c上传图片压缩

⑴ 如何压缩图片大小

我们可以借助软件进行图片大小的压缩，这里介绍利用美图秀秀进行压缩：

1、首先打开美图秀秀软件，然后点击右上角的打开按钮，打开需要更改的图片。

⑵ 上传图片时让我压缩到1M以下，怎样压缩

a、打开任意浏览器，点击浏览器的搜索框，在这里搜索图片压缩，选择网页搜索，我们要找到下载工具的网页，将工具下载安装到我们的电脑。

e、最后我们点击文件页面上的“开始压缩”按钮，对图片文件进行压缩。

⑶ 怎样把图片缩小

这个很容易实现啊，比如用这个在线图片压缩工具，想把图片文件的大小减到多少都行，直接设置一下数值，马上瞬间就能完成了。在线智能压缩图片大小,图片降低像素,PNG|JPG大图缩小

▼ 在线一键压缩图片步骤：

一、首先点击加号添加需要压缩的图片。目前已知支持对jpg、png等多种常见的图片格式进行压缩，如果上传图片并压缩成功，则代表支持该图片格式。
二、可以自行修改图片需要被压缩到的最大宽高尺寸，默认为图片原始的宽高尺寸，且宽高比例是自动锁定的。
三、必须设置图片被压缩后，期望输出的图片文件的最大占用空间。(必填项)
四、选择图片生成的算法。默认为混合优先算法，绝大多数情况下使用默认算法即可。
五、压缩的设定值不能小于1Kb，但图片压缩的最终效果可以小于1Kb。

⑷ 怎么把手机图片压缩到200k

背景
在手机上用户随手拍一张衣服的照片，去找类似图片的需求比较明显，以图搜图项目目的就是满足用户的这部分需求。

该项目初步预计5个类目，每个类目500万图片用于检索。经过特征提取，每张图片可以表示为30976维空间中的一个点，即可以用30976个float值表示，为了便于处理，我们将特征值乘以100000，在不损失float值精度的情况下，用int32_t存储图片特征。

图片检索时需要计算query 图片和索引图片的欧式距离，图片之间计算欧式距离的耗时为50微秒，经过cpu指令集优化(sse)，欧式距离计算耗时减少到13微秒。

在压缩之前，所有图片的大小为 3T（ 4 * 30k * 25000000)，每台机器30G内存用于存储图片，需要100台机器存储全量图片。

需要在计算欧式距离效率不降低的情况下，对图片进行压缩，大规模减少机器的占用。
我们的目标是压缩到500G左右，即压缩之后每张图片20k左右，欧式距离计算耗时为15微秒左右。

欧式距离计算要求耗时在微秒级别，已有的压缩方法，比如p4delta、valgrind压缩等在性能上不满足要求，需要我们根据数据特点自己定制压缩方法。

成果
目前的压缩方法单张图片由120k 压缩到了平均13k。

欧式距离计算平均耗时为9微秒。

这么靠谱的成果是如何做到的呢？

初步尝试
bitmap的方法
观察数据特点，发现平均每张图片有7000个数为非0值，其他值都为 0。首先想到的是用bitmap表示30976个值在特定的位置是否是0。bitmap需要30976 / 8= 4k个字节。然后只存储非0值，需要7k * 4，压缩之后平均每张图片大小为32k。压缩代码大体如下：

int bitmap_len = size / 8 + 8;
uint64_t *bitmap = (uint64_t*)(cmpr_buf);
int32_t *data = (int32_t*)(cmpr_buf + bitmap_len);
for(unsigned int i=0;i<size;i++) {
if(list[i] != 0) {
data[index++] = list[i];
bitmap[i/64] |= bit_mask_tab[i % 64];
}
}
但是在计算图片之间的欧式距离时，需要遍历30976次bitmap，并判断特定位的值知否为0，即将bitmap和掩码数组进行与操作，比较耗时，计算耗时在100微秒以上。计算两个压缩图片的欧式距离代码：
for(i=0; i<size/64; i++) { for(int j=0; j<64; j++) { a = 0; b = 0; if((bitmap1[i] & bit_mask_tab[j])) { a = data1[index1++]; } if((bitmap2[i] & bit_mask_tab[j])) { b = data2[index2++]; } olength += (a - b) * (a - b); } }
采用offset的压缩方式
我们只保存非0数据的off_set和value，off_set最大值30975，需要用int16_t来保存，value的范围0~100万，需要int32_t来表示，采用该方法的话，每个图片占用空间为42k （7k * (2 + 4)）。

