运用java开发OpenCV

获取适当的 OpenCV

从版本 2.4.4 开始，OpenCV 包含桌面 Java 绑定。

下载

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

注意

Windows 用户可以在包内的文件夹中找到 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。opencv/build/java/

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）（我们推荐 Oracle/Sun JDK 6 或 7）、Apache Ant 和 Python v2.6 或更高版本。

建

让我们构建 OpenCV：

git clone git://github.com/opencv/opencv.git

光盘opencv

git checkout 2.4

mkdir 构建

CD 构建

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内容：

cmake -DBUILD_SHARED_LIBS=关闭 ..

或

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“要构建”的模块之一。如果没有，则可能是缺少依赖项。您应该通过查看 CMake 输出中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 JDK 的路径。例如：

导出JAVA_HOME=/usr/lib/jvm/java-6-oracle

cmake -DBUILD_SHARED_LIBS=关闭 ..

现在开始构建：

制造 -j8

或

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

除此之外，还将创建一个包含 Java 接口 （） 的 jar 和一个包含 Java 绑定和所有 OpenCV 内容（或分别）的本机动态库。我们稍后会用到这些文件。bin/opencv-244.jarlib/libopencv_java244.sobin/Release/opencv_java244.dll

使用 Ant 的 Java 示例

注意

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

• 创建一个文件夹，您将在其中开发此示例应用程序。
• 在此文件夹中，使用任何文本编辑器创建包含以下内容的文件：build.xml

  <项目名称=“SimpleSample” basedir=“.” 默认值=“重建-运行”>

  <属性名称=“src.dir” 值=“src”/>

  <属性名称=“lib.dir” 值=“${ocvJarDir}”/>

  <路径 id=“类路径” >

  <文件集 dir=“${lib.dir}” 包括=“**/*.jar”/>

  </路径>

  <属性名称=“build.dir” 值=“build”/>

  <属性名称=“classes.dir” 值=“${build.dir}/classes”/>

  <属性名称=“jar.dir” 值=“${build.dir}/jar”/>

  <属性名称=“主类” 值=“${ant.project.name}”/>

  <目标名称=“clean”>

  <删除 dir=“${build.dir}”/>

  </目标>

  <目标名称=“编译”>

  <mkdir dir=“${classes.dir}”/>

  <javac includeantruntime=“false” srcdir=“${src.dir}” destdir=“${classes.dir}” classpathref=“类路径”/>

  </目标>

  <目标名称=“jar” depends=“compile”>

  <mkdir dir=“${jar.dir}”/>

  <jar destfile=“${jar.dir}/${ant.project.name}.jar” basedir=“${classes.dir}” >

  <清单>

  <属性名称=“主类” 值=“${主类}”/>

  </清单>

  </罐>

  </目标>

  <目标名称=“运行” depends=“jar”>

  <java fork=“true” 类名=“${main-class}”>

  <sysproperty 键=“java.library.path” path=“${ocvLibDir}”/>

  <类路径>

  <路径 refid=“类路径”/>

  <路径位置=“${jar.dir}/${ant.project.name}.jar”/>

  </类路径>

  </爪哇岛>

  </目标>

  <目标名称=“重建” depends=“clean，jar”/>

  <目标名称=“rebuild-run” depends=“clean，run”/>

  </项目>

  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通用目标。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，并在其中创建一个文件。srcbuild.xmlSimpleSample.java
• 将以下 Java 代码放入该文件中：SimpleSample.java

  导入 org.opencv.core.Core;

  导入 org.opencv.core.Mat;

  导入 org.opencv.core.CvType;

  导入 org.opencv.core.Scalar;

  类 简单示例 {

  static{ System.loadLibrary（Core.NATIVE_LIBRARY_NAME）;

  公共静态无效main（String[] args） {

  System.out.println（“欢迎使用 OpenCV ” + Core.VERSION）;

  垫子 m = 新垫子（5， 10， CvType.CV_8UC1， 新标量（0））;

  System.out.println（“OpenCV 垫子：” + m）;

  垫子 mr1 = m.row（1）;

  mr1.setTo（新标量（1））;

  垫子 mc5 = m.col（5）;

  mc5.setTo（新标量（5））;

  System.out.println（“OpenCV 垫数据：\n” + m.dump（））;

  }

  }

• 在控制台中包含以下内容的文件夹中运行以下命令：build.xml

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

  例如：

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

  该命令应启动 [re]build 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 SBT 网站上的说明下载并安装 SBT。

