开发者社区> 贾志刚> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

OpenCV For Java环境搭建与功能演示

简介: OpenCV概述 OpenCV做为功能强大的计算机视觉开源框架,包含了500多个算法实现,而且还在不断增加,其最新版本已经更新到3.2。其SDK支持Android与Java平台开发,对于常见的图像处理需求几乎都可以满足,理应成为广大Java与Android程序员的首先的图像处理框架。
+关注继续查看

OpenCV概述

OpenCV做为功能强大的计算机视觉开源框架,包含了500多个算法实现,而且还在不断增加,其最新版本已经更新到3.2。其SDK支持Android与Java平台开发,对于常见的图像处理需求几乎都可以满足,理应成为广大Java与Android程序员的首先的图像处理框架。Java中使用OpenCV的配置及其简单,可以毫不客气的说几乎是零配置都可以。

一:配置

配置引入OpenCV相关jar包,首先要下载OpenCV的自解压版本,下载地址:
http://opencv.org/opencv-3-2.html
然后拉到网页的最下方,下载Windows自解压开发包
这里写图片描述

下载好了双击解压缩之后找到build路径,显示如下:
这里写图片描述

双击打开Java文件夹,
这里写图片描述

里面有一个jar直接导入到Eclipse中的新建项目中去, 然后把x64里面的dll文件copy到Eclipse中使用的Java JDK bin和jre/bin目录下面即可。环境就配置好啦,简单吧!配置好的最终项目结构:
这里写图片描述

二:加载图像与像素操作

读入一张图像 -, 一句话搞定

Mat src = Imgcodecs.imread(imageFilePath);
if(src.empty()) return;

将Mat对象转换为BufferedImage对象

public BufferedImage conver2Image(Mat mat) {
    int width = mat.cols();
    int height = mat.rows();
    int dims = mat.channels();
    int[] pixels = new int[width*height];
    byte[] rgbdata = new byte[width*height*dims];
    mat.get(0, 0, rgbdata);
    BufferedImage image = new BufferedImage(width, height, 
                            BufferedImage.TYPE_INT_ARGB);
    int index = 0;
    int r=0, g=0, b=0;
    for(int row=0; row<height; row++) {
        for(int col=0; col<width; col++) {
            if(dims == 3) {
                index = row*width*dims + col*dims;
                b = rgbdata[index]&0xff;
                g = rgbdata[index+1]&0xff;
                r = rgbdata[index+2]&0xff;
                pixels[row*width+col] = ((255&0xff)<<24) | 
                ((r&0xff)<<16) | ((g&0xff)<<8) | b&0xff;    
            }
            if(dims == 1) {
                index = row*width + col;
                b = rgbdata[index]&0xff;
                pixels[row*width+col] = ((255&0xff)<<24) | 
                ((b&0xff)<<16) | ((b&0xff)<<8) | b&0xff;    
            }
        }
    }
    setRGB( image, 0, 0, width, height, pixels);
    return image;
}

将BufferedImage对象转换为Mat对象

public Mat convert2Mat(BufferedImage image) {
    int width = image.getWidth();
    int height = image.getHeight();
    Mat src = new Mat(new Size(width, height), CvType.CV_8UC3);
    int[] pixels = new int[width*height];
    byte[] rgbdata = new byte[width*height*3];
    getRGB( image, 0, 0, width, height, pixels );
    int index = 0, c=0;
    int r=0, g=0, b=0;
    for(int row=0; row<height; row++) {
        for(int col=0; col<width; col++) {
            index = row*width + col;
            c = pixels[index];
            r = (c&0xff0000)>>16;
            g = (c&0xff00)>>8;
            b = c&0xff;

            index = row*width*3 + col*3;
            rgbdata[index] = (byte)b;
            rgbdata[index+1] = (byte)g;
            rgbdata[index+2] = (byte)r;
        }
    }

    src.put(0, 0, rgbdata);
    return src;
}

特别要说明一下,BufferedImage与Mat的RGB通道顺序是不一样,正好相反,在Mat对象中三通道的顺序为BGR而在BufferedImage中为RGB。

从Mat中读取全部像素(其中image为Mat类型数据)

int width = image.cols();
int height = image.rows();
int dims = image.channels();
byte[] data = new byte[width*height*dims];
image.get(0, 0, data);

遍历像素操作与保存改变

int index = 0;
int r=0, g=0, b=0;
for(int row=0; row<height; row++) {
    for(int col=0; col<width*dims; col+=dims) {
        index = row*width*dims + col;
        b = data[index]&0xff;
        g = data[index+1]&0xff;
        r = data[index+2]&0xff;

        r = 255 - r;
        g = 255 - g;
        b = 255 - b;

        data[index] = (byte)b;
        data[index+1] = (byte)g;
        data[index+2] = (byte)r;
    }
}
image.put(0, 0, data);

保存Mat对象为图像文件 - 一句话可以搞定

Imgcodecs.imwrite(filePath, src);           

