我要评论1. opencv概述
opencv是一个开源的计算机视觉库，它提供了一系列丰富的图像处理和计算机视觉算法，包括图像读取、显示、滤波、特征检测、目标跟踪等功能。
2. 安装opencv
2.1 下载opencv
opencv下载：https://opencv.org/releases/
这里我们使用4.7.0版本，下载到本地后，双击进行安装即可。
进入到opencv的安装目录：
build ：基于window构建
sources：开源，提供源码
进入到build\java 目录
2.2 准备文件
# 1. 特征分类器：windows 和 linux 中的配置文件都一样，随便用哪个都行
haarcascade_frontalface_alt.xml
# windows 路径 : opencv\build\etc\haarcascades
# linux 路径 : /usr/local/share/opencv4/haarcascades
# 2. jar 包 - 也可以直接使用 javacv 中的 opencv 包
opencv-470.jar
# windows 路径 : {opencv安装目录}\opencv\build\java
# linux 路径 : /usr/local/share/java/opencv4
# 3. 动态库
opencv_java470.dll (windows系统使用此文件)
# windows 路径 : {opencv安装目录}\opencv\build\java\{x64}/{x86} 跟据系统选择
libopencv_java470.so (linux系统使用此文件)
# linux 路径 : /usr/local/share/java/opencv4
3. 代码实现
3.1 pom.xml添加依赖
<!-- 版本的依赖与下载的opencv版本一致-->
<dependency>
<groupid>org.bytedeco</groupid>
<artifactid>opencv</artifactid>
<version>4.7.0-1.5.9</version>
</dependency>
或：
<dependency>
<groupid>org.bytedeco</groupid>
<artifactid>javacv-platform</artifactid>
<version>1.5.9</version>
</dependency>
或：
<dependency>
<groupid>org.openpnp</groupid>
<artifactid>opencv</artifactid>
<version>4.7.0-0</version>
</dependency>
以上三个依赖任选其一即可，项目打包后观察一下使用哪个依赖打包后的jar文件更小
实验证明：
javacv-platform依赖的jar最大，达到929.64m
org.openpnp.opencv依赖最小，几乎为0m
org.bytedeco.opencv依赖居中，大小为2m
3.2 编写代码
package com.testpro.test.opencv;
import org.opencv.core.*;
import org.opencv.imgcodecs.imgcodecs;
import org.opencv.imgproc.imgproc;
import org.opencv.objdetect.cascadeclassifier;
import java.util.arrays;
public class facecompare {
// 初始化人脸探测器
static cascadeclassifier facedetector;
private static final string path_prefix = "c:\\users\\dev\\desktop\\";
static int i = 0;
static {
// 判断系统
string os = system.getproperty("os.name");
// 加载动态库
if (os != null && os.tolowercase().startswith("windows")) {
// windows操作系统
// todo windows 系统部署加载 .dll 文件 - 路径跟据自己存放位置更改【这里需要使用绝对路径】
system.load("d:\\opencv\\opencv\\build\\java\\x64\\opencv_java470.dll");
} else if (os != null && os.tolowercase().startswith("linux")) {
// linux操作系统
// todo linux 服务器部署加载 .so 文件 - 路径跟据自己存放位置更改【是否需要绝对路径有待验证，目前只在windows 系统实践过】
system.load("/opt/face/libopencv_java440.so");
}
// 引入 特征分类器配置 文件：haarcascade_frontalface_alt.xml 文件路径
// 此文件在opencv的安装目录build\etc\haarcascades下可以找到
string property = "d:\\opencv\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt.xml";
system.out.println(property);
facedetector = new cascadeclassifier(property);
}
public static void main(string[] args) {
// 图片路径不能包含中文
string str1 = path_prefix + "3-1.jpg";
string str2 = path_prefix + "3-2.jpg";
long start = system.currenttimemillis();
double comparehist = compare_image(str1, str2);
system.out.println("time:" + (system.currenttimemillis() - start));
system.out.println(comparehist);
if (comparehist > 0.6) {
system.out.println("人脸匹配");
} else {
system.out.println("人脸不匹配");
}
}
// 灰度化人脸
public static mat conv_mat(string img) {
mat image0 = imgcodecs.imread(img);
mat image1 = new mat();
// 灰度化
imgproc.cvtcolor(image0, image1, imgproc.color_bgr2gray);
// 探测人脸
matofrect facedetections = new matofrect();
facedetector.detectmultiscale(image1, facedetections);
// rect中人脸图片的范围
for (rect rect : facedetections.toarray()) {
mat face = new mat(image1, rect);
return face;
}
return null;
}
// 比较图片
public static double compare_image(string img_1, string img_2) {
mat mat_1 = conv_mat(img_1);
mat mat_2 = conv_mat(img_2);
mat hist_1 = new mat();
mat hist_2 = new mat();
//颜色范围
matoffloat ranges = new matoffloat(0f, 256f);
//直方图大小， 越大匹配越精确 (越慢)
matofint histsize = new matofint(10000000);
imgproc.calchist(arrays.aslist(mat_1), new matofint(0), new mat(), hist_1, histsize, ranges);
imgproc.calchist(arrays.aslist(mat_2), new matofint(0), new mat(), hist_2, histsize, ranges);
// correl 相关系数
