图像处理 实习心得

2016-09-04 12:28:49 zxc024000 阅读数 3878

将近三个月的实习结束,马上要重新回到学校完成毕业论文。由于做的是研发的东西,离职时签了保密协议。
实习期间做了什么,怎么做,都不能说。但是可以说一些实习期间的收获。
(1)新的知识
图像识别,其实不仅仅限于图像处理与分析,要知道计算机视觉是个很广义的学科。做图像识别,其实就是在做视觉。做视觉的,也需要在图像的基础上进行处理。
在学校的时候,学的主要是图像处理方面,由于学的还算扎实,所以实习工作时觉得还算顺利。但知识面有些偏理论,缺少对一些实际应用的了解。
在公司实习期间,做了一个很实际的应用方向。同时,在机器学习、深度学习以及相机标定方面有了一定程序上的学习认识,并有了实际经验。这远比我在学校,只精通图像处理知识好得多。
另外,对于linux系统下的编程,有了一定实际使用经验。对于算法的跨平台以及将算法写入实际设备有了经验。其实,在某些方面,特别时深度学习上,linux系统使用起来要比windows方便大多。
(2)业务知识
其实我本身比较注重技术,但是实习期间多多少少熟悉了一些业务上的知识。比如开发流程、验证平台、代码仓库、问题管理等等。其实我觉得这些东西和技术不一样,技术也许需要时间积累,但技术不能靠时间养成,技术是拼搏、创新。而业务,需要时间养成,需要在一定规范的环境下,做事情。简单的说,科学家是技术,管理者是业务。当然,业务和技术都很重要,我呢,只是个人比较喜好技术。
(3)同事关系
这点,离职面谈时,我们技术总监对我说:“我的脾气很不好,但是对你很好,因为你有能力,任务都完成的很好。我只对那些做不好工作的人发脾气。”这样的话,部长、组长同样对我说过。所以,做研发的,其实不需要刻意讨好上司,只要做好自己的工作,给予上司尊重与礼貌就行了,大多数领导都是爱惜人才的。假如,你遇到一个很不好的上司,在心理暗自骂他,总比当面顶撞他的好。至于同事之间,你不能期望所有人都喜欢人,所以做好自己的工作,合得来的同事就多交往,合不来的同事就正常说话,但不要刻意去讨好别人。工作好好做,技术多多学,成为同事之间的大牛。

最后,还是总结一下,实习期间我所需要的知识。
图像处理与分析(一定要扎实,推荐冈萨雷斯的绿皮书)
模式识别(其实我没有系统学过,只是用到什么了解什么,总觉得它的知识和图像处理里的有些知识十分交叉)
编程知识(C\C++、OpenCv、Matlab、Python,很基础的东西,代码都不会写,做什么计算机)
数学知识(一定程序,又不是数学系)
机器学习(其实主要是用深度学习配合模式识别,所以了解一些主流的深度学习平台的搭建和使用,自然也要了解如CNN之类的知识)
外文阅读(要有一定的英语阅读能力,因为经常要读英文文献,参考外文网站上的知识)
代码仓库(其实就是一种用来管理代码的工具,把它单独作为一类,是因为我觉得它确实十分有用)
计算机基础知识(千万不要做一个只懂得软件,知识特别局面的人。最好会装系统、懂得怎么访问共享、设置IP地址等等,至少知道怎么连接显示器、鼠标、键盘,因为真的有学计算的人连怎么把主机、显示器、鼠标键盘、电源组装起来都不会)
计算机视觉有关知识(视觉的知识太多,所以用到哪,查资料学习即可)

以上仅为个人理解,难免才疏学浅。欢迎讨论。

2015-01-16 14:54:56 scottly1 阅读数 5249

    两个星期的图像处理研究学习差不多告一段落;

    真的应了一句话,只有你接触某个领域,才真正可以体会到某个领域的魅力所在:

    到目前为止,学习的一些图像处理知识,都是最基础的,其实和机器学习、计算机视觉、人工智能等方面比起来,只是小菜一碟;感觉图像处理方面的知识博大精深,确实如此,这是一项研究生花两年的时间都不一定能掌握好的东西。只能说和嵌入式方向一样,都是水比较深。搞过这个之后,才深知自己的数学知识没学到位,后悔大学数学没有好好学,现在又有重新学数学的念头了,甚至有考个研究生的冲动了。。。

    是不是很蛋疼的事呢?我也不知道,就是觉得数学在挡我事了,我一定要把它搞定,其实,算法代码谁都会用,但关键你会写么?也许有人说我只要会用就OK了,的确,但如果你会写呢?。。。

    所以,说到底还是数学知识,以前大学里认为学的数学以后根本在实际工作中用不到,现在才发现错了;不是用不到,只是你没碰到!