for(int i=0; i<size; i++) {
if(list[i] != 0) {
index++;
}
}
*(int16_t*) cmpr_buf = index;
int16_t *p_off = (int16_t*)cmpr_buf + 1;
int32_t *p_data = (int32_t*)(((char *)cmpr_buf) + sizeof(int16_t) * index + sizeof(int16_t));
index = 0;
for(int i=0; i<size; i++) {
if(list[i] != 0) {
p_off[index] = i;
p_data[index] = list[i];
index++;
}
}

计算两个压缩图片的欧式距离的时候，采用按照off_set归并的方法：
while(p_data1<end1 && p_data2 < end2){
if(*p_off1 < *p_off2) {
olength += *p_data1 * *p_data1;
p_data1++;
p_off1++;
} else if(*p_off1 > *p_off2) {
olength += *p_data2 * *p_data2;
p_data2++;
p_off2++;
} else {
olength += (*p_data1 - *p_data2) * (*p_data1 - *p_data2);
p_data1++;
p_data2++;
p_off1++;
p_off2++;
}
}

该方法进行欧式距离的耗时为55微秒，我们认为是if 条件比较耗时，于是尝试了用位掩码替代if的方式：
while(p_data1 < end1 && p_data2<end2) {
a = ((*p_off1 - *p_off2) <= 0);
b = ((*p_off2 - *p_off1) <= 0);
tmp1 = -a & *p_data1;
tmp2 = -b & *p_data2;
p_off1 += a;
p_off2 += b;
p_data1 += a;
p_data2 += b;
tmp = tmp1 - tmp2;
olength += tmp * tmp;
}
该方式消除了if 条件判断，但是耗时为70微秒，性能反而下降了，耗时的原因是cpu的指令增多了。

性能优化
场景分析
两个压缩图片计算 --> 一个压缩一个非压缩
目前的优化进入了一个瓶颈，如何才能提升性能到10微秒级别呢？我们回过头来重新考虑了一下应用场景，在线的场景是query图片和一系列图片计算距离，离线的场景是中心点图片和其他一系列图片计算距离也就是说都是一个图片和多个图片进行距离计算，这时一个图片不需要进行压缩，完全可以是非压缩的，即使该图片是压缩也可以先解压计算欧式距离实际上可以转化为一个非压缩图片和多个压缩图片计算欧式距离。对这样的情况，我们需要重新考虑提升效率的问题。

确定采用off_set压缩方式
对于计算一个压缩和一个非压缩图片欧式距离的问题，比较bitmap的压缩方式和off_set的压缩方式，off_set的压缩方式有明显的优势对于bitmap方式，最耗时的地方仍然是访问30976次bitmap，然后做与操作，来获取解压后的值，遍历30976次bitmap耗时，至少50微秒以上但是off_set的方式保存了7000个非0数据的off_set，我们只需要遍历7000次非0 数组就可以计算出欧式距离。

一个压缩一个非压缩

做法
首先计算好非压缩图片的累加平方和，每次查询计算多次欧式距离，只计算一次累加平方和。

遍历压缩图片数组，计算该值和另一张非压缩图片的对应off_set的差值的平方。

对于压缩图片的为0的那些值来说，欧式距离只需要加上非压缩图片那些值的平方和。

举例：
a.非压缩图片：[0 2 3 0 4 0 0 5 6 0 0] ，压缩图片：[0 0 0 6 6 6 0 0 ]
b.事先计算好非压缩图片的特定位之前的所有值的平方和：sqrt[0 4 13 13 29 29 29 54 90 90 90]
c.压缩的数组为 off[3 4 5]， data[6 6 6 ]
d.遍历off和data数组
olength += (6 - 0) * (6 - 0) olength += (sqrt[2] - sqrt[0])
olength += (6 - 4) * (6 - 4)olength += (sqrt[3] - sqrt[3])
olength += (6 - 0) * (6 - 0) olength += (sqrt[4] - sqrt[4])