double res = imgproc.comparehist(hist_1, hist_2, imgproc.cv_comp_correl);
return res;
}
}
上述代码加载.dll文件也可使用以下方式：
// 使用此方法需将d:\opencv\opencv\build\java\x64\opencv_java470.dll文件复制到c:\windows\system32目录下
system.loadlibrary(core.native_library_name);
如下：
4. 效果
5. 附：完整代码
包括：
从摄像头实时人脸识别，识别成功保存图片到本地
从本地视频文件中识别人脸
本地图片人脸识别，识别成功并保存人脸图片到本地
package com.testpro.test.opencv;
import org.opencv.core.*;
import org.opencv.highgui.highgui;
import org.opencv.imgcodecs.imgcodecs;
import org.opencv.imgproc.imgproc;
import org.opencv.objdetect.cascadeclassifier;
import org.opencv.videoio.videocapture;
import org.opencv.videoio.videowriter;
import org.opencv.videoio.videoio;
import java.util.arrays;
/**
* opencv 图片人脸识别、实时摄像头人脸识别、视频文件人脸识别
*/
public class facevideo {
// 初始化人脸探测器
static cascadeclassifier facedetector;
static int i = 0;
static {
// 判断系统
string os = system.getproperty("os.name");
// 加载动态库
if (os != null && os.tolowercase().startswith("windows")) {
// windows操作系统
// todo windows 系统部署加载 .dll 文件 - 路径跟据自己存放位置更改
system.load("d:\\opencv\\opencv\\build\\java\\x64\\opencv_java470.dll");
// classloader.getsystemresource("dlls/opencv_java470.dll");
} else if (os != null && os.tolowercase().startswith("linux")) {
// linux操作系统
// todo linux 服务器部署加载 .so 文件 - 路径跟据自己存放位置更改
system.load("/opt/face/libopencv_java440.so");
}
// 引入 特征分类器配置 文件：haarcascade_frontalface_alt.xml 文件路径
string property = "d:\\opencv\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt.xml";
system.out.println(property);
facedetector = new cascadeclassifier(property);
}
private static final string path_prefix = "c:\\users\\dev\\desktop\\";
public static void main(string[] args) {
// 1- 从摄像头实时人脸识别，识别成功保存图片到本地
// getvideofromcamera();
// 2- 从本地视频文件中识别人脸
// getvideofromfile();
// 3- 本地图片人脸识别，识别成功并保存人脸图片到本地
// face("5-1.jpg");
// 4- 比对本地2张图的人脸相似度 （越接近1越相似）
double comparehist = compare_image(path_prefix + "5-1.jpg", path_prefix + "6-1.jpg");
system.out.println(comparehist);
if (comparehist > 0.72) {
system.out.println("人脸匹配");
} else {
system.out.println("人脸不匹配");
}
}
/**
* opencv-4.7.0 从摄像头实时读取
*/
public static void getvideofromcamera() {
//1 如果要从摄像头获取视频 则要在 videocapture 的构造方法写 0
videocapture capture = new videocapture(0);
mat video = new mat();
int index = 0;
if (capture.isopened()) {
while (i < 3) {
// 匹配成功3次退出
capture.read(video);
highgui.imshow("实时人脸识别", getface(video));
index = highgui.waitkey(100);
if (index == 27) {
capture.release();
break;
}
}
} else {
system.out.println("摄像头未开启");
}
try {
capture.release();
thread.sleep(1000);
system.exit(0);
} catch (interruptedexception e) {
e.printstacktrace();
}
return;
}
/**
* opencv-4.7.0 从视频文件中读取
*/
public static void getvideofromfile() {
videocapture capture = new videocapture();
capture.open(path_prefix + "yimi.mp4");//1 读取视频文件的路径
if (!capture.isopened()) {
system.out.println("读取视频文件失败！");
return;
}
mat video = new mat();
int index = 0;
while (capture.isopened()) {
capture.read(video);//2 视频文件的视频写入 mat video 中
highgui.imshow("本地视频识别人脸", getface(video));//3 显示图像
index = highgui.waitkey(100);//4 获取键盘输入
if (index == 27) {
//5 如果是 esc 则退出
capture.release();
return;
}
}
}
/**
* opencv-4.7.0 人脸识别
*
* @param image 待处理mat图片(视频中的某一帧)
* @return 处理后的图片
*/
public static mat getface(mat image) {
// 1 读取opencv自带的人脸识别特征xml文件(facedetector)
// cascadeclassifier facebook = new cascadeclassifier("d:\\sofeware\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
// 2 特征匹配类
matofrect face = new matofrect();
// 3 特征匹配
facedetector.detectmultiscale(image, face);
rect[] rects = face.toarray();
system.out.println("匹配到 " + rects.length + " 个人脸");
if (rects != null && rects.length >= 1) {
// 4 为每张识别到的人脸画一个圈
for (int i = 0; i < rects.length; i++) {
imgproc.rectangle(image, new point(rects[i].x, rects[i].y), new point(rects[i].x + rects[i].width, rects[i].y + rects[i].height), new scalar(0, 255, 0));