    现在决定,明年,不,今年的一大重要目标,除了嵌入式、就是数学知识的提高。


    暂定的数学学习计划:

    复习《高等数学》、《线性代数》、《概率论》、《信号与系统》

    前面几个学的感觉自己水平提高到一定程度之后,最少要把那该死的FFT搞透彻;再重拾《数字信号处理》、《数字图像处理》等好书,研究一下,落实到具体的应用、代码上,不至于白学。

    具体什么时候执行,等过完年吧,与其他计划一起执行。


    对于数字图像处理,要学的还很多,可能这段时间会成为工作的一个段落而画上句号,但自己要不断的补充完善:

可以补充的方面有以下这些:

    图像基础;灰度变换与空间滤波;频率滤波;小波变换

    图像增强;    图像复原;    图像分割; 图像压缩;  图像形态学操作等等;

    目标识别/跟踪、人工智能等;


以下是一些比较好的网页链接,有空可以多看看:

http://blog.csdn.net/dcraw/article/details/7617891

http://blog.csdn.net/dcraw/article/details/7367990


    

    

2018-08-15 17:08:44 Takao_ 阅读数 700

实习从4月初开始,每周实习三天,共历时近四个月。因为就职时有签订保密协议,就写一下关于实习期间知识上的收获吧


(1)给电脑装系统、搭环境

系统包括win7、win10、ubuntu16,环境主要包括VS、Python、Matlab、opencv、caffe、tensorflow等。我以前没装过系统,都是请人帮忙,结果被带我的大哥嘲讽了一下,工科专业的学生装系统都不会怕是有点说不过去。Ubuntu分区和搭载的时候需要注意一下、后面比较麻烦的是caffe,网上的很多博客不一定适合自己,需要考虑版本是否匹配,我自己的caffe是 cmake+vs14+caffe-windows(当时最新)装好的,有GPU的话,下载合适版本的cuda和cudnn。

(2)Matlab文件操作

将杂乱无章的图像数据按照数据库中的对应关系按类别分别存放,分好train和test集,生成相应的label.txt文件,作为下一步训练网络的输入。

(3)深度学习入门之caffe

如同一杯咖啡,喝的时候很苦,之后回味无穷。相比安装,caffe的使用不要太爽,有命令行接口、Matlab接口和Python接口三种。命令行接口最是无脑,严格来说都不需编写程序,写命令行脚本文件就可以让数据跑起来;Matlab接口和Python接口的使用差不多,相比命令行接口只能看到训练过程中的loss和accuracy,python接口可以查看CNN的网络结构,每一层的权重与偏置参数,还可以绘制loss与accuracy的曲线图。

之前只有图像处理和模式识别的基础,但是企业里做图像或者视觉的现在多用深度学习,于是一边实习,一边补人工神经网络、CNN的基础理论知识,在coursera上学习吴恩达大大的深度学习课程,结合caffe交叉理解。

(4)深度学习进阶之tensorflow

caffe用的很爽,但想搭建自己的CNN网络会比较麻烦、改变损失函数或者优化算法等还需要查改源码,我这种c++渣渣还是暂且打住吧,于是很不情愿的入了tensorflow,看了一些教材上的例子,知道大致流程,直到参考Alexnet写了自己的第一个小型cnn二分类网络才渐渐有了感觉。


其他大概还有一些如远程连接、共享盘、设置IP地址、捣鼓主机里面的线路这些计算机基础知识吧。

2014-05-26 20:17:40 xiaqunfeng123 阅读数 12972

        最近在找图像处理模式识别方面的实习,顺便就这个方向的前景什么的查了下,将网上的相关资料整理了一下,便于自己参考,顺便写了下自己的感悟。

        

