简介

Maven

软件环境

JavaCV-Examples

OpenCV Cookbook Examples

概述

示例

OpenCV文档

如何使用JavaCV示例

示例代码的组织结构

示例列表

Why Scala?

学习地址

图像简单处理代码示例

1.打开保存一张图

2.画直线

3.画圆圈

4.画折现

5.添加文字水印

6.裁剪并局部放大

7.人脸检测

视频简单处理代码示例

1.打开视频文件

2.抓取视频指定时间的帧保存为图像

3.录屏

4.给视频添加水印

简介

JavaCV使用来自JavaCPP预设库的包装器，这些库是计算机视觉领域的研究人员常用的库(OpenCV, FFmpeg, libdc1394, FlyCapture, Spinnaker, OpenKinect, librealsense, CL PS3 Eye Driver, videoInput, ARToolKitPlus, flandmark, Leptonica和Tesseract)，并提供实用程序类，使其功能更容易在Java平台(包括Android)上使用。

JavaCV还具有硬件加速全屏图像显示(CanvasFrame和GLCanvasFrame)，易于使用的方法在多核上并行执行代码(parallel)，用户友好的相机和投影仪的几何和颜色校准(GeometricCalibrator, ProCamGeometricCalibrator, ProCamColorCalibrator)，特征点的检测和匹配(ObjectFinder)，一组实现投影仪-相机系统的直接图像对齐的类(主要是GNImageAligner，projectvetransformer, projvecolortransformer, ProCamTransformer和ReflectanceInitializer)，一个blob分析包(Blobs)，以及JavaCV类中的其他功能。其中一些类也有OpenCL和OpenGL对应的类，它们的名字以CL结尾或以GL开头，例如:JavaCVCL, GLCanvasFrame等。

要学习如何使用API，因为目前缺乏文档，请参考下面的示例用法部分以及示例程序，包括两个Android (FacePreview.java和RecordActivity.java)，也可以在samples目录中找到。您还可以参考ProCamCalib和ProCamTracker的源代码，以及从OpenCV2 Cookbook和相关wiki页面移植的示例。

Maven

  <dependency><groupId>org.bytedeco</groupId><artifactId>javacv-platform</artifactId><version>1.5.8</version></dependency>

软件环境

要使用JavaCV，首先需要下载并安装以下软件:

Java SE 7或更新版本的实现:

OpenJDK OpenJDK: Download and install or
Oracle JDK http://www.oracle.com/technetwork/java/javase/downloads/ or
IBM JDK http://www.ibm.com/developerworks/java/jdk/

此外，虽然并不总是必需的，JavaCV的一些功能也依赖于:

CL Eye Platform SDK (Windows only) CL - Downloads - Code Laboratories

CL Eye平台SDK为开发人员提供了对相机使用和操作的完全访问和控制。为了可移植性和易用性，所提供的api作为标准的基于C的函数公开，还包括作为基线测试框架的所有示例应用程序的完整源代码。
Android SDK API 21 or newer http://developer.android.com/sdk/
JOCL and JOGL from JogAmp JogAmp.org - Java graphics, audio, media and processing libraries exposing OpenGL, OpenCL, OpenAL and OpenMAX

JogAmp是用于3D图形、多媒体和处理的高性能Java™库的家。

JOGL, JOCL和JOAL提供跨平台Java™语言绑定到OpenGL®，OpenCL™，OpenAL和OpenMAX api。

最后，请确保所有内容具有相同的位，32位和64位模块在任何情况下都不能混合。

JavaCV-Examples

这个项目包含使用JavaCV和其他javacpp-presets项目中的库包装器的示例。

OpenCV_Cookbook - Robert laganiere的书《OpenCV Computer Vision Application Programming Cookbook》中提供的示例的JavaCV版本。Cookbook中的原始示例是用c++编写的，这里它们被翻译为使用JavaCV API。
使用flandmark库的示例。
使用JVM包装flr /Point Grey FlyCapture SDK的示例。
使用JVM包装Flir/Point Grey Spinnaker SDK的示例

