C#有没有旋转图片(90度整数倍)不改变图片大小的方法

qq_15197419 2019-05-22 03:04:02
Graphics和image.RotateFlip(RotateFlipType.Rotate90FlipNone)两种方法都试过了。447K的原图都会变成6M和5M~,有其他不改变图片大小的方法么
...全文
431 8 打赏 收藏 举报
写回复
用AI写文章
8 条回复
切换为时间正序
请发表友善的回复…
发表回复
  • 打赏
  • 举报
回复
你最终保存时选择保存为jpg啊,你保存为bmp当然大了 https://blog.csdn.net/starfd/article/details/54575199
  • 打赏
  • 举报
回复
测试一下保存确实会变大,不过不至于变化那么大. 1.85M--->2.24M--->2.41M=原图---〉旋转90保存---〉旋转180和360保存。
OrdinaryCoder 2019-05-23
  • 打赏
  • 举报
回复
我记得 bitmap有图像翻转的函数
desperaso 2019-05-23
  • 打赏
  • 举报
回复
引用 1 楼 desperaso 的回复:
https://pan.baidu.com/s/1rDjOj-_OC6W0v8iaMl_jNQ

每一帧图像都在数组里,保存大小没试,可以存任意角度的图像看看
desperaso 2019-05-23
  • 打赏
  • 举报
回复
https://pan.baidu.com/s/1rDjOj-_OC6W0v8iaMl_jNQ
  • 打赏
  • 举报
回复
我的测试,加与不加格式参数都一样.
qq_15197419 2019-05-23
  • 打赏
  • 举报
回复
引用 4 楼 智者知已应修善业 的回复:
测试一下保存确实会变大,不过不至于变化那么大.
1.85M--->2.24M--->2.41M=原图---〉旋转90保存---〉旋转180和360保存。
因图片而异。有的变化很大,有的不大。刚刚找到原因了,保存时要添加格式参数。不然格式变了,大小会变
qq_15197419 2019-05-23
  • 打赏
  • 举报
回复
引用 4 楼 智者知已应修善业 的回复:
测试一下保存确实会变大,不过不至于变化那么大.
1.85M--->2.24M--->2.41M=原图---〉旋转90保存---〉旋转180和360保存。

多谢,确实是这样,刚刚试了下,Bitmap.Save(),方法没有加格式参数,导致jpg默认转成了bmp格式(虽然文件名实际还是叫XXXX.jpg),所以大小变了,加上格式参数后大小只有忽略不计的变化了。
数据集可视化效果见下方。 【数据集概况】 · 检测类别(中文):[火(fire)] · 训练集:2565 张 · 验证集:244 张 · 测试集:122 张 · 总计:2931 张 该数据集针对夜间道路环境中的火情检测需求,精准捕捉火源特征,为道路安全监控系统提供可靠的数据支持,具有显著的安全预警价值和实际应用意义。该数据集的训练集、验证集和测试集分别包含2565张、244张和122张图像,分布比例合理,能够有效支持模型的训练、验证和测试过程,确保模型性能的稳定性和可靠性。该数据集的标注工作严谨细致,火目标的边界框标注精准,与实际火源位置高吻合,标注规范符合行业标准,为模型... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 58 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9537** mAP50-95 | 0.6455 Precision | 0.9156 Recall | 0.9168 train/box_loss | 1.0237 train/cls_loss | 0.5109 val/box_loss | 1.1818 val/cls_loss | 0.5480 【训练过程分析】 58 轮训练后 mAP50 达到 0.9537,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6455,和 mAP50 差距 0.31,定位精仍有优化空间。 【模型性能评估】 Precision 0.9156、Recall 0.9168,精召双高,模型对火的检测能力强。 ...
可参考下方数据集可视化效果。 【数据集概况】 · 检测类别(中文):[底盘铭牌(Chassis)] · 训练集:3258 张 · 验证集:136 张 · 测试集:0 张 · 总计:3394 张 该数据集聚焦于工业制造与车辆检测场景中对汽车底盘铭牌的精准识别,涵盖多种品牌车辆(如通用、现代、日产、马自达等)在不同光照和污损条件下的铭牌图像。通过真实生产环境中的多样化样本采集,数据集有效支持了车辆身份验证、质量追溯及自动化检测系统的开发,具有显著的工程应用价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 34 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9649** mAP50-95 | 0.5292 Precision | 0.9019 Recall | 0.8783 train/box_loss | 1.2850 train/cls_loss | 0.7588 val/box_loss | 1.4612 val/cls_loss | 0.6408 【训练过程分析】 34 轮训练后 mAP50 达到 0.9649,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.5292,和 mAP50 差距 0.44,定位精仍有优化空间。 【模型性能评估】 Precision 0.9019、Recall 0.8783,精高于召回,存在一定漏检。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖底盘铭牌,置信整体偏高。 【改进建议】 1. 增强难例挖掘:在大规...

111,128

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Creator Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