下面是比较火的那篇文章《 浅谈图像处理方向的就业前景》具体出处不知道在哪~

       最近版上有不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。

    就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号,从这个意义上来说,图像处理是整个信号处理里面就业形势最好的,因为你不仅要掌握(一维)信号处理的基本知识,也要掌握图像处理(二维或者高维信号处理)的知识。其次,图像处理是计算机视觉和视频处理的基础,掌握好了图像处理的基本知识,就业时就可以向这些方向发展。目前的模式识别,大部分也都是图像模式识别。在实际应用场合,采集的信息很多都是图像信息,比如指纹、条码、人脸、虹膜、车辆等等。说到应用场合,千万不能忘了医学图像这一块,如果有医学图像处理的背景,去一些医疗器械公司或者医疗软件公司也是不错的选择。图像处理对编程的要求比较高,如果编程很厉害,当然就业也多了一个选择方向,并不一定要局限在图像方向。
    下面谈谈我所知道的一些公司信息,不全,仅仅是我所了解到的或者我所感兴趣的,实际远远不止这么多。

搜索方向
    基于内容的图像或视频搜索是很多搜索公司研究的热点。要想进入这个领域,必须有很强的编程能力,很好的图像处理和模式识别的背景。要求高待遇自然就不错,目前这方面的代表公司有微软、google、yahoo和百度,个个鼎鼎大名。

医学图像方向
    目前在医疗器械方向主要是几个大企业在竞争,来头都不小,其中包括Simens、GE、飞利浦和柯达,主要生产CT和MRI等医疗器材。由于医疗器械的主要功能是成像,必然涉及到对图像的处理,做图像处理的很有机会进入这些公司。它们在国内都设有研发中心,simens的在上海和深圳,GE和柯达都在上海,飞利浦的在沈阳。由于医疗市场是一个没有完全开发的市场,而一套医疗设备的价格是非常昂贵的,所以在这些地方的待遇都还可以,前景也看好。国内也有一些这样的企业比如深圳安科和迈瑞

计算机视觉和模式识别方向
    我没去调研过有哪些公司在做,但肯定不少,比如指纹识别、人脸识别、虹膜识别。还有一个很大的方向是车牌识别,这个我倒是知道有一个公司高德威智能交通似乎做的很不错的样子。目前视频监控是一个热点问题,做跟踪和识别的可以在这个方向找到一席之地。
    上海法视特位于上海张江高科技园区,在视觉和识别方面做的不错。北京的我也知道两个公司:大恒和凌云,都是以图像作为研发的主体。

视频方向
    一般的高校或者研究所侧重在标准的制定和修改以及技术创新方面,而公司则侧重在编码解码的硬件实现方面。一般这些公司要求是熟悉或者精通MPEG、H.264或者AVS,选择了这个方向,只要做的还不错,基本就不愁饭碗。由于这不是我所感兴趣的方向,所以这方面的公司的信息我没有收集,但平常在各个bbs或者各种招聘网站经常看到。
    我所知道的两个公司:诺基亚和pixelworks

其他
    其实一般来说,只要涉及到成像或者图像的基本都要图像处理方面的人。比方说一个成像设备,在输出图像之前需要对原始图像进行增强或者去噪处理,存储时需要对图像进行压缩,成像之后需要对图像内容进行自动分析,这些内容都是图像处理的范畴。

下面列举一些与图像有关或者招聘时明确说明需要图像处理方面人才的公司:
上海豪威集成电路有限公司
中芯微
摩托罗拉上海研究院
威盛(VIA)
松下
索尼
清华同方
三星
     所有与图像(静止或者运动图像)有关的公司都是一种选择。比如数码相机、显微镜成像、超声成像、工业机器人控制、显示器、电视、遥感等等,都可以作为求职方向。


要求:
1、外语。如果进外企,外语的重要性不言而喻。一般外企的第一轮面试都是英语口语面试。

2、编程。这方面尤以C++为重,很多公司的笔试都是考c++知识。
3、专业水平。如果要找专业相关的工作,研究生期间的研究经历和发表的论文就显的比较重要。
4、知识面的宽度。我觉得在研究生期间,除了做好自己的研究方向之外,扩宽一下知识面也有很大的帮助,当然这个知识面指的是图像处理、计算机视觉和模式识别,知识面越宽,就业时的选择就会越多。