OpenCV Cookbook Examples

概述

OpenCV Cookbook示例说明了OpenCV与JavaCV的使用。这些例子是从Robert laganie:1的书《OpenCV 2计算机视觉应用程序编程指南》中移植的c++代码开始的。后来更新为第四版的书“OpenCV计算机视觉应用程序编程 Cookbook第四版”。书中的示例使用OpenCV c++ API。在这里，它们被转换为使用JavaCV和JavaCPP-Presets api。

OpenCV(开源计算机视觉)是一个包含数百种算法的库，用于计算机视觉和视频分析。OpenCV可以通过两种方式在JVM上运行。首先是由OpenCV提供的Java包装器。第二种是基于JavaCPP (JVM的c++包装器引擎)的包装器，称为OpenCV JavaCPP预置。还有其他计算机视觉相关库的JavaCPP预设，如:FFmpeg, libdc1394, PGR FlyCapture, OpenKinect, videoInput, ARToolKitPlus, landmark等。JavaCV结合了JavaCPP预置中的库，并添加了一些额外的功能，使它们更容易在JVM上使用。

OpenCV Cookbook Examples项目演示了通过JavaCV和OpenCV JavaCPP预设使用OpenCV。当前的版本更新是为了匹配Robert laganie:1的书“OpenCV计算机视觉应用程序编程 Cookbook第二版”的第二版。它旨在与OpenCV .4一起使用(JavaCV 1节)。

虽然示例中的代码主要是用Scala编写的，Scala是领先的JVM语言之一。它可以很容易地转换为Java和运行在JVM上的其他语言，例如Groovy。在大多数JVM语言中，JavaCV API的使用非常相似。在Java版本中提供了一些示例。

示例

下面是一个快速预览，将原始c++示例与使用JavaCV包装器的Scala和Java代码进行比较。

下面是一个原始的c++示例，它打开一个图像(没有错误检查)，创建一个窗口，在窗口中显示图像，并等待5秒后退出。

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgcodecs/imgcodecs.hpp>int main() {// Read an imagecv::Mat src = cv::imread("data/boldt.jpg");display(src, "Input")// Apply Laplacian filtercv::Mat dest;cv::Laplacian(src, dest, src.depth(), 1, 3, 0, BORDER_DEFAULT);display(dest, "Laplacian");// wait key for 5000 mscv::waitKey(5000);return 1;
}//---------------------------------------------------------------------------void display(Mat image, char* caption) {// Create image window named "My Image"cv::namedWindow(caption);// Show image on windowcv::imshow(caption, image);
}

上面的c++示例使用JavaCV包装器转换为Scala:

import javax.swing._
import org.bytedeco.javacv._
import org.bytedeco.opencv.global.opencv_core._
import org.bytedeco.opencv.global.opencv_imgcodecs._
import org.bytedeco.opencv.global.opencv_imgproc._
import org.bytedeco.opencv.opencv_core._object MyFirstOpenCVApp extends App {// Read an image.val src = imread("data/boldt.jpg")display(src, "Input")// Apply Laplacian filterval dest = new Mat()Laplacian(src, dest, src.depth(), 1, 3, 0, BORDER_DEFAULT)display(dest, "Laplacian")//---------------------------------------------------------------------------/** Display `image` with given `caption`. */def display(image: Mat, caption: String): Unit = {// Create image window named "My Image."val canvas = new CanvasFrame(caption, 1)// Request closing of the application when the image window is closed.canvas.setDefaultCloseOperation(WindowConstants.EXIT_ON_CLOSE)// Convert from OpenCV Mat to Java Buffered image for displayval converter = new OpenCVFrameConverter.ToMat()// Show image on windowcanvas.showImage(converter.convert(image))}
}

