返回目录：OpenCV系列文章目录（持续更新中......）

上一篇：如何在“Microsoft Visual Studio”中使用OpenCV编译应用程序

下一篇：如何将OpenCV Java 与Eclipse结合使用

本教程可能包含过时的信息。

从 OpenCV 2.4.4 开始，OpenCV 支持使用与 Android 开发几乎相同的界面进行桌面 Java 开发。本指南将帮助您使用 OpenCV 创建您的第一个 Java（或 Scala）应用程序。我们将使用 Apache Ant 或 Simple Build Tool （SBT） 来构建应用程序。
如果要使用 Eclipse，请前往将 OpenCV Java 与 Eclipse 配合使用。如需在本指南之后进一步阅读，请查看 Android 开发简介教程。

本文内容包括:

• 获取支持桌面 Java 的 OpenCV
• 创建 Ant 或 SBT 项目
• 用 Java 或 Scala 编写一个简单的 OpenCV 应用程序

在 OpenCV 存储库的文件夹中创建示例的过程相同，因此如果忘了如何操作，请查阅这些文件。samples/java

获取适当的 OpenCV

从版本 2.4.4 开始，OpenCV 包括桌面 Java 绑定。

下载

获取它的最简单方法是从 OpenCV SourceForge 存储库下载相应的 2.4.4 或更高版本的软件包。

注意

Windows 用户可以在包内的文件夹opencv/build/java/中找到 Java 开发所需的预构建文件。对于其他操作系统，需要从源代码构建 OpenCV。

获取 OpenCV 源代码的另一种选择是克隆 OpenCV git 存储库。为了使用 Java 绑定构建 OpenCV，您需要安装 JDK（Java 开发工具包）（我们建议使用 Oracle/Sun JDK 6 或 7）、Apache Ant 和 Python v2.6 或更高版本。

编译OpenCV过程：

git clone git://github.com/opencv/opencv.git
cd opencv
git checkout 2.4
mkdir build
cd build

生成 Makefile 或 MS Visual Studio* 解决方案，或用于在系统中构建可执行文件的任何解决方案：

cmake -DBUILD_SHARED_LIBS=OFF 

或者

cmake -DBUILD_SHARED_LIBS=OFF -G "Visual Studio 10" 

注意：

当 OpenCV 构建为一组静态库（-DBUILD_SHARED_LIBS=OFF 选项）时，Java 绑定动态库就足够了，即不依赖于其他 OpenCV 库，而是包含所有 OpenCV 代码。

检查 CMake 的输出，并确保 java 是“待构建”模块之一。如果没有，则很可能缺少依赖项。应通过查看 CMake 输出以查找未找到的任何与 Java 相关的工具并安装它们来进行故障排除。

注意

如果 CMake 在系统中找不到 Java，请在运行之前将 JAVA_HOME 环境变量设置为已安装的 JDK 的路径。例如：

export JAVA_HOME=/usr/lib/jvm/java-6-oracle
cmake -DBUILD_SHARED_LIBS=OFF

输入编译命令:

make -j8

或者：

msbuild /m OpenCV.sln /t:Build /p:Configuration=Release /v:m

除此之外，所有这些都将创建一个包含 Java 接口 （bin/opencv-244.jar） 的 jar 和一个包含 Java 绑定和所有 OpenCV 内容的原生动态库 （ lib/libopencv_java244.so或 bin/Release/opencv_java244.dll）。我们稍后会使用这些文件。