    图像处理方向毕业的就业面非常广,而且待遇在应届生应该是中上等。其实还是一句话,能力决定一切。只要研究生三年没有白过,根本不愁找不到好工作。祝所有正在读研或者即将读研的朋友将来都能有一份满意的工作。
 
    反面的来说:现在大学和研究机构做图象的越来越多了,这里面老板自己懂图象的不知道有多少?!老板不懂,影响还是很大的
    多数做图象的是用MATLAB,用别人的代码(如小波)。在研究生三年学好C++毕业的有多少?在公司C++是重要的。
    图象其实就是信号处理,除了本科是学信号的以外,信号与系统、数字信号处理是一定要学好的,那相应的数学方面的概率,多元统计,甚至泛函也要了解。
    外语的基本要求是看懂英文文献(不一定全看懂),相应的英文书。去外企做研发,这是必备的。然后是口语和听力。
    说这些不是波冷水,希望大家了解清楚。
Compared to the number of jobs available each year in the imaging soceity, the people who are majoring on it are way too much. I have to say most of the people who studied the this area were not end up with working on this area anymore.
The most important thing here is to understand image processing, it requires a broad level of knowledge including, some math (algrebra, statistics, PDE), dsp, pattern recognition, programming skills...
It is all these background skills will find you a job, so prepare to have a deep understanding on all these areas related to image processing
    我也是学模式识别的,但是研究方向是遥感图像处理和识别.总的来说这个方向是比较专,但也是目前图像处理中比较难做的一个方向,因为遥感图像的复杂性超过我们所见过的任何图像.
    其实谈到就业问题,我觉得如果研究方向比较适合,特别是读研期间能到斑竹谈的那些牛比的公司实习,了解企业真正需要的方向可能做起来有目标性.
    顺便提下:高德威公司还是不要考虑,因为本人在毕业面试过程中,虽然面试的人力资源人员很友善,但是通过他们老板写的一些文章可以发现他们还是一个比较自恋和自大的公司.
楼 主是好人,不过此文更多是安慰,新手不可太当真
    衡量专业好坏的标准有两个:应用前景和技术门槛。个人觉得图像处理应用前景一般,比通信,计算机差远了,而技术门槛,相信不是新手都清楚,比微波之类低不少。总的来说图像方向就业一般,在it业算较冷得,特别是模式识别,人工智能之类,看起来高深邪乎,其实就是博士都不好找工作(亲身所见)

    1)说到图像处理比通信差,很大部分的原因是当前行业背景,但通信真正的研发在中国又有多少,我的朋友中很多做工程的,况且现在在通信领域,很大的一个难点,也是多媒体通信。
    2)说到比计算机差,我觉得这与你怎么看待计算机专业有关,有人觉得是基础,是工具,有人觉得是专业。况且计算机那边,现在研究图像的也不少。
    3)再者,说微波,RFID等入门难,但要做精又谈何容易,而且兴趣真的很重要,没有兴趣,再有前景的专业,你也不一定能做好,还有女生并不适合搞这个,就业时,单位一般会暗示。另外,就业面也较窄,好公司真的难进,找工的时候,真的很郁闷,特别对女生。或许将来很大发展前途,这个另当别论。
    4)说回图像处理,我觉得还是较中肯的,略有好的嫌疑,关键还是在读研的时候能把方向做宽(一般做图像处理,需要何模式识别等相结合,拓宽知识面是必要的,在真正做研究的时候,也发现是必须的),研究点做深入,注重实现能力、创新能力和学习能力,通过论文。多培养自己的材料组织提炼能力,锻炼逻辑思维。如果真的能做到三年光阴不虚度,找工应该不是问题,到时真正要考虑的是定位问题。
    5)当然,最后,找工的时候,包装是一种技巧,整合是一种需要。
我觉得做图像处理还是很有前途的。


      单独说图像处理,的确没什么好说的。可图像处理是目前最为火热的一个方向,技术发展更迭迅速。图像处理大分可分四个行业:工控、医疗、遥感、监控。把图像处理独立出来,并不能算是一个行业。图像处理应用性非常强,所有算法也都是基于应用的。所以,要找工作可以考虑从这四个行业开始。每个行业都有各自特色:工控,重在控制,用机器视觉来控制机器,要求速度和精度;医疗,位数高,色彩要求高,算法效率高,稳定;遥感,数据量大,重在分析;监控,涉及智能算法。