现在用Java表达相同的例子。请注意，JavaCV API的使用与Scala和Java代码中的完全相同。唯一的实际区别是，在Java代码中更冗长，您必须显式地为每个变量提供类型，而在Scala中这是可选的。

import org.bytedeco.javacv.CanvasFrame;
import org.bytedeco.opencv.opencv_core.Mat;import javax.swing.*;
import java.awt.image.BufferedImage;import static opencv_cookbook.OpenCVUtilsJava.toBufferedImage;
import static org.bytedeco.opencv.global.opencv_core.BORDER_DEFAULT;
import static org.bytedeco.opencv.global.opencv_imgcodecs.imread;
import static org.bytedeco.opencv.global.opencv_imgproc.Laplacian;public class MyFirstOpenCVAppInJava {public static void main(String[] args) {// Read an image.final Mat src = imread("data/boldt.jpg");display(src, "Input");// Apply Laplacian filterfinal Mat dest = new Mat();Laplacian(src, dest, src.depth(), 1, 3, 0, BORDER_DEFAULT);display(dest, "Laplacian");}//---------------------------------------------------------------------------static void display(Mat image, String caption) {// Create image window named "My Image".final CanvasFrame canvas = new CanvasFrame(caption, 1.0);// Request closing of the application when the image window is closed.canvas.setDefaultCloseOperation(WindowConstants.EXIT_ON_CLOSE);// Convert from OpenCV Mat to Java Buffered image for displayfinal BufferedImage bi = toBufferedImage(image);// Show image on window.canvas.showImage(bi);}
}

OpenCV文档

如果您正在寻找一个特定的OpenCV操作，请使用OpenCV文档（OpenCV documentation index）。快速搜索框特别有用。该文档包含了C/ c++ OpenCV API可选使用方式的描述。

如何使用JavaCV示例

OpenCV Cookbook示例项目是作为Robert laganie:1的书“OpenCV计算机视觉应用程序编程Cookbook第二版”的伙伴。推荐的方法是在对如何将Cookbook的c++代码转换为JavaCV有疑问时阅读Cookbook并参考JavaCV示例。这本书解释了算法是如何工作的。JavaCV示例只提供了与JavaCV API细节相关的非常简短的注释。

使用JavaCV示例的最简单方法是在线浏览位于[src/main]中的代码。您也可以使用Git或ZIP文件将其下载到计算机上。

通过最小的设置，您可以轻松地在自己的计算机上执行示例。这是JavaCV的好处之一——它提供了在各种平台上运行OpenCV所需的所有二进制文件。在第1章的README中解释了这个设置。

示例代码的组织结构

代码被组织成与Cookbook第1版中的章节相对应的包，例如opencv_cookbook.chapter8。它与第二版非常相似。个别的例子大致对应于书中每一章的章节。

第1章描述了运行这些示例的IDE设置，给出了一个加载和显示图像的基本示例，以及一个执行基本图像处理的基本GUI示例。

示例列表

第一章:使用图像

Ex1MyFirstOpenCVApp -加载图像并在窗口中显示它(CanvasFrame)
Ex2MyFirstGUIFXApp -使用ScalaFX (JavaFX包装器)构建的简单GUI应用程序。该应用程序在左侧有两个按钮“打开图像”和“处理”。打开的图像显示在中间。当按下“处理”按钮时，图像被翻转过来，其红色和蓝色通道被交换。有关Swing版本，请参阅Ex2MyFirstGUIApp。
Ex2MyFirstGUIApp -使用Scala Swing构建的简单GUI应用程序。该应用程序在左侧有两个按钮“打开图像”和“处理”。打开的图像显示在中间。当按下“处理”按钮时，图像被翻转过来，其红色和蓝色通道被交换。有关JavaFX版本，请参阅Ex2MyFirstGUIFXApp。
Ex3LoadAndSave -读取，保存，显示和绘制图像。

第二章:操纵像素

Ex1Salt -设置个人，随机选择，像素到一个固定的值。使用ImageJ的ImageProcessor来访问像素。
Ex2ColorReduce -通过相同的方式修改所有波段的颜色值来减少图像中的颜色。
ex3锐化-使用内核卷积锐化图像:filter2D()。
Ex4BlendImages -混合两个图像使用加权加法:cvAddWeighted()。
ex5roillogo -使用感兴趣的区域将小图像粘贴到较大的图像中:IplROI和cvCopy()。