OpenCV代码运行与测试

  • 调节明暗程度 - 亮度降低
    这里写图片描述

  • 调节明暗程度 - 亮度提升
    这里写图片描述

  • 高斯模糊
    这里写图片描述

  • 锐化
    这里写图片描述

  • 梯度
    这里写图片描述

  • 灰度化
    这里写图片描述

上述效果完整Java代码如下:

package com.gloomyfish.opencvdemo;

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.Size;
import org.opencv.imgproc.Imgproc;

public class ImageFilters {

    /** - 反色处理 - */
    public Mat inverse(Mat image) {
        int width = image.cols();
        int height = image.rows();
        int dims = image.channels();
        byte[] data = new byte[width*height*dims];
        image.get(0, 0, data);

        int index = 0;
        int r=0, g=0, b=0;
        for(int row=0; row<height; row++) {
            for(int col=0; col<width*dims; col+=dims) {
                index = row*width*dims + col;
                b = data[index]&0xff;
                g = data[index+1]&0xff;
                r = data[index+2]&0xff;

                r = 255 - r;
                g = 255 - g;
                b = 255 - b;

                data[index] = (byte)b;
                data[index+1] = (byte)g;
                data[index+2] = (byte)r;
            }
        }

        image.put(0, 0, data);
        return image;
    }

    public Mat brightness(Mat image) {
        // 亮度提升
        Mat dst = new Mat();
        Mat black = Mat.zeros(image.size(), image.type());
        Core.addWeighted(image, 1.2, black, 0.5, 0, dst);
        return dst;
    }

    public Mat darkness(Mat image) {
        // 亮度降低
        Mat dst = new Mat();
        Mat black = Mat.zeros(image.size(), image.type());
        Core.addWeighted(image, 0.5, black, 0.5, 0, dst);
        return dst;
    }

    public Mat gray(Mat image) {
        // 灰度
        Mat gray = new Mat();
        Imgproc.cvtColor(image, gray, Imgproc.COLOR_BGR2GRAY);
        return gray;
    }

    public Mat sharpen(Mat image) {
        // 锐化
        Mat dst = new Mat();
        float[] sharper = new float[]{0, -1, 0, -1, 5, -1, 0, -1, 0};
        Mat operator = new Mat(3, 3, CvType.CV_32FC1);
        operator.put(0, 0, sharper);
        Imgproc.filter2D(image, dst, -1, operator);
        return dst;
    }

    public Mat blur(Mat image) {
        // 高斯模糊
        Mat dst = new Mat();
        Imgproc.GaussianBlur(image, dst, new Size(15, 15), 0);
        return dst;
    }


    public Mat gradient(Mat image) {
        // 梯度
        Mat grad_x = new Mat();
        Mat grad_y = new Mat();
        Mat abs_grad_x = new Mat();
        Mat abs_grad_y = new Mat();

        Imgproc.Sobel(image, grad_x, CvType.CV_32F, 1, 0);
        Imgproc.Sobel(image, grad_y, CvType.CV_32F, 0, 1);
        Core.convertScaleAbs(grad_x, abs_grad_x);
        Core.convertScaleAbs(grad_y, abs_grad_y);
        grad_x.release();
        grad_y.release();
        Mat gradxy = new Mat();
        Core.addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 10, gradxy);
        return gradxy;
    }
}

可以说简单到哭,此外OpenCV For Java支持各种的图像处理包括形态学操作,二值图像分析、图像特征检测与识别、模板匹配、直方图相关功能等等。常见的机器学习算法与图像分析方法。可以说是功能最强大的图像处理SDK与开发平台之一,本人继续发掘分享!

特别注意
在调用之前,一定要加上这句话

System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

目的是加载OpenCV API相关的DLL支持,没有它是不会正确运行的。以上代码与功能实现是基于JDK8 64位与OpenCV 3.2版本。

欢迎大家继续关注本博客!

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
Java-学习笔记-3-环境搭建
不足之处,欢迎专家、同行、读者批评指正。 上一篇文章本来想写环境搭建的,没想到在工作原理部分洋洋洒洒写了八百余字。索性把标题改成了工作原理。这一篇,我来讲讲环境搭建。 其实在理解了工作原理之后,理解环境搭建就成了很自然的事情。
1179 0
+关注
贾志刚
2004毕业于山东大学齐鲁软件学院,软件工程专业。主要专注于图像处理算法学习与研究,计算机视觉技术开发应用,深度学习在计算机视觉领域应用。两本书籍《Java数字图像处理-编程技巧与应用实践》、《OpenCV On Android编程实践》作者
文章
问答
文章排行榜
最热
最新
相关电子书
更多
《Java开发手册》2019最新版发布!
立即下载
《阿里巴巴Java开发手册》1.3.0版本【非最新版】
立即下载
阿里巴巴Java开发手册PDF1.1.0版(非最新版)
立即下载