      我觉得其实图像处理这部分大体分为工控、消费电子、互联网这三个大块,工控这边是以实时性和工程实施为基础,不太需要特别前沿的一些算法,消费电子和互联网这边做的图像主要是基于用户和需求的,创新性较强,技术变化也快。


下面是某学长给出的一些建议:

我根据《浅谈图像处理方向的就业前景》和自己找工作的一些经验简单介绍一下图像处理方向就业前景,希望能对后来者有所帮助!

1、请学好图像基本理论知识,笔试会遇到很多基础的题;

2、请学好c++语言,99%以上的公司在招图像岗位的人员时都会笔试c++;

3、请多做一些实际的项目,少一些理论的研究(针对中小企业而言);

4、请不要只局限于的课题,因为可能你的课题只是图像处理领域的一些皮毛;

5、请多了解一些相关的前沿知识;

6、请不要迷信自己的算法,比如BP神经网络(可能理论研究时用的很多,可是实际呢?

7、请尽量与企业的相关人士探讨该领域的问题,那样的收获比书本大很多;


       表示不能同意更多,很多时候光看些理论的东西不去实践是不行的,一定要就某一个具体的问题落实到实处,深入的去挖掘它。芍药学姐也说,在面试的时候一般是通过你对做过某一个问题的深度来了解你的个人能力,是否可以快速去学习,并且在对你自己做的事情,为什么这么做,调研过什么等等要非常的清楚,这就是考察一个应届毕业生的是否优秀的标准。


下面是一些关于图像处理和计算机视觉方面的期刊:

     好不好投与文章质量有很大关系,如果是第一次投,而又不是急着要文章的话,我建议投比文章质量相当期刊稍好一点的期刊,这样能学到更多。比PAMI,IJCV稍差点的期刊有TIP,IET Image Processing, computer vision and image understanding, image and vision computing之类的,比PR稍差的有PRL之类的。
数字图像处理领域可以投稿的期刊:
Computer Vision and Image Processing    
IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI) IEEE 
International Journal of Computer Vision (IJCV)  Springer 
Vision Research Elsevier 
IEEE Transactions on Image Processing (IEEE-T-IP) IEEE 
ACM Transactions on Applied Perception  ACM 
Computer Vision and Image Understanding (CVIU) Elsevier 
Image and Vision Computing Elsevier 
Journal of Vision JV 
Journal of Visual Communication and Image Representation (JVCIR) Elsevier 
Journal of Mathematical Imaging and Vision  Springer  
Journal of Electronic Imaging  SPIE 
ICGST International Journal on Graphics, Vision and Image Processing (GVIP) ICGST  
MGV: Machine GRAPHICS & VISION Institute of Computer Science 
International Journal of Imaging Systems and Technology Wiley InterScience  
Electronic Letters on Computer Vision and Image Analysis  Elcvia 
The Visual Computer Springer 
IET Image Processing IET 
IET Computer Vision IET 
International Journal of Image and Graphics (IJIG) World Scientific 
International Journal of Remote Sensing  Taylor & Francis 
SIAM Journal on Imaging Sciences  SIAM 
Signal, Image and Video Processing  Springer 
Pattern Recognition    
Pattern Recognition Elsevier 
Pattern Recognition Letters (PRL) Elsevier 
International Journal of Pattern Recognition and Artificial Intelligence  World Scientific  
Pattern Analysis & Applications  Springer  
Journal of Pattern Recognition Research (JPRR) JPRR 
Signal Processing    
IEEE Signal Processing Letters IEEE 
IEEE Signal Processing Magazine IEEE 
Signal Processing  Elsevier 
EURASIP Journal on Applied Signal Processing EURASIP 
Signal Processing : Image Communication Elsevier 
IET Signal Processing IET 
Neurophysical Journals in Computer Vision    
Nature Neuroscience. Nature 
Visual Neuroscience. Cambridge 
IEEE Transactions on Neural Networks. IEEE 
Neural Networks Elsevier 
Perception and Psychophysics. Psychonomic Society 
Perception. Pion Ltd. 
Journal of Experimental Psychology: Human Perception and Performance. Elsevier 
Computer Graphics    
ACM Transactions on Graphics ACM 
IEEE Computer Graphics and Applications (CG&A)  IEEE 
IEEE Transactions on Visualization and Computer Graphics IEEE 
ACM SIGGRAPH Computer Graphics ACM 
Computers and Graphics Science Direct 
Computer Graphics Forum (including Eurographics) Eurographics 
Graphics Interface Graphics Interface  
Journal of Graphics Tools ACM 
Journal of Visualization and Computer Animation Wiley 
Symposium on Interactive 3D (I3D) ACM 
Virtual Reality    
Virtual Reality Software and Technology (VRST)  ACM 
Machine Vision Applications    
Machine Vision and Applications Springer 
Real-Time Imaging Elsevier 
Vision Interface Vision Interface 
IEEE Transactions on Geoscience and Remote Sensing  IEEE 
International Journal of Applied Earth Observation and Geoinformation  Elsevier 
Remote Sensing of Environment  Elsevier 
ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING  ISPRS 
Journal of Applied Remote Sensing  SPIE 
Journal of the Indian Society of Remote Sensing  Springer 
Multimedia    
IEEE Transactions on Circuits and Systems for Video Technology IEEE 
IEEE Transactions on Multimedia IEEE 
Optics    
Journal Optical Society of America OSA 
Optometry and Vision Science LW&W 
Information Fusion    
Information Fusion Elsevier 
Information Processing Letters Elsevier 
Information Sciences Elsevier 
Information Sciences - Applications Elsevier 
Information Systems Elsevier 
Soft Computing    
Applied Soft Computing  Elsevier 
Journal of Soft Computing  Springer 
Others    
Medical Image Analysis Elsevier 
ACM Transactions on Information Systems ACM 
Swarm Intelligence Springer 
IET Information Security IET 
Numerical Functional Analysis and Optimization  Taylor & Francis 
Sadhana - Academy Proceedings in Engineering Sciences  Springer 
International Journal of Wavelets, Multiresolution and Information Processing (IJWMIP)  World Scientific 
IETE Technical Review IETE 
IETE Journal of Research IETE 
IEEE Transactions on Information Forensics and Security  IEEE