使用 Ant 的 Java 示例

注意

所描述的示例随文件夹opencv/samples/java/ant中的 OpenCV 库一起提供。

• 创建一个文件夹，用于开发此示例应用程序。
• 在此文件夹中，使用文本编辑器创建包含以下内容的文件:build.xml

  <project name="SimpleSample" basedir="." default="rebuild-run">
  <property name="src.dir" value="src"/>
  <property name="lib.dir" value="${ocvJarDir}"/>
  <path id="classpath">
  <fileset dir="${lib.dir}" includes="**/*.jar"/>
  </path>
  <property name="build.dir" value="build"/>
  <property name="classes.dir" value="${build.dir}/classes"/>
  <property name="jar.dir" value="${build.dir}/jar"/>
  <property name="main-class" value="${ant.project.name}"/>
  <target name="clean">
  <delete dir="${build.dir}"/>
  </target>
  <target name="compile">
  <mkdir dir="${classes.dir}"/>
  <javac includeantruntime="false" srcdir="${src.dir}" destdir="${classes.dir}" classpathref="classpath"/>
  </target>
  <target name="jar" depends="compile">
  <mkdir dir="${jar.dir}"/>
  <jar destfile="${jar.dir}/${ant.project.name}.jar" basedir="${classes.dir}">
  <manifest>
  <attribute name="Main-Class" value="${main-class}"/>
  </manifest>
  </jar>
  </target>
  <target name="run" depends="jar">
  <java fork="true" classname="${main-class}">
  <sysproperty key="java.library.path" path="${ocvLibDir}"/>
  <classpath>
  <path refid="classpath"/>
  <path location="${jar.dir}/${ant.project.name}.jar"/>
  </classpath>
  </java>
  </target>
  <target name="rebuild" depends="clean,jar"/>
  <target name="rebuild-run" depends="clean,run"/>
  </project>

  注意

  此 XML 文件可以重用于构建其他 Java 应用程序。它描述了第 3 - 12 行中的通用文件夹结构以及用于编译和运行应用程序的常见目标。重用此 XML 时，不要忘记修改第 1 行中的项目名称，这也是主类的名称（第 14 行）。OpenCV jar 和 jni lib 的路径应作为参数（第 5 行中的“${ocvJarDir}”和第 37 行中的“${ocvLibDir}”），但为方便起见，您可以对这些路径进行硬编码。有关其构建文件格式的详细说明，请参阅 Ant 文档。

• 在文件旁边创建一个文件夹src，并在其中创建一个文件build.xmlSimpleSample.java。
• 将以下 Java 代码放入文件SimpleSample.java中：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.CvType;
import org.opencv.core.Scalar;
class SimpleSample {
static{ System.loadLibrary(Core.NATIVE_LIBRARY_NAME); }
public static void main(String[] args) {
System.out.println("Welcome to OpenCV " + Core.VERSION);
Mat m = new Mat(5, 10, CvType.CV_8UC1, new Scalar(0));
System.out.println("OpenCV Mat: " + m);
Mat mr1 = m.row(1);
mr1.setTo(new Scalar(1));
Mat mc5 = m.col(5);
mc5.setTo(new Scalar(5));
System.out.println("OpenCV Mat data:\n" + m.dump());
}
}

• 在控制台的文件夹中运行以下命令：build.xml

  ant -DocvJarDir=path/to/dir/containing/opencv-244.jar -DocvLibDir=path/to/dir/containing/opencv_java244/native/library

  例如：

  ant -DocvJarDir=X:\opencv-2.4.4\bin -DocvLibDir=X:\opencv-2.4.4\bin\Release

  该命令应启动 [re] 生成并运行示例。您应该在屏幕上看到如下内容：

  ​

适用于 Java 和 Scala 的 SBT 项目

现在，我们将使用SBT创建一个简单的Java应用程序。这是对那些不熟悉此构建工具的人的简要介绍。我们之所以使用SBT，是因为它特别简单和强大。
首先，按照其网站上的说明下载并安装SBT。
接下来，导航到希望应用程序源所在的新目录（目录opencv外部）。我们将其命名为“JavaSample”，并为其创建一个目录：

cd <somewhere outside opencv>
mkdir JavaSample

现在我们将创建必要的文件夹和一个 SBT 项目：

cd JavaSample
mkdir -p src/main/java # This is where SBT expects to find Java sources
mkdir project # This is where the build definitions live

