HOME 首页
SERVICE 服务产品
XINMEITI 新媒体代运营
CASE 服务案例
NEWS 热点资讯
ABOUT 关于我们
CONTACT 联系我们
创意岭
让品牌有温度、有情感
专注品牌策划15年

    手机怎么把照片改小于200kb(手机怎么把照片改小于30kb)

    发布时间:2023-03-18 14:27:39     稿源: 创意岭    阅读: 1179        问大家

    大家好!今天让创意岭的小编来大家介绍下关于手机怎么把照片改小于200kb的问题,以下是小编对此问题的归纳整理,让我们一起来看看吧。

    开始之前先推荐一个非常厉害的Ai人工智能工具,一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

    只需要输入关键词,就能返回你想要的内容,越精准,写出的就越详细,有微信小程序端、在线网页版、PC客户端

    官网:https://ai.de1919.com

    本文目录:

    手机怎么把照片改小于200kb(手机怎么把照片改小于30kb)

    一、手机图片缩小到200kb怎么做?

    由于手机的像素普遍较大,所以单靠手机的照相功能是无法把相片缩小到200KB以下,可以把照片发送至电脑,使用电脑PS把相片缩小到200KB以下,下面给出具体操作步骤:

    所需材料:PS。

    1、首先,首先是用微信、QQ、网盘等方法将这张照片传输到上面的电脑上。

    2、然后使用Photoshop打开照片。

    3、按Ctrl+Alt+I打开图像大小窗口,勾选“约束比例”和“重置图像像素”两个选项,降低高度、宽度和分辨率,点击“确定”。

    4、按Ctrl+Alt+S打开保存窗口,选择JPEG格式,单击“保存”。

    5、最后,在JPEG选项中,通过调整图片的质量来进一步缩小照片的大小(你可以在右边看到文件大小的预览)。当小于200KB时,点击“OK”。

    二、手机怎么改照片大小200kb

    在手机上压缩图片的大小,具体的操作如下:

    1、打开手机上的浏览器,在搜索框中输入图片压缩,点击下载一个在线网站,进入网站首页。

    2、在网站首页的右上方会出现菜单的符号,点击后得到导航列表,在列表中找到文档处理并点击,就会看到“图片压缩”,点击图片压缩进入到压缩的页面。

    3、进入图片压缩主页面后,点击上方蓝色框的“点击选择文件”,选择需要进行压缩的图片文件。

    4、在页面上可以看到压缩的选项以及输出的格式,在压缩类型选项下有“缩小优先”,点击勾选。

    5、点击下方蓝框的“开始压缩”,需要进行压缩的图片文件就会在压缩的过程中。

    三、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]];

    }

    四、oppo手机怎样让照片小于200kb

    用电脑上的ps会更简单。

    手机可以进行裁剪,如果不裁剪,也可以这样:

    相册中打开照片,2指靠近缩小图片,保持手指不动,进行截图,截图后将黑边裁剪掉,这样图片就会小很多了。

    以上就是关于手机怎么把照片改小于200kb相关问题的回答。希望能帮到你,如有更多相关问题,您也可以联系我们的客服进行咨询,客服也会为您讲解更多精彩的知识和内容。


    推荐阅读:

    2015手机排行榜(2015最好的手机)

    手机理财软件排行榜(手机理财软件排行榜最新)

    手机上怎么换字体(oppo手机上怎么换字体样式)

    室内设计好就业吗(女生学室内设计好就业吗)

    常州居泰隆装饰有限公司(常州居泰隆装饰有限公司武进区)