2015-02-07 23:03:39 Eastmount 阅读数 24108
        随着寒假到来,终于有时间总结下Android这个随手拍的课程作业了,同时分享了我完成的这部分对图像处理的心得吧!你可以结合demo来阅读这篇文章,希望对大家有所帮助.
        如果你绝对下面文字太过啰嗦,可以直接下载demo.如果你要做android图像处理相关的App,可能对你有些启发.如果文章中有不足之处,请海涵!仅想分享些东西罢了~
        demo下载地址: 
        http://download.csdn.net/detail/eastmount/8432127
        http://pan.baidu.com/s/1c0kz3by

一. 项目结构及界面

        项目工程结构如下图所示:

  
       个人还是比较欣赏这个布局的,其中MainActivity.java是主界面,ProcessActivity.java是图像处理界面,而剩余五个java对应五个不同的图像处理算法:EffectProcessImage(图像特效)、FrameProcessImage(添加相框)、IncreaseProcessImage(图像增强)、PersonProcessImage(图像交互)和WatchProcessImage(查看图片).
        同时Layout中有五个xml子布局,采用PopupWindow形式显示五个不同的处理,同时该demo比较好移植,将文件依次复制过去并且MainActivity改成子活动,即可调用.
        其中部分界面如下:
     
                    MainActivity主界面                             添加图片选项                         图像处理子界面(底部五个) 

二. 图像查看功能

        点击主界面GridView中"+"添加图片后,可以选择从相册添加或照相,加载图片进行到处理界面后,点击底部"查看"按钮它会有选中的效果(图标颜色变蓝&背景颜色加深).同时PopupWindow弹出如下界面:


        其中点击"旋转"后提交的动态图如下所示:
    