imgproc.puttext(image, "human", new point(rects[i].x, rects[i].y), imgproc.font_hershey_script_simplex, 1.0, new scalar(0, 255, 0), 1, imgproc.line_aa, false);
//mat dst=image.clone();
//imgproc.resize(image, image, new size(300,300));
}
i++;
if (i == 3) {
// 获取匹配成功第10次的照片
imgcodecs.imwrite(path_prefix + "face.png", image);
}
}
return image;
}
/**
* opencv-4.7.0 图片人脸识别
*/
public static void face(string filename) {
// 1 读取opencv自带的人脸识别特征xml文件
// opencv 图像识别库一般位于 opencv\sources\data 下面
// cascadeclassifier facebook=new cascadeclassifier("d:\\sofeware\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
// 2 读取测试图片
string imgpath = path_prefix + filename;
mat image = imgcodecs.imread(imgpath);
if (image.empty()) {
system.out.println("image 内容不存在！");
return;
}
// 3 特征匹配
matofrect face = new matofrect();
facedetector.detectmultiscale(image, face);
// 4 匹配 rect 矩阵 数组
rect[] rects = face.toarray();
system.out.println("匹配到 " + rects.length + " 个人脸");
// 5 为每张识别到的人脸画一个圈
int i = 1;
for (rect rect : face.toarray()) {
imgproc.rectangle(image, new point(rect.x, rect.y), new point(rect.x + rect.width, rect.y + rect.height),
new scalar(0, 255, 0), 3);
imagecut(imgpath, path_prefix + i + ".jpg", rect.x, rect.y, rect.width, rect.height);// 进行图片裁剪
i++;
}
// 6 展示图片
highgui.imshow("人脸识别", image);
highgui.waitkey(0);
}
/**
* 裁剪人脸
*
* @param imagepath
* @param outfile
* @param posx
* @param posy
* @param width
* @param height
*/
public static void imagecut(string imagepath, string outfile, int posx, int posy, int width, int height) {
// 原始图像
mat image = imgcodecs.imread(imagepath);
// 截取的区域：参数,坐标x,坐标y,截图宽度,截图长度
rect rect = new rect(posx, posy, width, height);
// 两句效果一样
mat sub = image.submat(rect); // mat sub = new mat(image, rect);
mat mat = new mat();
size size = new size(width, height);
imgproc.resize(sub, mat, size);// 将人脸进行截图并保存
imgcodecs.imwrite(outfile, mat);
system.out.println(string.format("图片裁切成功，裁切后图片文件为： %s", outfile));
}
/**
* 人脸比对
*
* @param img_1
* @param img_2
* @return
*/
public static double compare_image(string img_1, string img_2) {
mat mat_1 = conv_mat(img_1);
mat mat_2 = conv_mat(img_2);
mat hist_1 = new mat();
mat hist_2 = new mat();
//颜色范围
matoffloat ranges = new matoffloat(0f, 256f);
//直方图大小， 越大匹配越精确 (越慢)
matofint histsize = new matofint(1000);
imgproc.calchist(arrays.aslist(mat_1), new matofint(0), new mat(), hist_1, histsize, ranges);
imgproc.calchist(arrays.aslist(mat_2), new matofint(0), new mat(), hist_2, histsize, ranges);
// correl 相关系数
double res = imgproc.comparehist(hist_1, hist_2, imgproc.cv_comp_correl);
return res;
}
/**
* 灰度化人脸
*
* @param img
* @return
*/
public static mat conv_mat(string img) {
mat image0 = imgcodecs.imread(img);
mat image1 = new mat();
// 灰度化
imgproc.cvtcolor(image0, image1, imgproc.color_bgr2gray);
// 探测人脸
matofrect facedetections = new matofrect();
facedetector.detectmultiscale(image1, facedetections);
// rect中人脸图片的范围
for (rect rect : facedetections.toarray()) {
mat face = new mat(image1, rect);
return face;
}
return null;
}
/**
* opencv-4.7.0 将摄像头拍摄的视频写入本地
*/
public static void writevideo() {
//1 如果要从摄像头获取视频 则要在 videocapture 的构造方法写 0
videocapture capture = new videocapture(0);
mat video = new mat();
int index = 0;
size size = new size(capture.get(videoio.cap_prop_frame_width), capture.get(videoio.cap_prop_frame_height));
videowriter writer = new videowriter("d:/a.mp4", videowriter.fourcc('d', 'i', 'v', 'x'), 15.0, size, true);
while (capture.isopened()) {
capture.read(video);//2 将摄像头的视频写入 mat video 中
writer.write(video);
highgui.imshow("像头获取视频", video);//3 显示图像
index = highgui.waitkey(100);//4 获取键盘输入
if (index == 27) {
//5 如果是 esc 则退出
capture.release();
writer.release();
return;
}
}
}
}
![aidl文件生成Java、C++[android]、C++[ndk]、Rust接口](/images/newimg/nimg1.png)
发表评论