效率：20微秒
该方法只需要遍历7000次数组， 进行7000次相减 平方操作和 7000次访问sqrt 数组操作，大大简化了复杂度。

代码如下：
data1为压缩数据，data2为非压缩数据：
for(int i=0; i<num; i++) {
olength += (data1[i] - data2[off1[i]]) * (data1[i] - data2[off1[i]]);
olength += sqrt[off[i] - 1] - sqrt[off[i-1]];
}

⑸ 怎么压缩图片的大小

用这个在线图片压缩工具，想把图片文件的大小减到多少都行，比如你直接设置一下压缩数值到600kb，马上瞬间就能把图片的文件大小压缩到600kb搞定，你设定压缩到多少kb，他压缩完输出的图片就是多少kb，方便得很。在线智能压缩图片大小,图片压缩体积

在线图片智能压缩使用步骤：

一、首先点击加号添加需要压缩的图片。目前已知支持对jpg、png等多种常见的图片格式进行压缩，如果上传图片并压缩成功，则代表支持该图片格式。
二、可以自行修改图片需要被压缩到的最大宽高尺寸，默认为图片原始的宽高尺寸，且宽高比例是自动锁定的。
三、必须设置图片被压缩后，期望输出的图片文件的最大占用空间。(必填项)
四、选择图片生成的算法。默认为混合优先算法，绝大多数情况下使用默认算法即可。
五、压缩的设定值不能小于1Kb，但图片压缩的最终效果可以小于1Kb。

butterpig

⑹ 如何用c语言实现压缩图片内存大小

是(row,col,value)，这样把所有不为零的值组成一个向量。这种存储方式比二维数组节省了不少空间，当然还可以进一步节省，因为三元组里面row或者col重复存储了，一行或者一列存一次就行了，按这种思路走下去就是行压缩存储了。
那具体什么是行压缩存储呢？行压缩存储的思想就是，把所有不为零的值按行访问的顺序组成一个向量，然后再把每一行值不为0的列的下标存下来，这个两个向量的大小和稀疏矩阵中不为0的值得个数相同，当然要实现对行压缩矩阵的访问，还要把每一行的不为0的列的下标在第二个向量中开始的位置存下来，有人把这个叫做指针。有了这三个向量就可以实现对矩阵实现高效的按行访问了。行压缩存储比三元组优秀的不仅是空间的压缩，还有就是行访问时的高效。三元组如果是有序的，可以二分查找来访问一行，但是行压缩存储按行访问时的时间复杂度是常数级的。 大家可以参考下面这个行压缩矩阵示意图：

⑺ 图片文件怎样压缩到20K以内

⑻ 如何压缩大量照片

照片很多的话，压缩的时候肯定希望能压缩的快、节省时间，这里推荐一款在线照片压缩工具：压缩图网站的批量云端压缩功能，一次最多压缩60张图片

1、点击批量云端压缩，批量云端压缩一次最多能够60张图片同时处理。

批量云端压缩功能

⑼ 怎么将照片压缩到30K以内变成证件照

方法如下：

工具／原材料：win7电脑。

1、打开win7电脑在菜单程序里找到并点击“画图”程序；

证件照背景颜色

白色背景：用于护照、签证、驾驶证、身份证、二代身份证、驾驶证、黑白证件、医保卡、港澳通行证等。

蓝色背景：用于毕业证、工作证、简历等（蓝色数值为：R:0 G:191 B:243或C:67 M:2 Y:0 K:0)。

红色背景：用于保险、医保、IC卡、暂住证、结婚照(红色数值为：R:255 G:0 B:0或C:0 M:99 Y:100 K:0)。

⑽ 上传图片时文件过大怎么办

可以使用photoshop软件将图片的品质调低，就可以将图片文件大小变小。具体的设置方法如下：

一、打开photoshop软件界面，点击左上角的文件选择打开按钮。