现在在您喜欢的编辑器中打开 project/build.scala并粘贴以下内容。它定义了您的项目：

import sbt._
import Keys._
object JavaSampleBuild extends Build {
def scalaSettings = Seq(
scalaVersion := "2.10.0",
scalacOptions ++= Seq(
"-optimize",
"-unchecked",
"-deprecation"
)
)
def buildSettings =
Project.defaultSettings ++
scalaSettings
lazy val root = {
val settings = buildSettings ++ Seq(name := "JavaSample")
Project(id = "JavaSample", base = file("."), settings = settings)
}
}

现在编辑并粘贴project/plugins.sbt以下内容。这将启用 Eclipse 项目的自动生成：

addSbtPlugin("com.typesafe.sbteclipse" % "sbteclipse-plugin" % "2.1.0")

现在从根目录JavaSample 运行 sbt，然后从 SBT 中运行 eclipse 以生成一个 eclipse 项目：

sbt # Starts the sbt console
eclipse # Running "eclipse" from within the sbt console

您应该看到如下内容：

现在，您可以使用 Import ... -> Existing projects into workspace 将 SBT 项目导入 Eclipse。对于指南来说，是否实际执行此操作是可选的;我们将使用 SBT 来构建项目，因此如果您选择使用 Eclipse，它将仅用作文本编辑器。

要测试一切正常，请创建一个简单的“Hello OpenCV”应用程序。为此，请创建包含以下内容的文件src/main/java/HelloOpenCV.java ：

public class HelloOpenCV {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
}
}

现在从 sbt 控制台执行 run，或者更简洁地说，从命令行运行 sbt run：

sbt run

您应该看到如下内容：

运行 SBT 示例

现在，我们将使用 OpenCV 创建一个简单的人脸检测应用程序。

首先，创建一个文件夹lib/并将 OpenCV jar 复制到其中。默认情况下，SBT 将 lib 文件夹中的 jar 添加到 Java 库搜索路径中。您可以选择重新运行 sbt eclipse 来更新 Eclipse 项目。

mkdir lib
cp <opencv_dir>/build/bin/opencv_<version>.jar lib/
sbt eclipse

接下来，创建目录src/main/resources并将此 Lena 映像下载到其中：

确保它"lena.png"被调用 .resources 目录中的项在运行时可供 Java 应用程序使用。

接下来，从把文件lbpcascade_frontalface.xml中复制到opencv/data/lbpcascades/资源目录：Next, copy lbpcascade_frontalface.xml from opencv/data/lbpcascades/ into

现在修改 src/main/java/HelloOpenCV.java，使其包含以下 Java 代码：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.objdetect.CascadeClassifier;
//
// Detects faces in an image, draws boxes around them, and writes the results
// to "faceDetection.png".
//
class DetectFaceDemo {
public void run() {
System.out.println("\nRunning DetectFaceDemo");
// Create a face detector from the cascade file in the resources
// directory.
CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("/lbpcascade_frontalface.xml").getPath());
Mat image = Imgcodecs.imread(getClass().getResource("/lena.png").getPath());
// Detect faces in the image.
// MatOfRect is a special container class for Rect.
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);
System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
// Draw a bounding box around each face.
for (Rect rect : faceDetections.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));
}
// Save the visualized detection.
String filename = "faceDetection.png";
System.out.println(String.format("Writing %s", filename));
Imgcodecs.imwrite(filename, image);
}
}
public class HelloOpenCV {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
// Load the native library.
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
new DetectFaceDemo().run();
}
}

注意：对 System.loadLibrary（Core.NATIVE_LIBRARY_NAME） 的调用。在使用任何本机 OpenCV 方法之前，必须对每个 Java 进程执行一次此命令。如果不调用它，则会收到 UnsatisfiedLink 错误。如果您尝试在已加载 OpenCV 的情况下加载它，您也会收到错误。

现在使用“sbt run”运行人脸检测应用程序：

sbt run

您应该看到如下内容：

它还应该将以下faceDetection.png图像写入：

大功告成！现在，您已经拥有了一个使用 OpenCV 的示例 Java 应用程序，因此您可以自己开始工作。祝您好运，多年快乐生活！

参考文献：

1.《Introduction to Java Development》-Eric Christiansen and Andrey Pavlenko