第三章:用类处理图像

Ex1ColorDetector -将RGB颜色与目标颜色进行比较，与目标颜色相似的颜色在输出图像中被分配为白色，其他像素被设置为黑色。
Ex2ColorDetectorSimpleApplication—第一个示例的处理过程相同，但演示了一个简单的UI。
ex3colordetectormvapplication—相同的处理是第一个示例，但演示了一个更详细的UI。
Ex4ConvertingColorSpaces -类似于第一个例子，但是颜色距离是在Lab*颜色空间中计算的。说明cvtColor函数的使用。

第四章:用直方图计算像素

Ex1ComputeHistogram -使用实用程序类Histogram1D计算直方图，并将值打印到屏幕上。
Ex2ComputeHistogramGraph -显示使用实用程序类Histogram1D创建的直方图的图形。
Ex3Threshold -使用OpenCV threshold()方法将图像中的像素分离为前景和背景。
Ex4InvertLut—通过反转其查找表来创建倒立的图像。
Ex5EqualizeHistogram -使用直方图均衡化增强图像。
Ex6ContentDetectionGrayscale -使用灰度图像中区域的直方图来创建“模板”，通过整个图像来检测与该模板相似的像素。举例说明cvCalcBackProject()方法的使用。
Ex7ContentDetectionColor -使用区域直方图在彩色图像中创建“模板”，通过整个图像来检测与该模板相似的像素。依赖于工具类ColorHistogram和ContentFinder。
Ex8MeanShiftDetector -使用彩色图像中的区域直方图来创建“模板”，使用mean shift算法在另一张图像中找到“模板”的最佳匹配位置。举例说明cvMeanShift()方法的用法。
使用辅助类ImageComparator计算图像相似度度量。
执行直方图和查找表操作的Helper类，对应于OpenCV Cookbook中部分c++类Histogram1D的样例代码。举例说明OpenCV方法的使用:cvLUT()， cvEqualizeHist()， cvCreateHist()， cvCalcHist()， cvQueryHistValue_1D()， cvReleaseHist()。
ColorHistogram -帮助类简化了彩色图像cvCalcHist()方法的使用。
使用cvCalcBackProject()方法进行模板匹配的辅助类。
ImageComparator -使用cvCompareHist()计算图像相似度的辅助类。

第五章:用形态学操作变换图像

侵蚀和扩张-形态侵蚀和扩张:cvErode()和cvDilate()。
Ex2OpeningAndClosing -形态学打开和关闭:cvMorphologyEx()。
Ex3EdgesAndCorners -使用形态学过滤器检测边缘和角落。
Ex4WatershedSegmentation -图像分割使用分水岭算法。
Ex5GrabCut -使用grabCut()从背景中分离对象。
MorphoFeatures -等价于同名的c++类，包含形态学角检测的方法。
WatershedSegmenter -“使用分水岭分割图像”一节的辅助类。

第六章:过滤图像

Ex1LowPassFilter -模糊与高斯滤波器。
Ex2MedianFilter -用中值滤波器去除噪声。
Ex3DirectionalFilters -使用Sobel边缘检测滤波器。
使用拉普拉斯滤波器的边缘检测。
LaplacianZC -计算Laplacian和过零，用于Ex4Laplacian。

第七章:提取线条、轮廓和组件

Ex1CannyOperator -检测轮廓与Canny算子。
Ex2HoughLines -使用标准Hough变换方法检测线条。
Ex3HoughLineSegments -使用概率霍夫变换方法检测线段。
Ex4HoughCircles -使用霍夫变换方法检测圆。
Ex5ExtractContours -使用连接的组件从二值图像中提取轮廓。
Ex6ShapeDescriptors -计算各种形状描述符:边界框，封闭圆，近似多边形，凸壳，质心。