接下来，导航到您希望应用程序源所在的新目录（在目录外部）。我们称它为“JavaSample”，并为它创建一个目录：opencv

CD<opencv 之外的某个地方>

mkdir JavaSample

现在，我们将创建必要的文件夹和一个 SBT 项目：

cd Java示例

mkdir -p src/main/java # 这是 SBT 希望找到 Java 源代码的地方

mkdir project # 这是构建定义所在的位置

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

导入sbt._

导入Keys._

对象 JavaSampleBuild 扩展 Build {

def scalaSettings = Seq（

scalaVersion ：= “2.10.0”，

scalacOptions ++= Seq（

“-优化”，

“-未选中”，

“-弃用”

)

)

def buildSettings =

Project.defaultSettings ++

scala设置

惰性值根 = {

val settings = buildSettings ++ Seq（name ：= “JavaSample”）

Project（id = “JavaSample”， base = file（“.”）， settings = settings）

}

}

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

addSbtPlugin（“com.typesafe.sbteclipse” % “sbteclipse-plugin” % “2.1.0”）

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

sbt # 启动 sbt 控制台

eclipse # 在 sbt 控制台中运行 “eclipse”

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，是否真的这样做是可选的;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。

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

公共类 HelloOpenCV {

公共静态无效main（String[] args） {

System.out.println（“你好，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 运行

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，创建一个文件夹并将 OpenCV jar 复制到其中。缺省情况下，SBT 会将 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。lib/

mkdir 库

cp <opencv_dir>/build/bin/opencv_<版本>.jar lib/

SBT 日食

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

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

接下来，从以下目录复制：lbpcascade_frontalface.xmlopencv/data/lbpcascades/resources

cp <opencv_dir>/data/lbpcascades/lbpcascade_frontalface.xml src/main/resources/

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

导入 org.opencv.core.Core;

导入 org.opencv.core.Mat;

导入 org.opencv.core.MatOfRect;

导入 org.opencv.core.Point;

导入 org.opencv.core.Rect;

导入 org.opencv.core.Scalar;

导入 org.opencv.imgcodecs.Imgcodecs;

导入 org.opencv.objdetect.CascadeClassifier;

//

检测图像中的人脸，在人脸周围绘制方框，并写入结果

更改为“faceDetection.png”。

//

类 检测脸演示 {

公共无效运行（） {

System.out.println（“\n正在运行 DetectFaceDemo”);

从资源中的级联文件创建人脸检测器

目录。

CascadeClassifier faceDetector = new CascadeClassifier（getClass（）.getResource（“/lbpcascade_frontalface.xml”）.getPath（））;

垫子图像 = Imgcodecs.imread（getClass（）.getResource（“/lena.png”）.getPath（））;

检测图像中的人脸。

MatOfRect 是 Rect 的一个特殊容器类。

MatOfRect faceDetections = 新 MatOfRect（）;

faceDetector.detectMultiScale（图像， faceDetections）;

System.out.println（String.format（“检测到 %s 人脸”， faceDetections.toArray（）.length））;

在每个面周围绘制一个边界框。

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））;

}

保存可视化检测。

字符串文件名 = “faceDetection.png”;

System.out.println（String.format（“写入 %s”，文件名））;

Imgcodecs.imwrite（文件名，图像）;

}

}

公共类 HelloOpenCV {

公共静态无效main（String[] args） {

System.out.println（“你好，OpenCV”);

加载本机库。

System.loadLibrary（Core.NATIVE_LIBRARY_NAME）;

新增功能检测FaceDemo（）.run（）;

}

}

请注意对 System.loadLibrary（Core.NATIVE_LIBRARY_NAME） 的调用。在使用任何本机 OpenCV 方法之前，必须为每个 Java 进程执行一次此命令。如果不调用它，则会收到 UnsatisfiedLink 错误。如果在 OpenCV 已经加载时尝试加载它，您也会收到错误。

现在使用“sbt run”运行人脸检测应用程序：

SBT 运行

您应该看到如下内容：

它还应该将下图写入：faceDetection.png

   在线教程

• 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
• 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
• EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
• 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
• 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
• 机器学习 – 有指导和无指导情况下的基本机器学习算法
• 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
• 斯坦福统计学习

有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​

人工智能书籍

• OpenCV（中文版）.(布拉德斯基等)
• OpenCV+3计算机视觉++Python语言实现+第二版
• OpenCV3编程入门 毛星云编著
• 数字图像处理_第三版
• 人工智能:一种现代的方法
• 深度学习面试宝典
• 深度学习之PyTorch物体检测实战
• 吴恩达DeepLearning.ai中文版笔记
• 计算机视觉中的多视图几何
• PyTorch-官方推荐教程-英文版
• 《神经网络与深度学习》(邱锡鹏-20191121)
• …
  

第一阶段：零基础入门（3-6个月）

新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。

第二阶段：基础进阶（3-6个月）

熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。

第三阶段：工作应用

这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。

 有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​