        参考以前我的博客:
            [Android] 拍照、截图、保存并显示在ImageView控件中        
            [Android] 使用Matrix矩阵类对图像进行缩放、旋转、对比度、亮度处理
            [Android] 触屏setOnTouchListener实现图片缩放、移动、绘制和添加水印
        其他效果如下,同时存在几个问题:
            1.图像绘图保存我没有做
            2.移动和缩放图像,上传的都是原图大小
            3.添加水印功能感觉简单就没实现
  

三. 图像增强功能

        图像增强主要是通过3个进度条SeekBar实现,可以调节图像的饱和度、亮度和色相.当饱和度等于0时就是黑白二值图像,三个滑动条可以相互调节.如下图所示:



        参考我的以前博客:
            [Android] 使用Matrix矩阵类对图像进行缩放、旋转、对比度、亮度处理
            [Android] 图像处理整合之处理ColorMatrix和Intend传递路径显示图像
            [Android] 底部菜单布局+PopupWindows实现弹出菜单功能(初级篇)
        同时需要注意一个问题: 设置滑动条时需要设置其区间,同时在弹出PopupWindow注意其宽度和不同手机的适屏处理.
        该部分算法处理代码如下,每部分算法调用后返回值都是bitmap,然后调用imageShow.setImageBitmap(mbmp);直接显示.


四. 图像特效功能

        PopupWindow弹出如下界面,主要包括:怀旧、浮雕、光照、素描和锐化处理.


        其中特效效果和EffectProcessImage.java如下所示:
    
        参考我的博客:
            [Android] 通过Menu实现图片怀旧、浮雕、模糊、光照和素描效果
            [Android] 图像各种处理系列文章合集 (草稿 强推)
        同时算法中存在一些问题,一个就是效率不高,有好友建议C写算法来调用,但是该文章仅是课堂作业,提供一种方法供大家参考.同时在图像素描算法效果不好,锐化处理应该也不对(可参考博客),光照效果是从中心向边沿映射,用户可自己设置光照直径和方向.
            

五. 图像相框添加

        最后是图像相框合成,如下图所示.我采用的是照相后合成图片:

    
        添加相框功能主要是通过两张图片的合成,我也见到过四张图片分别合成相框的效果.但我更喜欢这种两张图片合成的,在assets文件夹中加载透明图片.详见:
        [Android] 给图像添加相框、圆形圆角显示图片、图像合成知识

六. 总结及感想

        该处理过程中的底部五个按钮切换背景和颜色详见代码ProcessActivity.java,主要是通切换两张图片和背景实现.如果每个界面显示不同内容,建议使用Fragment滑动实现.参考:
        [Android] 使用Include布局+Fragment滑动切换屏幕
        [Android] 通过GridView仿微信动态添加本地图片
        随手拍我还是比较满意的,其中后台数据库我们使用的是新浪SAE做的,同时ListView刷新拍拍也非常不错!效果如下:

    
        上传的demo我把发布功能删除了,它是通过线程和Process进度条来上传多张图片的.同时ListView可以刷新最近发布消息,点击图片可以查看大图.可以对发布的拍拍进行评论、关注、点赞等操作.
        但是由于整个项目是大家一起完成,包括网络、数据库(SAE)、ListView(引用开源),所以只能共享我做的那部分.抱歉~如果有时间可以写些关于Android网络方面的文章,包括如何上传图片(URL链接存储在云盘中)、获取数据库内容等操作.
        PS:最近其实挺烦躁的,一方面这学期确实忙成狗了,寒假也还有个作业.但在火车上我还是挺平静的——听着调皮的钢琴曲,看着窗外流逝的繁华,不知道从什么时候自己已经喜欢上了这种26小时独处的感觉.感受颇多啊!另一个挺令我心烦的就是回家后不久就去做了个手指的小手术,今天写完这篇文章,心情稍微好点!蓦然回首,突然发现这辈子我最对不住的人居然是我自己,希望来年对自己有点,尤其是对自己的身体.同时有机会,找份实习吧!但幸运的是,每每分享一些博客、完成一些项目后都能给我带来一份快乐.
        希望文章对大家有所帮助~
        最后用最近看的《老人与海》结束这篇文章:
        生活总是让我们遍体鳞伤,但到后来,那些受伤的地方一定会变成我们最强壮的地方.
      (By:Eastmount 2015-2-7 夜11点   http://blog.csdn.net/eastmount/