LineFinder -使用概率霍夫变换方法检测线段的辅助类，用于Ex3HoughLineSegments。

第八章:发现兴趣点

Ex1HarrisCornerMap -计算哈里斯角强度图像。
Ex2HarrisCornerDetector -使用Harris角强度图像来检测定位良好的角，用一个角取代几个位置较近的检测(模糊)。使用HarrisDetector辅助类。
Ex3GoodFeaturesToTrack -使用GoodFeatures跟踪检测器的例子。
Ex4FAST -使用FAST检测器的示例。
Ex5SURF -使用SURF检测器的示例。
Ex6SIFT -使用SIFT检测器的示例。
帮助类，用于哈里斯角强度图像的检测和定位。距离较近的探测(模糊)被单个探测取代。

第九章:发现兴趣点

Ex2TemplateMatching -从第一个图像(模板)和第二个图像中找到一个小补丁之间的最佳匹配。
ex7descripbingsurf -计算SURF特征，提取它们的描述符，并在同一物体的两幅图像之间找到最佳匹配的描述符。

第十章:估计图像中的投影关系

Ex1FindChessboardCorners -演示了相机校准步骤之一，在校准板中检测棋盘模式。
Ex2CalibrateCamera -相机校准示例，展示了如何校正光学器件可能引入的几何变形。使用CameraCalibrator助手类。
Ex3ComputeFundamentalMatrix -使用两幅图像之间检测和匹配的特征，计算描述两幅图像之间投影关系的基本矩阵。
Ex4MatchingUsingSampleConsensus -说明RANSAC(随机抽样共识)策略的使用。大多数计算是由RobustMatcher helper类完成的。
Ex5Homography -描述两个图像中点之间关系的另一种方法，使用homography。展示了如何将一个对象的部分视图的两个图像拼接在一起的示例。大多数计算是由RobustMatcher helper类完成的。
实现摄像机校准算法的助手类。
RobustMatcher -实现基于RANSAC的算法，例如Ex4MatchingUsingSampleConsensus和Ex5Homography。

第十一章:处理视频序列

Ex1ReadVideoSequence -读取并显示视频。
Ex2ProcessVideoFrames -使用Canny边缘检测器处理视频文件中的帧;在屏幕上显示输出视频。使用辅助类VideoProcessor。
Ex3WriteVideoSequence -使用Canny边缘检测器处理视频文件中的帧;将输出写入视频文件。使用辅助类VideoProcessor。
Ex4TrackingFeatures -跟踪视频中的移动对象，标记屏幕上显示的视频中的跟踪点。大部分的实现是在FeatureTracker helper类中完成的。
Ex5ForegroundSegmenter -通过背景估计检测视频中的移动对象。背景使用“简单”移动平均方法建模，实现在助手类“BGFBSegmenter”中。
Ex6MOGMotionDetector -一个更复杂的运动检测器，使用混合高斯方法建模背景。
BGFBSEgmenter -通过使用移动平均线对背景建模，将“静态”背景与“移动”前景分开。使用的例子'Ex5ForegroundSegmenter'。
FeatureTracker -使用光流算法跟踪移动特征，例如Ex4TrackingFeatures。
VideoProcessor -处理视频文件的辅助类，加载和应用处理到单独的帧，例如:Ex2ProcessVideoFrames, Ex3WriteVideoSequence, Ex4TrackingFeatures和Ex5ForegroundSegmenter。

第十五章:OpenCV高级特性

Ex1FaceDetection -使用预训练的深度学习神经网络模型检测图像中的人脸。

其他通用技术

OpenCVUtils -读取和写入图像文件，显示图像，绘制图像的特征，OpenCV图像和数据表示之间的转换。

Why Scala?

之所以选择Scala，是因为它比Java更具表现力。您可以用更少的代码获得相同的结果。更小的样板代码使示例更容易阅读和理解。编译后的Scala代码速度很快，类似于Java和c++。

与Java或c++不同，Scala支持编写脚本——无需显式编译即可执行的代码。Scala也有一个控制台，称为REPL，可以在其中输入单行代码并当场执行。这两个特性使得在Scala中构建基于opencv的程序比在Java中更容易。最后但并非最不重要的一点是，IDE对Scala的支持达到了成熟的程度，允许轻松地创建、修改和执行Scala代码。特别是，用于JetBrains IDEA的Scala插件工作得非常好。还有对Eclipse和NetBeans的Scala支持。