrayLevel(pixel);

}

public int getRGB(int pixel) {

int gray=getGrayLevel(pixel);

return (getAlpha(pixel)24)+(gray16)+(gray8)+gray;

}

}

如果你有自己的算法或者想取得特殊的效果,你可以修改类GrayModel的方法getGrayLevel()。

色彩变换

根据上面的原理,我们也可以实现色彩变换,这样的效果就很多了。下面是一个反转变换的例子:

/* ReverseColorModel.java*/

/*@author:cherami */

/*email:cherami@163.net*/

import java.awt.image.*;

public class ReverseColorModel extends ColorModel {

ColorModel sourceModel;

public ReverseColorModel(ColorModel sourceModel) {

super(sourceModel.getPixelSize());

this.sourceModel=sourceModel;

}

public int getAlpha(int pixel) {

return sourceModel.getAlpha(pixel);

}

public int getRed(int pixel) {

return ~sourceModel.getRed(pixel);

}

public int getGreen(int pixel) {

return ~sourceModel.getGreen(pixel);

}

public int getBlue(int pixel) {

return ~sourceModel.getBlue(pixel);

}

public int getRGB(int pixel) {

return (getAlpha(pixel)24)+(getRed(pixel)16)+(getGreen(pixel)8)+getBlue(pixel);

}

}

/* ReverseColorModel.java*/

/*@author:cherami */

/*email:cherami@163.net*/

import java.awt.image.*;

public class ReverseFilter extends RGBImageFilter {

public ReverseFilter() {

canFilterIndexColorModel=true;

}

public void setColorModel(ColorModel cm) {

substituteColorModel(cm,new ReverseColorModel(cm));

}

public int filterRGB(int x,int y,int pixel) {

return pixel;

}

}

要想取得自己的效果,需要修改ReverseColorModel.java中的三个方法,getRed、getGreen、getBlue。

下面是上面的效果的一个总的演示程序。

/*GrayImage.java*/

/*@author:cherami */

/*email:cherami@163.net*/

import java.awt.*;

import java.awt.image.*;

import javax.swing.*;

import java.awt.color.*;

public class GrayImage extends JFrame{

Image source,gray,gray3,clip,bigimg;

BufferedImage bimg,gray2;

GrayFilter filter,filter2;

ImageIcon ii;

ImageFilter cropFilter;

int iw,ih;

public GrayImage() {

ii=new ImageIcon(\"images/11.gif\");

source=ii.getImage();

iw=source.getWidth(this);

ih=source.getHeight(this);

filter=new GrayFilter();

filter2=new GrayFilter(GrayModel.CS_FLOAT);

gray=createImage(new FilteredImageSource(source.getSource(),filter));

gray3=createImage(new FilteredImageSource(source.getSource(),filter2));

cropFilter=new CropImageFilter(5,5,iw-5,ih-5);

clip=createImage(new FilteredImageSource(source.getSource(),cropFilter));

bigimg=source.getScaledInstance(iw*2,ih*2,Image.SCALE_DEFAULT);

MediaTracker mt=new MediaTracker(this);

mt.addImage(gray,0);

try {

mt.waitForAll();

} catch (Exception e) {

}

怎么用java代码模拟一张图片

用java代码模拟一张图片可以这样操作:1.创建BufferedImage类

2.根据BufferedImage类得到一个Graphics2D对象

3.根据Graphics2D对象进行逻辑操作

4.处理绘图

5.将绘制好的图片写入到图片

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

用java编写一个图像处理,光线补偿 、

写了很多篇关于图像处理的文章,没有一篇介绍Java 2D的图像处理API,文章讨论和提及的

API都是基于JDK6的,首先来看Java中如何组织一个图像对象BufferedImage的,如图:

一个BufferedImage的像素数据储存在Raster中,ColorModel里面储存颜色空间,类型等

信息,当前Java只支持一下三种图像格式- JPG,PNG,GIF,如何向让Java支持其它格式,首

先要 完成Java中的图像读写接口,然后打成jar,加上启动参数- Xbootclasspath/p

newimageformatIO.jar即可。

Java中如何读写一个图像文件,使用ImageIO对象即可。读图像文件的代码如下:

File file = new File("D:\\test\\blue_flower.jpg");

BufferedImage image = ImageIO.read(file);

写图像文件的代码如下:

File outputfile = new File("saved.png");

ImageIO.write(bufferedImage, "png",outputfile);

从BufferedImage对象中读取像素数据的代码如下:

1 int type= image.getType();2 if ( type ==BufferedImage.TYPE_INT_ARGB || type == BufferedImage.TYPE_INT_RGB )3      return (int [])image.getRaster().getDataElements(x, y, width, height, pixels );4 else5     return image.getRGB( x, y, width, height, pixels, 0, width );

首先获取图像类型,如果不是32位的INT型数据,直接读写RGB值即可,否则需要从Raster

对象中读取。

往BufferedImage对象中写入像素数据同样遵守上面的规则。代码如下:

1 int type= image.getType();2 if ( type ==BufferedImage.TYPE_INT_ARGB || type == BufferedImage.TYPE_INT_RGB )3    image.getRaster().setDataElements(x, y, width, height, pixels );4 else5    image.setRGB(x, y, width, height, pixels, 0, width );

读取图像可能因为图像文件比较大,需要一定时间的等待才可以,Java Advance Image

Processor API提供了MediaTracker对象来跟踪图像的加载,同步其它操作,使用方法如下:

MediaTracker tracker = new MediaTracker(this); //初始化对象 om/roucheng/tracker.addImage(image_01, 1); // 加入要跟踪的BufferedImage对象image_001tracker.waitForID(1, 10000) // 等待10秒,让iamge_01图像加载

从一个32位int型数据cARGB中读取图像RGB颜色值的代码如下:

1 int alpha = (cARGB 24) 0xff; //透明度通道 g/2 int red = (cARGB 16) 0xff;3 int green = (cARGB 8) 0xff;4 int blue = cARGB 0xff;

将RGB颜色值写入成一个INT型数据cRGB的代码如下:

cRGB = (alpha 24) | (red 16) | (green 8) | blue;

创建一个BufferedImage对象的代码如下:

BufferedImage image = newBufferedImage(256, 256, BufferedImage.TYPE_INT_ARGB);

一个完整的源代码Demo如下:

1 package com.gloomyfish.swing;  2   3 import java.awt.BorderLayout;  4 import java.awt.Dimension;  5 import java.awt.Graphics;  6 import java.awt.Graphics2D;  7 import java.awt.RenderingHints;  8 import java.awt.image.BufferedImage;  9 import java.io.File; 10 import java.io.IOException; 11  12 import javax.imageio.ImageIO; 13 import javax.swing.JComponent; 14 import javax.swing.JFrame; 15  16 public class PlasmaDemo extends JComponent {

17    18     /**  19      *

20      */   21     private static final long serialVersionUID = -2236160343614397287L;

22     private BufferedImage image = null;

23     private int size = 256; 24        25     public PlasmaDemo() {

26         super();

27         this.setOpaque(false);

28     }

29        30     protected void paintComponent(Graphics g) {

31         Graphics2D g2 = (Graphics2D)g;

32         g2.setRenderingHint(RenderingHints.KEY_ANTIALIASING, RenderingHints.VALUE_ANTIALIAS_ON);

33         g2.drawImage(getImage(), 5, 5, image.getWidth(), image.getHeight(), null);

34     }

35        36     private BufferedImage getImage() {

37         if(image == null) {

38             image = new BufferedImage(size, size, BufferedImage.TYPE_INT_ARGB);

39             int[] rgbData = new int[size*size];

40             generateNoiseImage(rgbData);

41             setRGB(image, 0, 0, size, size, rgbData); 42             File outFile = new File("plasma.jpg"); 43             try { 44                 ImageIO.write(image, "jpg", outFile); 45             } catch (IOException e) { 46                 e.printStackTrace(); 47             } 48         }

49         return image;

50     }

51        52     public void generateNoiseImage(int[] rgbData) {

53         int index = 0;

54         int a = 255;

55         int r = 0;

56         int g = 0;

57         int b = 0;

58   59         for(int row=0; rowsize; row++) {

60             for(int col=0; colsize; col++) {

61                 // set random color value for each pixel   62                 r = (int)(128.0 + (128.0 * Math.sin((row + col) / 8.0)));

63                 g = (int)(128.0 + (128.0 * Math.sin((row + col) / 8.0)));

64                 b = (int)(128.0 + (128.0 * Math.sin((row + col) / 8.0)));

65                    66                 rgbData[index] = ((clamp(a) 0xff) 24) |

67                                 ((clamp(r) 0xff) 16)  |

68                                 ((clamp(g) 0xff) 8)   |

69                                 ((clamp(b) 0xff));

70                 index++;

71             }

72         }

73            74     }

75        76     private int clamp(int rgb) {

77         if(rgb 255)

78             return 255;

79         if(rgb 0)

80             return 0;

81         return rgb;

82     }

83    84     public void setRGB( BufferedImage image, int x, int y, int width, int height, int[] pixels ) {

85         int type = image.getType();

86         if ( type == BufferedImage.TYPE_INT_ARGB || type == BufferedImage.TYPE_INT_RGB )

87             image.getRaster().setDataElements( x, y, width, height, pixels );

88         else   89             image.setRGB( x, y, width, height, pixels, 0, width );

90     }

91        92     public static void main(String[] args) {

93         JFrame frame = new JFrame("Noise Art Panel");

94         frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

95         frame.getContentPane().setLayout(new BorderLayout()); m/roucheng/ 98         frame.getContentPane().add(new PlasmaDemo(), BorderLayout.CENTER);

99         frame.setPreferredSize(new Dimension(400 + 25,450));  

100         frame.pack();  

101         frame.setVisible(true);  

102     }  

103 }  


当前名称:Java的图像处理代码 java的图像处理代码是什么
本文路径:http://cxhlcq.com/article/dosesoe.html

其他资讯

在线咨询

微信咨询

电话咨询

028-86922220(工作日)

18980820575(7×24)

提交需求

返回顶部